ComfyUI 圖片放大教學：最佳模型、設定與 VRAM 不足解決方案

什麼是 AI Upscaling？

AI upscaling 使用經過訓練的神經網路來提高圖片解析度，同時智慧地重建細節。與傳統的內插法（只是把像素放大變模糊）不同，AI upscaler 可以生成逼真的材質、銳化邊緣，並補充原圖中沒有的細節。

這在 ComfyUI 中生成圖片後特別有用 — SD1.5 等模型預設產出 512×512 的圖片，透過 upscaling 可以將它們提升到印刷品質的解析度。

快速設定

1. 下載 Upscale Model

前往 OpenModelDB 瀏覽 upscaling 模型。推薦通用型選擇 4x-RealESRGAN。

2. 安裝模型

將下載的模型檔案放入：

ComfyUI/models/upscale_models/

3. 建立工作流程

核心的 upscaling 流程使用兩個專門節點，加上標準的輸入輸出節點：

1. Load Image — 你的輸入圖片（或從生成工作流程連接）
2. Load Upscale Model — 選擇已下載的模型
3. Upscale Image (Using Model) — 連接模型和圖片輸入
4. Save Image — 檢視並儲存結果

完整流程：Load Image → Upscale Image (Using Model) ← Load Upscale Model，然後 → Save Image。

推薦模型

不同的 upscaler 擅長不同的任務：

大多數模型提供 2x 或 4x upscaling。4x 模型可將 512×512 的圖片放大為 2048×2048。

結合生成工作流程

最實用的方式是在 text-to-image 或 image-to-image 生成後接續 upscaling：

Text Prompt → KSampler → VAE Decode → Upscale Image → Save Image

這讓你能以模型原生解析度生成（速度快），再透過 upscale 輸出最終成品（高品質）。

實用技巧

• 先生成再 upscale，不要反過來 — 直接以較高解析度生成要慢得多，而且效果往往不如先生成小圖再 upscale
• 4x 模型通常就夠了 — 超過 4x 很少能增加有意義的細節
• 多次處理 — 若需要極大倍率的放大，可以串聯兩個 2x 模型，而非使用一個 4x

處理 VRAM 限制

放大大尺寸圖片可能佔用大量 GPU 記憶體。如果遇到記憶體不足的錯誤：

• 使用 --lowvram flag 啟動 ComfyUI 以減少記憶體使用量
• 先縮小再放大 — 使用 2x 模型而非 4x，或在 upscale 前先縮小輸入圖片
• Tiled upscaling — 部分社群自訂節點（如 ComfyUI-TiledKSampler）會將圖片分割成小塊，分別 upscale 後再拼接。這能大幅降低 VRAM 峰值使用量
• 多次處理法 — 串聯兩次 2x upscale 取代一次 4x，以降低每步的記憶體需求

下一步

• Text to Image — 生成圖片以供放大
• Image to Image — 放大前先進行精修
• LoRA Guide — 為生成的圖片增添風格變化