← 回首页

SDXL 写真文生图:832×1216 起步 + 二次放大

SDXL 直接出大尺寸图会出问题:脸糊、比例崩、细节重复。 稳妥的做法是两步走 —— 先在模型的原生分辨率出图, 再放大并低幅度重绘一次。只要 9 个节点,效果比硬拉大尺寸好得多。

一、为什么要两步

SDXL 训练时的分辨率档位是 1024 级别,对应竖幅就是 832 × 1216。 在这个尺寸下模型最"熟",结构最稳。想要更大的成品,就在这个基础上放大 —— 放大后轻微重绘可以把插值带来的模糊补回来。

二、节点链路

CheckpointLoaderSimple(SDXL 1.0)
        ↓
CLIPTextEncode(正/负) ──→ KSampler(第 1 次:28 步,denoise 1.0)
        ↓
EmptyLatentImage(832×1216) ──┘
        ↓
LatentUpscale(bicubic → 1248×1824,crop = disabled)
        ↓
KSampler(第 2 次:18 步,denoise 0.45,同 seed)
        ↓
SaveImage

三、两次采样参数对照

参数第一次(出图)第二次(放大重绘)
分辨率832 × 12161248 × 1824
步数2818
CFG6.06.0
denoise1.00.45
seed1234512345(保持一致)
采样器euler / normaleuler / normal
放大方式LatentUpscale · bicubic · crop disabled
denoise 是这套方法的核心。0.45 意味着"只改四成" —— 修掉放大带来的软和糊,但不会重画构图。调高到 0.6 以上,脸就开始变了。

四、提示词

正向(朴实但有效,重点是光线与质感词):

professional portrait photo of a beautiful Chinese woman,
soft studio lighting, clean background, high detail, 8k, photorealistic

负向(只拦最常见的问题,不堆词):

blurry, low quality, deformed, extra fingers

经验:负向提示词里放手指、变形这两个词收益最大, 其它越加越容易互相干扰。

五、效果与注意点

六、产出示例

SDXL 写真产出示例
832×1216 → 1248×1824 · 本文工作流原始产出

← 上一篇:FaceID 人像一致性 · 下一篇:电商产品图 →