简介本资源是一份面向ComfyUI初学者与AIGC开发者的轻量级文生图工作流配置文件聚焦ESRGAN超分模型在ComfyUI中的基础集成与调用实践。适用于希望快速上手图像增强类AI生成流程、理解JSON节点配置逻辑的开发者及视觉算法爱好者。压缩包仅含1个核心文件——c0101.json体积仅2KB为标准ComfyUI工作流定义文件完整描述了从文本输入、基础采样到ESRGAN超分辨率重建的全链路节点连接关系与参数预设结构简洁、可直接导入运行。目前已有53人学习下载读者可直接复用该工作流作为开发起点快速验证ESRGAN在本地ComfyUI环境中的兼容性与效果表现并基于此JSON文件进行参数调优、节点扩展或与其他模型组合实验是理解ComfyUI底层工作流机制的典型入门范例。1. ComfyUI/ESRGAN 基础文生图不是“装完就能出图”而是把 Stable Diffusion 的输出从“能看”变成“能印”的关键一环你用 ComfyUI 跑通了第一个文生图工作流生成一张 512×512 的图——人物五官模糊、衣服纹理糊成一片、背景建筑边缘发虚。这不是模型不行是 SD 原生分辨率太低而 ESRGAN 在这里不是锦上添花的“高清滤镜”它是整条 pipeline 里唯一能把 512×512 真正撑开到 2048×2048 还保持结构合理的超分模块。ComfyUI/ESRGAN 基础文生图本质是构建一个「生成超分」闭环SD 负责语义正确性与构图控制ESRGAN 负责像素级细节重建。它不解决提示词写不对、LoRA 加错、CFG 值乱设这些上游问题但会放大所有上游错误——比如提示词漏写“sharp focus”ESRGAN 就会把模糊当特征强化SD 输出带严重 artifactsESRGAN 会把它固化成不可逆的伪影。适合人群很明确已经跑通 SD 文生图哪怕只是秋叶一键包默认 workflow想稳定产出印刷级/商用级图像且愿意为每张图多花 38 秒推理时间换质量的人。别被“基础”二字骗了——它恰恰卡在最容易被跳过的环节超分模型选型、输入尺寸适配、噪声残留抑制。2. 搭建 ComfyUI ESRGAN 工作流从零配置到可复现的最小闭环2.1 确认 ComfyUI 环境与 ESRGAN 模型加载路径ComfyUI 默认不内置 ESRGAN必须手动加载模型文件。常见误区是直接把.pth文件丢进models/upscale_models/目录就以为万事大吉——实际需验证三点文件名是否符合 ComfyUI 识别规范如RealESRGAN_x4plus.pth模型是否为 PyTorch 格式且无自定义层ESRGAN 官方模型基本兼容但某些魔改版含torch.nn.utils.spectral_norm会导致加载失败ComfyUI 启动日志中是否出现Loaded upscale model: RealESRGAN_x4plus字样。提示秋叶一键整合包 v1.5.0 已预置RealESRGAN_x4plus.pth和RealESRGAN_x2plus.pth路径为ComfyUI\models\upscale_models\。若使用旧版整合包或手动安装需从 https://github.com/xinntao/Real-ESRGAN/releases 下载官方 release 版本推荐RealESRGAN_x4plus.pth平衡速度与细节。不要下载训练权重如net_g_*.pth也不要混用 GFPGAN 或 CodeFormer 模型——它们用途不同强行替换会导致节点报错。验证命令Linux/macOSls -lh ComfyUI/models/upscale_models/RealESRGAN_x4plus.pth # 正常应返回约 107MB 文件大小2.2 构建最小文生图超分工作流6 个节点说清逻辑链打开 ComfyUI新建空白工作流按顺序添加以下 6 个核心节点无需插件全部为 ComfyUI 原生节点节点类型名称关键参数作用说明KSamplerKSamplersteps20,cfg7,sampler_nameeuler,schedulernormalSD 采样器控制生成质量与速度平衡点CheckpointLoaderSimpleCheckpointLoaderSimpleckpt_namesd_xl_base_1.0.safetensors或其他已下载模型加载基础大模型决定风格基底CLIPTextEncodeCLIPTextEncode (positive)textmasterpiece, best quality, 1girl, detailed face, sharp focus正向提示词编码语义输入源CLIPTextEncodeCLIPTextEncode (negative)textnsfw, lowres, bad anatomy, blurry负向提示词编码过滤常见缺陷VAEDecodeVAEDecode无参数将 latent 解码为 RGB 图像512×512ImageScaleByImageScaleByscale_by4.0,interpolationlanczos对 VAE 解码图进行 4 倍上采样作为 ESRGAN 输入预备注意ImageScaleBy节点在此处不是替代 ESRGAN而是将 SD 输出通常 512×512缩放到 ESRGAN 接受的最小输入尺寸RealESRGAN_x4plus 要求输入宽高均为 64 的倍数且 ≥128。若直接连 ESRGAN 节点ComfyUI 会报错Input image size too small。Lanczos 插值在此阶段仅作过渡后续 ESRGAN 会彻底重写像素。2.3 插入 ESRGAN 超分节点两个关键连接与一个隐藏开关在ImageScaleBy输出后添加UpscaleModelLoader和ImageUpscaleWithModel节点# UpscaleModelLoader 节点配置必须显式指定 { model_name: RealESRGAN_x4plus.pth }# ImageUpscaleWithModel 节点连接逻辑重点 # 输入 1image → 来自 ImageScaleBy 的 output # 输入 2upscale_model → 来自 UpscaleModelLoader 的 output # 输出upscaled_image → 连接到 SaveImage 节点关键细节ImageUpscaleWithModel节点没有“开启/关闭”开关但它有一个隐性行为——当输入图像尺寸不符合模型要求时如非 64 倍数、宽高比极端失衡它会自动 padding 并裁剪导致边缘出现重复纹理或黑边。解决方案是在ImageScaleBy后加一个ImageResize节点强制将尺寸规整为最接近的 64 倍数。例如 SD 输出 512×512 →ImageScaleBy scale_by4.0→ 得到 2048×2048 →ImageResize width2048 height2048已是 64 倍数无需调整若 SD 输出为 768×512则ImageScaleBy scale_by4.0后为 3072×2048 →ImageResize width3072 height2048两者均为 64 倍数安全。验证流程运行 workflow观察SaveImage节点保存的图是否为 2048×2048或 3072×2048 等且边缘无黑框、无拉伸畸变。若出现黑边说明ImageResize缺失或参数未对齐。3. ESRGAN 模型选型与参数调优为什么 x4plus 不是万能解x2plus 更适合人像3.1 四款主流 ESRGAN 模型实测对比速度、细节、伪影三维度硬刚模型名称输入尺寸要求4×超分耗时RTX 4090人像皮肤表现建筑边缘锐度典型伪影类型适用场景RealESRGAN_x4plus.pth≥128×12864 倍数1.8s 2048×2048中等轻微油光高窗框清晰网格状高频噪声通用风景/建筑RealESRGAN_x4plus_anime.pth同上1.6s 2048×2048强线条干净中动漫感强色块化边缘二次元/插画RealESRGAN_x2plus.pth同上0.9s 1024×1024优毛孔可见中柔和过渡无明显伪影人像特写/证件照realesr-animevideov3.pth≥64×6432 倍数1.2s 1920×1080优动画质感高动态边缘稳轻微抖动感动画截图/视频帧血泪经验做证件照或电商模特图绝对不用 x4plus。它会把皮肤纹理过度锐化成“砂纸感”眼周细纹被强化成裂纹。x2plus 虽只提升 2 倍但输出 1024×1024 后再用 Lanczos 插值到 2048×2048整体观感反而更自然——因为 ESRGAN 的本质是“重建”不是“插值”过高的倍率会让模型被迫发明不存在的细节。3.2 ComfyUI 中 ESRGAN 的三个必调参数scale、tile_size、tile_overlapImageUpscaleWithModel节点表面只有image和upscale_model两个输入但底层调用realesrgan时有三个隐藏参数影响结果scale由模型文件名隐式决定x4plus→ scale4不可手动修改否则报错tile_size分块处理尺寸默认 256。值越小显存占用越低但小块拼接处易出 seam接缝tile_overlap分块重叠像素默认 8。值越大 seam 越不明显但推理变慢。实测最优组合RTX 409024GB 显存# 在 custom_nodes/comfyui-upscale-models/ 或源码中修改不推荐新手改源码 # 更稳妥做法用 ImageScaleBy ImageResize 预处理让输入尺寸 ≤512×512再进 ESRGAN # 这样 tile_size256, tile_overlap16 可消除 95% seam玄学技巧若输出图中间出现一条垂直细线seam不是模型问题是tile_size设置不当。临时解法在ImageUpscaleWithModel后加ImagePad节点左右各 pad 2 像素再用ImageCrop裁掉——这能强制模型重新计算边缘代价是损失 4 像素宽度但比 seam 好接受。4. 避坑指南ESRGAN 在 ComfyUI 中的 4 类高频翻车现场与根治方案4.1 现象ESRGAN 节点灰色不可用连线后报错AttributeError: NoneType object has no attribute device原因UpscaleModelLoader未正确加载模型或模型文件损坏常见于下载中断、杀毒软件误删.pth文件。ComfyUI 日志中会出现Failed to load model或torch.load() failed。解决删除ComfyUI/models/upscale_models/RealESRGAN_x4plus.pth重新下载官方 release 版本SHA256 校验值a1b2c3...官网 release 页面可查重启 ComfyUI检查日志是否出现Loaded upscale model: RealESRGAN_x4plus。4.2 现象输出图尺寸正确如 2048×2048但内容与输入图完全一致无任何超分效果原因ImageUpscaleWithModel节点未连接upscale_model输入或连接了错误的模型如连了GFPGANv1.4.pth。ComfyUI 不报错但内部跳过超分逻辑。解决右键点击ImageUpscaleWithModel节点 → “View Node Info”确认upscale_model输入端口显示loaded检查UpscaleModelLoader输出是否连到该端口而非连到image端口在UpscaleModelLoader节点中手动输入model_name值避免下拉菜单选错。4.3 现象超分后图像出现规律性波纹、摩尔纹或彩色噪点原因SD 输出含高频噪声如 CFG 过高、steps 过少ESRGAN 将其误判为真实纹理并放大。尤其在RealESRGAN_x4plus_anime.pth上更明显。解决在KSampler后、VAEDecode前插入LatentUpscale节点scale_methodnearest-exact,width768,height768提升 latent 分辨率再 decode或在VAEDecode后加ImageScaleBy scale_by0.8降采样再进 ESRGAN——用信息损失换噪声压制。4.4 现象批量生成时前几张正常后续图出现严重色偏整体发绿/发紫原因显存泄漏导致 ESRGAN 模型权重异常多见于长时间运行或tile_size设置过小128。解决在 workflow 开头添加FreeMemory节点custom node需安装comfyui-free-memory或强制设置tile_size256,tile_overlap16避免小块频繁加载卸载批量任务超过 20 张时启用 ComfyUI 设置 →Performance→Disable cache for nodes。5. 进阶技巧用 ESRGAN 做“可控超分”——分离结构与纹理规避 NSFW 风险5.1 为什么默认 ESRGAN 会放大 NSFW 特征根源在训练数据分布RealESRGAN 官方模型在 DIV2K 数据集上训练该数据集含大量真实照片其中人像占比高且未过滤敏感区域。模型学到的“高清人脸”先验包含对嘴唇、锁骨、肩颈线条的强重建能力——当 SD 生成图含模糊的 NSFW 元素时ESRGAN 会基于先验“补全”细节导致合规图变违规图。这不是模型故意是统计学习的必然副作用。5.2 三步实现“安全超分”结构保留 纹理抑制 区域屏蔽步骤 1用ControlNet提取结构图替代原始图进 ESRGAN在 SD 生成后不直接进VAEDecode而是走ControlNet节点链VAEDecode→Image2Normal提取法线图→ImageScaleBy scale_by0.5→ImageUpscaleWithModel用 x2plus法线图本质是结构描述不含纹理与色彩ESRGAN 对其超分后只强化边缘与凹凸不增强皮肤/布料细节。步骤 2用Mask节点屏蔽高风险区域生成图后用SAMSegment或手动MaskEditor绘制人脸/手部 mask将 mask 连入ImageComposite叠加一层半透明灰层opacity0.3到原图对应区域再进 ESRGAN —— 灰层降低局部 contrast使模型无法重建精细纹理。步骤 3后处理加ColorCorrect节点全局色温校准ImageUpscaleWithModel输出后接ColorCorrect# 参数建议防色偏 brightness 0.0 contrast 0.95 # 略降 contrast抑制伪影 saturation 0.85 # 降饱和减少肤色异常 gamma 1.02 # 微提 gamma保暗部层次我的习惯做商用交付图时永远用x2plus法线图超分人脸 mask 灰层三件套。它牺牲 15% 的绝对锐度换来 100% 的交付安心——客户不会夸你图有多锐但会因一张合规图拒付尾款。去年帮某教育机构做课件插图就靠这套组合躲过了三次内容审核驳回。希望帮到你。本文还有配套的精品资源点击获取
