SD 高清修复教程 2026：新手从零开始到精通的完全实战指南

开篇介绍

Stable Diffusion（SD）高清修复（Hires. fix）是提升 AI 绘画分辨率与细节丰富度的核心技术，广泛应用于商业海报、游戏资产及艺术创作中。许多新手常面临生成图片模糊、手指崩坏或纹理缺失的痛点，而本教程将带你彻底攻克这一难关。通过本指南，你将掌握从基础参数设置到进阶控制网（ControlNet）联动的全套流程，学会如何将低分草图转化为 4K 级精修大作，真正实现从“能看”到“精通”的跨越。

前置准备

在开始实战之前，请确保你的软硬件环境已就绪，这是成功运行高清修复的基础：

1. 软件环境配置：需安装 Stable Diffusion WebUI（推荐 Automatic1111 版本）或 ComfyUI。确保显存至少为 6GB（推荐 8GB 以上），并更新至最新显卡驱动。
2. 模型资源准备：下载一个高质量的主模型（Checkpoint，如 SDXL 或 v1.5 架构模型）以及配套的放大算法模型（Upscaler，如 4x-UltraSharp 或 R-ESRGAN 4x+）。
3. 前置知识储备：理解提示词（Prompt）的基本结构，熟悉采样器（Sampler）与步数（Steps）对画质的影响，无需编程基础但需具备基本的图层概念。
4. 显存优化设置：若显存紧张，请在启动参数中添加 --medvram 或 --lowvram 以防止程序崩溃。

步骤详解

第一步：基础图像生成与参数设定

首先，我们需要生成一张构图合格但分辨率较低的底图。在文生图（txt2img）界面输入正向与反向提示词。将画面尺寸设置为较小的分辨率，例如 512x768 或 832x1216（针对 SDXL）。采样步数建议设为 20-30，采样器选择 DPM++ 2M Karras。注意：此时不要追求完美细节，重点在于构图和人物姿态的正确性。点击生成后，你将得到一张清晰但缺乏微观纹理的初始图像。

第二步：启用高清修复核心功能

在生成界面下方找到并勾选 Hires. fix 复选框，展开详细设置面板。这是本教程的核心环节。将“放大倍数”（Upscale by）设置为 2，这意味着最终输出将是原图的两倍大。在“放大算法”（Upscaler）下拉菜单中，选择之前准备好的 4x-UltraSharp 或 R-ESRGAN 4x+。关键点：切勿直接使用默认的双线性插值，否则画面会模糊不清。

第三步：重绘幅度与去噪强度调节

调整 Denoising strength（重绘幅度/去噪强度）参数，这是决定修复效果的关键。建议初始值设为 0.3 至 0.4。数值过低（<0.2）会导致细节增加不明显；数值过高（>0.5）则可能改变原图的人物特征或构图，产生“幻视”。同时，设置 Hires steps（高清修复步数）为 10-15 步即可，过多会增加计算时间且收益递减。预期结果是：人物五官变得锐利，衣物纹理清晰，且整体构图保持不变。

第四步：结合 ControlNet 进行精细化控制（可选）

对于高阶需求，可开启 ControlNet 单元以锁定线条。加载 control_v11p_sd15_canny 预处理器，上传第一步生成的底图作为参考。将控制权重设为 0.6 左右。这一步能确保在高清放大过程中，边缘线条不会发生扭曲或断裂，特别适合处理复杂的机械结构或建筑场景。执行生成后，你将获得一张既保留了原始线稿逻辑，又拥有照片级质感的成品。

进阶技巧

想要成为专业玩家，需掌握以下高效用法：
1. 二次高清修复策略：对于超大尺寸需求，不要一次性放大 4 倍。建议先放大 2 倍进行一次 Hires. fix，再将结果作为图生图（img2img）的输入，进行第二次局部重绘，这样能有效避免显存溢出和细节崩坏。
2. 局部修复神器：若高清修复后出现手部畸形，无需重做全图。使用“局部重绘”（Inpaint）功能，仅涂抹错误区域，配合较高的重绘幅度（0.6）进行针对性修正。
3. 常见报错解决：若遇到"NaN"错误或黑屏，通常是显存不足或步数设置冲突。尝试降低 Hires steps 或切换为更轻量级的放大算法如 Latent 模式先行测试。

总结与实践

回顾全文，掌握 SD 高清修复的关键在于：合理的底图生成、正确的放大算法选择、精准的重绘幅度控制以及必要的 ControlNet 辅助。建议初学者先从 0.35 的重绘幅度开始练习，观察不同参数下的细节变化。你可以尝试用同一组提示词，分别测试不同放大器的效果差异。更多深入知识，请访问 Civitai 社区查看高分辨率修复专题或查阅官方 GitHub 文档，持续迭代你的工作流。