在 AI 绘画领域，图像高清修复与超分辨率放大是最基础、最频繁的操作之一。虽然看似简单，但要让一张小图变得清晰又自然，其中仍有不少技巧。在 Stable Diffusion 中，常见的放大手段主要有三种：文生图的高清修复（Hi-res fix）、图生图的 SD 放大脚本（SD Upscale），以及后期处理的算法放大。今天我们将聚焦 ComfyUI，详细介绍其中的几种实用操作方法。
一、文生图放大
1. Latent 放大工作流
请看下方标准的文生图高清修复工作流示意图——
整个流程可拆分为四个环节：首先是常规的文生图部分（Txt2img），生成的图像会临时保存为中间图像（Save Intermediate Image），随后送入高清放大部分（Hires Fix），最后输出最终结果（Save Final Image）。
文生图部分
这部分并无特别之处：选好模型，填写正向与反向提示词，再设置采样参数即可。基本就是你日常出图的常规操作。
高清放大部分
这里有两个参数值得重点关注：一是 Latent 缩放，用于设定你希望最终放大到的目标尺寸；二是 K 采样器中的降噪数值——这才是整个流程的核心。
降噪数值直接决定第二次高清放大时的去噪强度，你可以把它理解为“重绘幅度”。数值越大，画面变化越显著；数值越小，结果越贴近原始图像。一般建议设置在 0.5 到 0.8 之间。
下面是降噪值设为 0.5 时放大的效果：
2. ESRGAN（传统模型）放大工作流
Latent 放大有一个小缺点：降噪值不易调准，一旦调偏画面可能与原图差异较大。而 ESRGAN 放大工作流则没有这个烦恼——它完全不改变原图内容，只负责提升分辨率。
不过它也有自己的问题：放大过程中显存占用较高，低显存用户可能面临爆显存风险。
目前公认放大效果最好的模型是 realESRGAN_x4plus.pth，在业内口碑颇佳。
二、图生图放大
1. 图生图放大——用 Latent 放大工作流
如果你想把已经生成的图片拿来放大，操作上会更灵活。新建一个“加载图像”节点和一个 VAE 编码节点，删掉原来的 K 采样器节点，然后按照下图所示连接节点即可。
2. 图生图放大——ESRGAN 放大工作流
这个方法更简单：直接新建一个“加载图像”节点，连接方式参考下图。
今天先介绍这两种放大方法，明天我们再聊聊另外两种实用的放大工作流。
