• 版本 [version]
• 下载 168
• 文件大小 48415
• 文件计数 1
• 创建日期 2026年6月3日
• 最后更新 2026年9月20日

写实类高清放大V2丨导入图片一键生成

写实类高清放大V2丨导入图片一键生成 是一套面向高清放大场景的 ComfyUI 工作流，全图共 27 个节点、44 条连线。链路以 ImpactInt ×3、CLIPTextEncode ×2、CheckpointLoaderSimple ×2 为主干，输出图像，适合需要稳定批量出图的同学。主模型 SUPIR-v0F_fp16.safetensors。下载后直接导入即可使用，建议显存 8GB 起。

• 主模型：SUPIR-v0F_fp16.safetensors
• 核心节点：ImpactInt ×3、CLIPTextEncode ×2、CheckpointLoaderSimple ×2
• 输出形式：输出图像
• 规模：27 节点 / 44 连线
• 建议显存：8GB 起
• 适用场景：2K/4K/8K 无损放大、细节重绘与纹理修复，救回模糊与 AI 感素材。

资源头图

工作流节点图

图较大可横向滚动；点击图片查看高清矢量原图（浏览器中可自由缩放）。

使用说明

下载工作流文件后在 ComfyUI 中直接拖入画布（或菜单 Load 导入）即可运行；缺失的自定义节点用 ComfyUI Manager 一键安装，模型按文件名放入对应的 models 目录。

源码预览

{
    "id": "2ac85aed-d808-42a5-a535-bc6ee71c94f0",
    "revision": 0,
    "last_node_id": 92,
    "last_link_id": 151,
    "nodes": [
        {
            "id": 39,
            "type": "ControlNetApply",
            "pos": [
                480,
                1375
            ],
            "size": [
                341.1107177734375,
                152.02589416503906
            ],
            "flags": {
                "collapsed": false
            },
            "order": 21,
            "mode": 0,
            "inputs": [
                {
                    "label": "条件",
                    "name": "conditioning",
                    "type": "CONDITIONING",
                    "link": 78
                },
                {
                    "label": "ControlNet",
                    "name": "control_net",
                    "type": "CONTROL_NET",
                    "link": 79
                },
                {
                    "label": "图像",
                    "name": "image",
                    "type": "IMAGE",
                    "link": 80
                }
            ],
            "outputs": [
                {
                    "label": "条件",
                    "name": "CONDITIONING",
                    "shape": 3,
                    "type": "CONDITIONING",
                    "slot_index": 0,
                    "links": [
                        116
                    ]
                }
            ],
            "properties": {
                "enableTabs": false,
                "tabWidth": 65,
                "tabXOffset": 10,
                "hasSecondTab": false,
                "secondTabText": "Send Back",
                "secondTabOffset": 80,
                "secondTabWidth": 65,
                "Node name for S&R": "ControlNetApply"
            },
            "widgets_values": [
                0.35000000000000003
            ],
            "_widget_cache_map": []
        },
        {
            "id": 40,
            "type": "ControlNetLoader",
            "pos": [
                463,
                1121
            ],
            "size": [
                360.8703918457031,
                170.07579040527344
            ],
            "flags": {
                "collapsed": false
            },
            "order": 0,
            "mode": 0,
            "inputs": [],
            "outputs": [
                {
                    "label": "ControlNet",
                    "name": "CONTROL_NET",
                    "shape": 3,
                    "type": "CONTROL_NET",
                    "slot_index": 0,
                    "links": [
                        79
                    ]
                }
            ],
            "properties": {
                "enableTabs": false,
                "tabWidth": 65,
                "tabXOffset": 10,
                "hasSecondTab": false,
                "secondTabText": "Send Back",
                "secondTabOffset": 80,
                "secondTabWidth": 65,
                "Node name for S&R": "ControlNetLoader"
            },
            "widgets_values": [
                "control_v11f1e_sd15_tile"
            ],
            "_widget_cache_map": []
        },
        {
            "id": 41,
            "type": "UpscaleModelLoader",
            "pos": [
                475,
                1596
            ],
            "size": [
                351.6300354003906,
                58
            ],
            "flags": {
                "collapsed": false
            },
            "order": 1,
            "mode": 0,
            "inputs": [],
            "outputs": [
                {
                    "label": "放大模型",
                    "name": "UPSCALE_MODEL",
                    "type": "UPSCALE_MODEL",
                    "slot_
… (完整内容请下载文件查看)

代码较长，以上仅前 3800 字符 —— 点击下方按钮下载完整 JSON。