从概念到现实：掌握渐进式去噪与超分辨率技术
使用我们的工作流解锁高保真图像生成，结合FP8低精度模型、双阶段KSampler与混合放大技术，实现惊艳效果并减少AI伪影。立即学习！
工作流概览
使用我们的工作流解锁高保真图像生成，结合FP8低精度模型、双阶段KSampler与混合放大技术，实现惊艳效果并减少AI伪影。立即学习！
内容类型: Workflow
主要用途: Download
所需模型
- Lora
所需节点
- Upscaler
配置说明
- 打开工作流模板前，请先安装所需模型。
1. 工作流概述
作用：该工作流旨在生成高精度、低“AI感”的图像，通过多阶段采样、超分辨率放大和渐进式去噪技术，显著提升细节真实感。
核心技术：
FP8低精度模型：使用
绪儿 一青十色FLUX_FB8V1.safetensors（FP8 E4M3格式），减少显存占用同时保持质量。双阶段KSampler：首阶段生成基础图像，次阶段通过渐进式去噪（
Gradually Adding More Denoise）优化细节。超分辨率融合：结合
RealESRGAN和潜在空间放大（LatentUpscaleBy），避免传统放大导致的模糊问题。
2. 核心模型与组件
模型/组件 | 功能 | 安装方式 |
|---|---|---|
| 低显存高精度图像生成 | 需手动下载，放置到 |
| 双CLIP文本编码器，增强提示词解析 | 从HuggingFace下载对应safetensors文件 |
| 4倍超分辨率放大 | 通过 |
关键自定义节点 | ||
| 渐进式去噪，减少生硬AI痕迹 | 需安装 |
| 图像对比工具，用于效果验证 | 通过ComfyUI Manager安装 |
3. 工作流结构
Group 1: 模型加载与文本编码
输入：
正面提示词（如
dragon girl, long blue hair...）负面提示词（留空，由CLIP自动处理）
输出：文本条件编码（CONDITIONING）
关键节点：
DualCLIPLoader：加载双CLIP模型提升语义理解。LoraLoaderModelOnly：加载LoRA模型熬润.safetensors（权重0.7），微调风格。
Group 2: 基础图像生成
输入：分辨率
768x1152，种子值randomize，采样器DEIS。输出：初始潜在空间数据（LATENT）
关键节点：
KSampler (Efficient)：首阶段生成，CFG=0.95，去噪强度0.6。VAEDecode：解码为初始图像供预览。
Group 3: 超分辨率与渐进优化
输入：初始图像 + RealESRGAN模型
输出：高清图像（4倍放大）
关键步骤：
ImageUpscaleWithModel：使用RealESRGAN放大像素图像。VAEEncodeTiled：将放大后图像重新编码为潜在空间。LatentUpscaleBy：潜在空间二次放大（nearest-exact模式）。渐进式KSampler：二次采样时逐步降低去噪强度（0.4→0.35），细化细节。
Group 4: 结果对比
工具：
Image Comparer滑动对比优化前后效果。
4. 输入与输出
输入参数：
必填：正面提示词、分辨率（建议
768x1152）。可选：种子值（默认随机）、LoRA权重（默认0.7）。
输出结果：
最终图像（PNG格式，含元数据）。
中间对比图（通过
Image Comparer生成）。
5. 注意事项
显存需求：
FP8模型需≥10GB显存（推荐NVIDIA 30/40系列显卡）。
模型兼容性：
FLUX_FB8V1仅支持FP8精度，需禁用xformers避免冲突。
常见错误：
若出现
CLIP编码失败，检查t5xxl_fp8模型路径是否正确。
优化建议：
使用
Tiled VAE插件可进一步降低显存占用。