用 ComfyUI 生图，512×512 的出图拿来当头像还行，想当桌面壁纸？糊得没法看。这篇文章直接上手操作，讲清楚 三种高清放大方案的节点搭建、参数配置和适用场景——看完就能照着连节点出图。
ComfyUI 的放大方案本质上就两条路径，区别在于在哪一层做放大：
| 方案 | 放大位置 | 核心特点 | 适合场景 |
|---|---|---|---|
| 潜空间放大 | Latent 层 | 速度快、显存占用低 | 快速预览、草图迭代 |
| 像素级超分 | Image 层 | 能补全新细节 | 最终出图、壁纸级放大 |
| 二次采样精修 | Latent+Image 联合 | 质量最高、最吃显存 | 商单出图、精细修复 |
新手建议先掌握像素级超分，这是性价比最高的方案。
关键就一个节点：Latent Upscale。它直接在潜空间插值放大，不走解码-编码，所以极快。
| 参数 | 建议值 | 说明 |
|---|---|---|
| upscale_method | bilinear | 双线性插值效果最稳定 |
| width / height | 1024 / 1024 | 直接设目标尺寸 |
| crop | disabled | 保持宽高比 |
这是最常用的"高清修复"方案。原理是先用 KSampler 生成基础图，解码到像素空间后用超分模型放大，再回潜空间做轻度精修。
模型选择直接决定放大效果。以下是实测推荐：
| 模型 | 擅长风格 | 备注 |
|---|---|---|
| RealESRGAN_x4plus | 写实/摄影 | 万金油，新手首选 |
| 4x-UltraSharp | 动漫/插画 | 锐化猛，需降低精修 denoise防止过曝 |
| 4x-NMKD-Siax | 动漫线稿 | 发丝效果极佳 |
| SwinIR_4x | 建筑/工业设计 | 几何结构保持好 |
models/upscale_models/ 目录）阶段一 KSampler（基础生成）
| 参数 | 值 |
|---|---|
| steps | 20 |
| cfg | 7 |
| 采样器 | euler_ancestral |
| Empty Latent 尺寸 | 512×512 |
阶段三 KSampler（精修——这是关键！）
| 参数 | 值 | 说明 |
|---|---|---|
| steps | 5~10 | 不需要多 |
| denoise | 0.15~0.25 | ⚠️ 这是最关键参数 |
| cfg | 7 |
如果你追求极致画质（比如商单出 4K 图），在方法二的基础上加上分块处理：
关键变化是VAE 的 Tiled 版本：VAEEncodeTiled 和 VAEDecodeTiled。它们把大图切成小块分别处理，避免单张 2048×2048 直接撑爆显存。
| GPU 显存 | 能力边界 | 建议 |
|---|---|---|
| 8GB | 2x 放大 + Tiled 勉强 | 不推荐二次采样精修 |
| 12~16GB | 4x 放大全流程流畅 | 主力推荐 |
| 24GB+ | 8x 放大自由 | 可上重型模型 |
总结新手最容易踩的坑：
1. 一定要用 Tiled VAE：处理超过 1024×1024 的图时，普通 VAE Decode 会导致精度下降甚至崩溃。替换为 VAEDecodeTiled，tile_size 设 512。
2. 超分模型不是越大越好：有些标注 4x 的模型实际在 2x 放大时效果最好。先用小图测试眼睛、发丝等关键区域再决定。
3. 色彩偏移怎么办：旧版 ESRGAN 存在 gamma 偏差，放大后画面偏暗/偏亮。添加 Image Color Match 节点，以原图为参考做色彩校正。
4. 频繁切模型会卡：ComfyUI 默认卸载不活跃模型。如果反复切换超分模型，在设置中关闭 auto-unload models，或用 Model Cache 节点驻留。
5. 生成速度优化：有 TensorRT 的显卡，安装 ComfyUI-TensorRT 插件可大幅加速采样步骤，实测 12GB 显存卡 2~3 倍提速。
三种方案的实操选择很明确：
🔧 快速预览 → 潜空间放大，10秒出图
🎯 日常出图 → 像素级超分 + 低 denoise 精修，质量与速度的最佳平衡
🏆 极致画质 → 二次采样 + Tiled 分块，显存够就上
核心记住一点：denoise 参数决定一切。宁可 0.15 保守出图，也别 0.5 翻车重来。