UNetTemporalAttentionMultiply 노드는 시간적 UNet 모델에서 다양한 유형의 어텐션 메커니즘에 곱셈 계수를 적용합니다. 이 노드는 자기 어텐션(self-attention)과 교차 어텐션(cross-attention) 레이어의 가중치를 조정하여 모델을 수정하며, 구조적 구성 요소와 시간적 구성 요소를 구분합니다. 이를 통해 각 어텐션 유형이 모델 출력에 미치는 영향을 세밀하게 조정할 수 있습니다.

## 입력

| 매개변수 | 설명 | 데이터 타입 | 필수 | 범위 |
| --- | --- | --- | --- | --- |
| `모델` | 어텐션 승수로 수정할 입력 모델 | MODEL | 예 | - |
| `구조적 셀프` | 자기 어텐션 구조적 구성 요소의 승수 (기본값: 1.0) | FLOAT | 아니요 | 0.0 - 10.0 |
| `시간적 셀프` | 자기 어텐션 시간적 구성 요소의 승수 (기본값: 1.0) | FLOAT | 아니요 | 0.0 - 10.0 |
| `구조적 크로스` | 교차 어텐션 구조적 구성 요소의 승수 (기본값: 1.0) | FLOAT | 아니요 | 0.0 - 10.0 |
| `시간적 크로스` | 교차 어텐션 시간적 구성 요소의 승수 (기본값: 1.0) | FLOAT | 아니요 | 0.0 - 10.0 |

## 출력

| 출력 이름 | 설명 | 데이터 타입 |
| --- | --- | --- |
| `모델` | 조정된 어텐션 가중치가 적용된 수정된 모델 | MODEL |

> 이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! [GitHub에서 편집](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/UNetTemporalAttentionMultiply/ko.md)

---
**Source fingerprint (SHA-256):** `98d62fb28a0cdf62154ae4e0b672b3a7bcb9ed61186a164a43992263c1f9439a`