> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-docs-recommend-assets-api.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# CLIPMergeSimple - ComfyUI 組み込みノードのドキュメント

> ComfyUI の CLIPMergeSimple ノードに関する完全なドキュメントです。入力、出力、パラメーターおよび使用方法について学びましょう。

`CLIPMergeSimple` は、2つの CLIP テキストエンコーダーモデルを指定された比率に基づいて統合するための高度なモデル統合ノードです。

このノードは、指定された比率に基づいて2つの CLIP モデルを統合することに特化しており、両者の特性を効果的に融合します。具体的には、位置ID（`.position_ids`）やロジットスケール（`.logit_scale`）などの特定のコンポーネントを除外した上で、一方のモデルのキーパッチを他方のモデルに選択的に適用することで、両方の元モデルの特徴を統合したハイブリッドモデルを生成します。

## 入力

| パラメーター  | データ型  | 説明                                                                                                                 |
| ------- | ----- | ------------------------------------------------------------------------------------------------------------------ |
| `clip1` | CLIP  | 統合対象となる最初の CLIP モデルです。統合処理におけるベースモデルとして機能します。                                                                      |
| `clip2` | CLIP  | 統合対象となる2番目の CLIP モデルです。指定された比率に基づき、位置IDおよびロジットスケールを除くそのキーパッチが、最初のモデルに適用されます。                                       |
| `ratio` | FLOAT | 範囲 `0.0 - 1.0` の値で、2番目のモデルから1番目のモデルへ統合される特徴の割合を決定します。比率が `1.0` の場合、2番目のモデルの特徴を完全に採用し、`0.0` の場合は1番目のモデルの特徴のみを保持します。 |

## 出力

| パラメーター | データ型 | 説明                                                    |
| ------ | ---- | ----------------------------------------------------- |
| `clip` | CLIP | 指定された比率に従って2つの入力モデルの特徴を統合した、結果として得られる統合済み CLIP モデルです。 |

## 統合メカニズムの詳細

### 統合アルゴリズム

このノードは、2つのモデルを重み付き平均により統合します：

1. **ベースモデルのクローン作成**: 最初に `clip1` をベースモデルとしてクローンします
2. **パッチの取得**: `clip2` からすべてのキーパッチを取得します
3. **特殊キーのフィルタリング**: `.position_ids` や `.logit_scale` で終わるキーはスキップします
4. **重み付き統合の適用**: 公式 `(1.0 - ratio) * clip1 + ratio * clip2` を用いて統合を行います

### `ratio` パラメーターの説明

* **`ratio = 0.0`**: `clip1` を完全に使用し、`clip2` は無視されます
* **`ratio = 0.5`**: それぞれのモデルから50%ずつ寄与します
* **`ratio = 1.0`**: `clip2` を完全に使用し、`clip1` は無視されます

## 主な使用例

1. **モデルスタイルの融合**: 異なるデータで学習された CLIP モデルの特性を組み合わせる
2. **パフォーマンス最適化**: 異なるモデルの長所と短所をバランスよく活用する
3. **実験的研究**: 異なる CLIP エンコーダーの組み合わせを探索・検証する