ComfyUI 超分辨率实战把 1080p 底图一路放大到 8K 的完整放大链路【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI读完这篇你可以用 ComfyUI 超分辨率节点把一张 1080p 底图做成 4K/8K 图像生成成品并且知道显存不够时该调哪个参数。全程只用内置节点不需要装任何第三方插件。上图是标准采样管线的出图流程放大链路就从保存图像之后接手你手里有一张 1080p 底图接下来要做的就是把它逐级推高到 8K。完整放大链路从底图到 8K 成品逐节点走一遍先看整条链路长什么样逐个节点说清楚ImageUpscale纯插值放大不调模型、不吃显存。支持 5 种算法nearest-exact、bilinear、area、bicubic、bislerp定义在 nodes.py 里。常规放大选bicubic最稳nearest-exact适合像素风放大后边缘生硬。UpscaleModelLoader从models/upscale_models/目录选模型加载只认.pt格式文件。把模型放进这个目录下拉框里就能选到它。ImageUpscaleWithModel用加载好的 AI 模型执行放大内部自动做分块推理下面单独讲。Latent Upscale在潜空间放大分辨率通常接回采样器补一轮细节是多级放大的关键一环。 一个小技巧底图如果边缘偏软放大前先过一遍 Detailer 强化边缘AI 放大出来的纹理会更干净。ComfyUI 放大模型选型清单照片和动漫别混用不同画风用同一个放大模型结果往往对了一半。按素材类型选素材类型推荐模型特点写实照片、风景Real-ESRGAN_x4plus纹理增强强边缘锐利动漫、线条类素材RealESRGAN_x4plus_anime_6B保线条效果好不糊掉描边低显存 / 轻量需求ESRGAN_SRx4_DF2KOST_official模型小4x 放大够用三个使用要点模型放对地方文件放进models/upscale_models/扩展名.pt。目录配置见 folder_paths.py。优先 FP16文件名带*_fp16.pt的模型精度相同但显存占用更小8K 工作流优先选它。anime 模型对线条类素材效果更好动漫、插画、线稿用它拿它放写实照片容易把皮肤磨皮。分块推理参数怎么调8K 显存优化关键分块推理相当于把大图裁成小格逐格处理避免一次性撑爆显存。ImageUpscaleWithModel内部就是这样干的核心逻辑在 comfy_extras/nodes_upscale_model.pytile 512 overlap 32 while oom: try: s comfy.utils.tiled_scale(in_img, model_fn, tile_xtile, tile_ytile, overlapoverlap) oom False except OOM: tile // 2 # 显存不足自动减半低于 128 才会抛错两个参数值得记一下参数默认值什么时候动它tile512报 OOM 时自动减半512→256→128不用你手动改overlap32分块重叠区保证格与格之间过渡自然一般保持默认所以显存不够这件事在 ComfyUI 里大多是自动兜底的先自动减 tile你只需要把 FP16 模型换上、或者拆成多级放大。多级放大策略AI 放大 Latent Upscale 的两步走1080p 直接 4x 到 8K模型很容易脑补出假细节。更稳的做法是拆开走第一步Real-ESRGAN 类模型 2x负责把结构放对。第二步Latent Upscale 2x 后进采样器补一轮负责把细节填真。如果中间结果有瑕疵回到第一步换模型重跑不用整条链路重来。这里有个坑别图省事直接scale_by4一步到位。分两次放大每一步模型只处理 2x 的任务质量明显更稳。8K 工作流性能参考RTX 4090 实测数据用上面AI 2x Latent 2x的组合在 RTX 4090 上出一张 7680×4320 的 8K 图指标数据输出分辨率7680×4320硬件RTX 4090总耗时约 3 分 20 秒峰值显存18.7GB分块数量36 块512×512质量随阶段的变化大致是这样处理阶段分辨率观感原始输出1080p基础细节远景偏糊AI 放大后4K纹理增强边缘锐利最终输出8K细节保留噪点被压住显存紧张的老机器参考4K 成品大约是这个耗时的 1/3 不到8K 才真正把显存逼到极限。放大翻车的三种情况排查OOM、加载失败、输出发糊情况一CUDA out of memory先确认自动减半有没有生效日志里 tile 从 512 掉到 256 甚至 128换*_fp16.pt模型把一次 4x 拆成两次 2x还不行就用 ComfyUI 显存优化老办法降低其他节点精度、关闭不用的大模型。情况二模型加载失败加载逻辑在 comfy_extras/nodes_upscale_model.py它会校验 state_dict 并拒绝非单图像模型。按顺序查文件是否完整大小和官方发布一致文件名有没有带_fp16这类特殊标识导致下载器改过名文件是不是真在models/upscale_models/里、扩展名是不是.pt。情况三输出发糊或塑料感换匹配画风的模型见上面的选型清单放大前先用 Detailer 过一遍边缘先 Latent Upscale 提潜空间分辨率再进 AI 放大。进阶玩法视频超分辨率 4K 升级静态图跑通后视频只是多了一层帧循环。思路视频相关节点在 comfy_extras/nodes_video.py 里。⚠️ 一个容易忽略的点同一段视频里相邻帧高度相似放大前启用帧缓存可以避免重复计算长视频尤其明显。另外视频超分是 8K 图像那套分块逻辑的按帧播放版tile512 / overlap32的参数经验直接沿用。资源清单模型、脚本与进阶节点模型目录models/upscale_models/预训练模型需要自己放进去。API 示例script_examples/下有 WebSocket 调用样例可以把放大链路塞进自动化流程。进阶节点想看 Stable Diffusion 专用的放大节点研究 comfy_extras/nodes_sdupscale.py它能带文本提示词引导放大控制力比纯超分模型更细。插值/潜空间放大nodes.py里的ImageUpscale、LatentUpscale见 nodes.py轻量场景不加载模型也能用。最后回顾一下核心链路插值预放大 → AI 分块放大 → 潜空间二次放大三步走完1080p 到 8K 的路就通了。显存不够时先想拆步骤再想减 tile最后才动模型精度。【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/8/28 10:49:33 · 阅读 1.2k ComfyUI 超分辨率实战：把 1080p 底图一路放大到 8K 的完整放大链路
ComfyUI 超分辨率实战把 1080p 底图一路放大到 8K 的完整放大链路【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI读完这篇你可以用 ComfyUI 超分辨率节点把一张 1080p 底图做成 4K/8K 图像生成成品并且知道显存不够时该调哪个参数。全程只用内置节点不需要装任何第三方插件。上图是标准采样管线的出图流程放大链路就从保存图像之后接手你手里有一张 1080p 底图接下来要做的就是把它逐级推高到 8K。完整放大链路从底图到 8K 成品逐节点走一遍先看整条链路长什么样逐个节点说清楚ImageUpscale纯插值放大不调模型、不吃显存。支持 5 种算法nearest-exact、bilinear、area、bicubic、bislerp定义在 nodes.py 里。常规放大选bicubic最稳nearest-exact适合像素风放大后边缘生硬。UpscaleModelLoader从models/upscale_models/目录选模型加载只认.pt格式文件。把模型放进这个目录下拉框里就能选到它。ImageUpscaleWithModel用加载好的 AI 模型执行放大内部自动做分块推理下面单独讲。Latent Upscale在潜空间放大分辨率通常接回采样器补一轮细节是多级放大的关键一环。 一个小技巧底图如果边缘偏软放大前先过一遍 Detailer 强化边缘AI 放大出来的纹理会更干净。ComfyUI 放大模型选型清单照片和动漫别混用不同画风用同一个放大模型结果往往对了一半。按素材类型选素材类型推荐模型特点写实照片、风景Real-ESRGAN_x4plus纹理增强强边缘锐利动漫、线条类素材RealESRGAN_x4plus_anime_6B保线条效果好不糊掉描边低显存 / 轻量需求ESRGAN_SRx4_DF2KOST_official模型小4x 放大够用三个使用要点模型放对地方文件放进models/upscale_models/扩展名.pt。目录配置见 folder_paths.py。优先 FP16文件名带*_fp16.pt的模型精度相同但显存占用更小8K 工作流优先选它。anime 模型对线条类素材效果更好动漫、插画、线稿用它拿它放写实照片容易把皮肤磨皮。分块推理参数怎么调8K 显存优化关键分块推理相当于把大图裁成小格逐格处理避免一次性撑爆显存。ImageUpscaleWithModel内部就是这样干的核心逻辑在 comfy_extras/nodes_upscale_model.pytile 512 overlap 32 while oom: try: s comfy.utils.tiled_scale(in_img, model_fn, tile_xtile, tile_ytile, overlapoverlap) oom False except OOM: tile // 2 # 显存不足自动减半低于 128 才会抛错两个参数值得记一下参数默认值什么时候动它tile512报 OOM 时自动减半512→256→128不用你手动改overlap32分块重叠区保证格与格之间过渡自然一般保持默认所以显存不够这件事在 ComfyUI 里大多是自动兜底的先自动减 tile你只需要把 FP16 模型换上、或者拆成多级放大。多级放大策略AI 放大 Latent Upscale 的两步走1080p 直接 4x 到 8K模型很容易脑补出假细节。更稳的做法是拆开走第一步Real-ESRGAN 类模型 2x负责把结构放对。第二步Latent Upscale 2x 后进采样器补一轮负责把细节填真。如果中间结果有瑕疵回到第一步换模型重跑不用整条链路重来。这里有个坑别图省事直接scale_by4一步到位。分两次放大每一步模型只处理 2x 的任务质量明显更稳。8K 工作流性能参考RTX 4090 实测数据用上面AI 2x Latent 2x的组合在 RTX 4090 上出一张 7680×4320 的 8K 图指标数据输出分辨率7680×4320硬件RTX 4090总耗时约 3 分 20 秒峰值显存18.7GB分块数量36 块512×512质量随阶段的变化大致是这样处理阶段分辨率观感原始输出1080p基础细节远景偏糊AI 放大后4K纹理增强边缘锐利最终输出8K细节保留噪点被压住显存紧张的老机器参考4K 成品大约是这个耗时的 1/3 不到8K 才真正把显存逼到极限。放大翻车的三种情况排查OOM、加载失败、输出发糊情况一CUDA out of memory先确认自动减半有没有生效日志里 tile 从 512 掉到 256 甚至 128换*_fp16.pt模型把一次 4x 拆成两次 2x还不行就用 ComfyUI 显存优化老办法降低其他节点精度、关闭不用的大模型。情况二模型加载失败加载逻辑在 comfy_extras/nodes_upscale_model.py它会校验 state_dict 并拒绝非单图像模型。按顺序查文件是否完整大小和官方发布一致文件名有没有带_fp16这类特殊标识导致下载器改过名文件是不是真在models/upscale_models/里、扩展名是不是.pt。情况三输出发糊或塑料感换匹配画风的模型见上面的选型清单放大前先用 Detailer 过一遍边缘先 Latent Upscale 提潜空间分辨率再进 AI 放大。进阶玩法视频超分辨率 4K 升级静态图跑通后视频只是多了一层帧循环。思路视频相关节点在 comfy_extras/nodes_video.py 里。⚠️ 一个容易忽略的点同一段视频里相邻帧高度相似放大前启用帧缓存可以避免重复计算长视频尤其明显。另外视频超分是 8K 图像那套分块逻辑的按帧播放版tile512 / overlap32的参数经验直接沿用。资源清单模型、脚本与进阶节点模型目录models/upscale_models/预训练模型需要自己放进去。API 示例script_examples/下有 WebSocket 调用样例可以把放大链路塞进自动化流程。进阶节点想看 Stable Diffusion 专用的放大节点研究 comfy_extras/nodes_sdupscale.py它能带文本提示词引导放大控制力比纯超分模型更细。插值/潜空间放大nodes.py里的ImageUpscale、LatentUpscale见 nodes.py轻量场景不加载模型也能用。最后回顾一下核心链路插值预放大 → AI 分块放大 → 潜空间二次放大三步走完1080p 到 8K 的路就通了。显存不够时先想拆步骤再想减 tile最后才动模型精度。【免费下载链接】ComfyUIThe most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考