## 概述

自我注意力引導節點透過在取樣過程中修改注意力機制，對擴散模型施加引導效果。它會捕捉無條件去噪步驟中的注意力分數，並利用這些分數建立模糊引導圖，進而影響最終輸出。這項技術透過運用模型自身的注意力模式，協助引導生成過程。

## 輸入

| 參數 | 說明 | 資料類型 | 必要 | 範圍 |
| --- | --- | --- | --- | --- |
| `model` | 要套用自我注意力引導的擴散模型 | MODEL | 是 | - |
| `強度` | 自我注意力引導效果的強度（預設值：0.5） | FLOAT | 否 | -2.0 至 5.0 |
| `模糊標準差` | 建立引導圖時套用的模糊程度（預設值：2.0） | FLOAT | 否 | 0.0 至 10.0 |

## 輸出

| 輸出名稱 | 說明 | 資料類型 |
| --- | --- | --- |
| `model` | 已套用自我注意力引導的修改後模型 | MODEL |

**注意：** 此節點目前為實驗性質，且對於分塊批次處理存在限制。它只能從單次 UNet 呼叫中儲存注意力分數，在較大的批次大小下可能無法正常運作。

> 本文檔由 AI 生成。如果您發現任何錯誤或有改進建議，歡迎貢獻！ [在 GitHub 上編輯](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/SelfAttentionGuidance/zh-TW.md)

---
**Source fingerprint (SHA-256):** `5f16ecd8f74bfd71073c6e3a65be08e54e4f5b9c56fe08deb48f35df381e82fa`