Sampler ve Scheduler
Sampler, yapay zeka modelinin saf gürültüyü adım adım temizleyip net bir görsele dönüştürme yöntemidir; scheduler ise bu temizleme adımlarının aralığını ve hızını belirler. Stable Diffusion ve ComfyUI gibi gelişmiş araçlarda doğrudan seçilirken, bulut tabanlı hazır platformlar bu tercihi perde arkasında kendisi yapar.
Diğer adıyla: sampler, sampler_name, scheduler, Euler, DPM++ 2M Karras
Öncesi ve sonrası: testim




Model: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5). Ayarlar: seed 1411, 30 adım, CFG 7.5, yalnızca sampler değiştirildi. Tarih: 14.11.2026.
Prompt: a lighthouse on a rocky coast at dusk, waves crashing, dramatic sky, wide shot, photo
Yaptığım testte Euler, DPM++ 2M Karras ve DDIM neredeyse aynı kompozisyonu üretti; aralarındaki minik farklar sadece kayaların dokusunda ve suyun yüzeyinde görüldü. Euler a (ancestral) ise bambaşka bir kadraj kurarak adacıkta tek başına duran bir deniz feneri çizdi. Adında 'a' veya 'ancestral' bulunan sampler türleri her adımda ek gürültü kattığı için aynı tohum numarasında bile ana gruptan bütünüyle kopabilir.
Farklı üreticilerdeki karşılıkları
| Üretici | Parametre | Değerler | Varsayılan |
|---|---|---|---|
| Seedream | doğrulanmadı | - | - |
| ComfyUI | sampler_name / scheduler (KSampler)Kaynak kodundaki listeler (docs.comfy.org bunları listelemez) | sampler_name: euler, euler_cfg_pp, euler_ancestral, euler_ancestral_cfg_pp, heun, heunpp2, exp_heun_2_x0, exp_heun_2_x0_sde, dpm_2, dpm_2_ancestral, lms, dpm_fast, dpm_adaptive, dpmpp_2s_ancestral, dpmpp_2s_ancestral_cfg_pp, dpmpp_sde, dpmpp_sde_gpu, dpmpp_2m, dpmpp_2m_cfg_pp, dpmpp_2m_sde, dpmpp_2m_sde_gpu, dpmpp_2m_sde_heun, dpmpp_2m_sde_heun_gpu, dpmpp_3m_sde, dpmpp_3m_sde_gpu, ddpm, lcm, ipndm, ipndm_v, deis, cfgpp_ud10_ab, res_multistep, res_multistep_cfg_pp, res_multistep_ancestral, res_multistep_ancestral_cfg_pp, gradient_estimation, gradient_estimation_cfg_pp, er_sde, seeds_2, seeds_3, sa_solver, sa_solver_pece, ddim, uni_pc, uni_pc_bh2. scheduler: simple, sgm_uniform, karras, exponential, ddim_uniform, beta, normal, linear_quadratic, kl_optimal | dokümantasyonda belirtilmemiş |
| Midjourney | böyle bir parametre yok | - | - |
| FLUX | API'de yok | - | - |
| Ideogram | böyle bir parametre yok | - | - |
| GPT Image | böyle bir parametre yok | - | - |
| Imagen (kullanımdan kaldırıldı) | okunan dokümantasyonda yok | - | - |
| Qwen-Image | okunan dokümantasyonda yok | - | - |
| Stability AI (SD 3.5) | API'de yok | - | - |
- Kaynaklar, kontrol tarihi: 14.11.2026:
- Seedream: docs.byteplus.com/en/docs/ModelArk/1541523
- ComfyUI: raw.githubusercontent.com/comfyanonymous/ComfyUI/master/com...
- Midjourney: docs.midjourney.com/hc/en-us/articles/32859204029709-Parame...
- FLUX: docs.bfl.ml/api-reference/utility/generate-an-image-with-fl...
- Ideogram: developer.ideogram.ai/openapi/ideogram-api-v2.json
- GPT Image: developers.openai.com/api/docs/guides/image-generation
- Imagen: docs.cloud.google.com/vertex-ai/generative-ai/docs/image/ge...
- Qwen-Image: www.alibabacloud.com/help/en/model-studio/qwen-image-genera...
- Stability AI: docs.stability.ai/api-reference/generate/stable-diffusion-3...
Ne zaman kullanılır?
- Mevcut görselin genel kalitesinden memnunsanız varsayılan ayarı değiştirmeden bırakın.
- Aynı tohum değeri üzerinde daha serbest ve farklı kompozisyonlar keşfetmek istediğinizde ancestral (Euler a gibi) yöntemleri seçin.
- Karşılaştırma yapmak ve tutarlı, tekrarlanabilir görsel serileri üretmek istediğinizde ancestral olmayan (Euler, DPM++ 2M) seçeneklerde kalın.
Sık yapılan hata
Sampler modellerini kıyaslarken sabit bir seed kullanmamak en sık yapılan hatadır; sabit tohum yoksa algoritmanın etkisini değil, şans eseri gelen farklı bir tohumu görürsünüz. İkinci büyük yanılgı ise her koşulda kusursuz çalışan tek bir sihirli sampler aramaktır. Standart algoritmalar arasındaki farklar, iyi yazılmış bir promptun veya doğru CFG değerinin yanında oldukça önemsiz kalır.
Kullanıma hazır örnek
ComfyUI: KSampler -> sampler_name = dpmpp_2m, scheduler = karras AUTOMATIC1111 / Forge: Sampling method: DPM++ 2M, Schedule type: Karras Midjourney, GPT Image, Ideogram, FLUX: parametre yok
Sıkça sorulan sorular
En iyi sampler hangisidir?
Her senaryoya uyan tek bir en iyi yoktur. Tutarlı ve temiz sonuçlar için Karras zamanlayıcılı DPM++ 2M veya standart Euler çok dengelidir. Kompozisyonda sürpriz ve çeşitlilik arandığında Euler a öne çıkar.
Scheduler tam olarak neyi değiştirir?
Scheduler, görseldeki kirliliğin her adımda hangi oranda eksiltileceğini yönetir. Örneğin Karras profili, gürültüyü sonlara doğru daha yumuşak bir eğriyle temizleyerek ince detayların belirginleşmesine yardımcı olur.
Ancestral sampler neden adımlara karşı bu kadar hassas?
İsminde 'a' harfi olan yöntemler matematiksel olarak her üretim adımında sisteme taze gürültü enjekte eder. Bu durum adım sayısını 20'den 30'a çıkardığınızda sahnenin küçük detaylar yerine bütünüyle değişmesine yol açabilir.
