适用版本:qwen-image-2.1 int8 + ComfyUI 0.41.0|更新时间:2026-11
结论先行:qwen-image-2.1 的 11 号高清放大工作流,核心是「底图生成 → 潜空间 2x 放大 → 低 denoise 修细节」。先用 KSampler 20 步出 1328×1328 底图,
Qwen21LatentUpscale在潜空间直接 2x 扩展 latent,再用 KSampler 12 步 denoise 0.35 修细节,最终输出 2656×2656。放大发生在潜空间而非像素空间,语义信息不丢,修细节后真有新细节生成。12 组场景覆盖城市夜景、人像、产品、风景、室内、美食、时装、建筑、宠物、花田。合规声明:本文配图均为 AI 生成内容,演示场景为虚构画面。
一、问题现象
AI 出图分辨率受显存限制。qwen-image-2.1 int8 量化在 12G 显存上跑 1328×1328 接近上限,直接出 2656×2656 会 OOM。但 1328 的图拿去打印或做壁纸分辨率不够。
常规解决方案是像素空间放大(Lanczos、ESRGAN),本质是插值,放大后只是更平滑,没有新细节。11 号工作流用潜空间放大解决这个矛盾:在 VAE 解码之前对 latent 做 2x 扩展,再跑一遍采样补细节。

二、工作流节点拆解
整个流程分两个阶段,共 14 个节点。

阶段一:底图生成
| 节点 | class_type | 作用 |
|---|---|---|
| 1 | UNETLoader | 加载 qwen-image-2.1 DiT(int8) |
| 2 | ModelSamplingAuraFlow | shift 3.1,flow 采样配置 |
| 3 | CLIPLoader | qwen3vl_8b 编码器 |
| 4 | VAELoader | qwen VAE(bf16) |
| 5 | CLIPTextEncode | 正向提示词 |
| 6 | CLIPTextEncode | 负向提示词 |
| 7 | EmptySD3LatentImage | 1328×1328 空 latent |
| 8 | KSampler | 20 步,cfg 4.0,denoise 1.0 |
阶段二:潜空间放大 + 修细节
| 节点 | class_type | 作用 |
|---|---|---|
| 9 | Qwen21LatentUpscale | 潜空间 2x 扩展 latent |
| 10 | KSampler | 12 步,cfg 3.5,denoise 0.35,修细节 |
| 11 | VAEDecode | latent 解码为像素图 |
| 12 | VAEDeGrid | 修 VAE 网格伪影(auto, 0.02) |
| 13 | SaveImage | 保存 |
2.1 为什么在潜空间放大
Qwen21LatentUpscale 接收阶段一 KSampler 输出的 latent,在潜空间直接 2x 扩展。扩展后的 latent 维度翻倍,但语义信息保留------模型知道这里是一栋楼、那里是霓虹灯。然后第二个 KSampler 用 denoise 0.35 跑 12 步,大部分结构保留放大后的 latent,只补细节。出来的图由模型在放大后的空间里重新生成,插值放大做不到这个效果。
2.2 API 格式 JSON
json
{
"1": {"class_type": "UNETLoader", "inputs": {"unet_name": "qwen_image_2.1_int8_convrot.safetensors", "weight_dtype": "default"}},
"2": {"class_type": "ModelSamplingAuraFlow", "inputs": {"model": ["1", 0], "shift": 3.1}},
"3": {"class_type": "CLIPLoader", "inputs": {"clip_name": "qwen3vl_8b_int8_convrot.safetensors", "type": "qwen_image"}},
"4": {"class_type": "VAELoader", "inputs": {"vae_name": "qwen_image_2.1_vae_bf16.safetensors"}},
"5": {"class_type": "CLIPTextEncode", "inputs": {"clip": ["3", 0], "text": "提示词"}},
"6": {"class_type": "CLIPTextEncode", "inputs": {"clip": ["3", 0], "text": "low quality, blurry, deformed, watermark, text, oversaturated, oversharpened, plastic, waxy, artificial, noise, grain, over-smoothed, soft, out of focus"}},
"7": {"class_type": "EmptySD3LatentImage", "inputs": {"width": 1328, "height": 1328, "batch_size": 1}},
"8": {"class_type": "KSampler", "inputs": {"model": ["2", 0], "positive": ["5", 0], "negative": ["6", 0], "latent_image": ["7", 0], "seed": 3, "steps": 20, "cfg": 4.0, "sampler_name": "euler", "scheduler": "normal", "denoise": 1.0}},
"9": {"class_type": "Qwen21LatentUpscale", "inputs": {"latent": ["8", 0]}},
"10": {"class_type": "KSampler", "inputs": {"model": ["2", 0], "positive": ["5", 0], "negative": ["6", 0], "latent_image": ["9", 0], "seed": 3, "steps": 12, "cfg": 3.5, "sampler_name": "euler", "scheduler": "normal", "denoise": 0.35}},
"11": {"class_type": "VAEDecode", "inputs": {"samples": ["10", 0], "vae": ["4", 0]}},
"12": {"class_type": "VAEDeGrid", "inputs": {"image": ["11", 0], "enabled": true, "mode": "auto", "limit": 0.02, "skip_when_clean": true, "grid_gain": 1.0, "grid_view": "4x zoom"}},
"13": {"class_type": "SaveImage", "inputs": {"images": ["12", 0], "filename_prefix": "11_upscale_adj"}}
}
2.3 两个 KSampler 的参数差异
| 节点 8(底图) | 节点 10(修细节) | |
|---|---|---|
| steps | 20 | 12 |
| cfg | 4.0 | 3.5 |
| denoise | 1.0 | 0.35 |
| 输入 latent | EmptySD3LatentImage | Qwen21LatentUpscale 输出 |
| 作用 | 从噪声生成 1328×1328 | 在 2656×2656 上修细节 |
三、参数口径
| 参数 | 值 | 说明 |
|---|---|---|
| 底图 steps | 20 | 生成 1328×1328 底图 |
| 底图 cfg | 4.0 | 文生图标准值 |
| 放大倍数 | 2x | 潜空间直接 2x |
| 修细节 steps | 12 | 低 denoise 修细节 |
| 修细节 cfg | 3.5 | 比底图略低 |
| 修细节 denoise | 0.35 | 保留结构补细节的平衡点 |
| shift | 3.1 | ModelSamplingAuraFlow flow 采样 |
| VAEDeGrid | auto, 0.02 | 修 VAE 网格伪影 |
| 底图分辨率 | 1328×1328 | 12G 显存上限附近 |
| 放大后分辨率 | 2656×2656 | 2x 放大 |
| 显存 | 12G | int8 量化 |
| 耗时 | 约 120 秒/张 | 底图 30s + 放大修细节 90s(RTX 5060 Ti) |
四、12 组放大实测
每组对比图从左到右:1328×1328 底图 、2656×2656 放大图。注意放大后的细节增加来自模型重新生成,区别于插值平滑。
01 城市夜景

放大后霓虹灯牌文字纹理清晰,街面积水反光有层次感,远处建筑窗户边缘锐利。提示词:
一张16:9横幅的真实照片,蓝调时刻俯瞰未来都市天际线,摩天楼群亮起暖灯,霓虹招牌把冷蓝和暖橘交替的光洒在湿漉漉的街面上,地面积水映着天光与初亮的招牌,空气清透。远处一栋超高层建筑顶部有巨大的全息投影标志,光晕在雾气中扩散。long exposure, a few light trails from flying vehicles, clear gradient sky from deep blue to amber horizon, shot on 24mm, ultra detailed, crisp。真实照片,画面里没有文字水印。
02 咖啡店人像

放大后发丝分束感明显,毛衣绒毛纹理细腻,咖啡杯口奶泡细节可辨。提示词:
一张16:9横幅的真实照片,机位和胸口齐高平视,画框下沿切在大腿中部,她在画面偏右,左边留出咖啡店落地窗和木质卡座。一位二十出头的亚洲年轻女性,鹅蛋脸小脸,眼距略宽的清澈杏眼、双眼皮褶较窄,眉毛平直偏细,鼻梁直挺、鼻头小巧,下颌线清晰,长相很甜很出挑。她化着干净的裸妆,皮肤细腻哑光、均匀无瑕。浅棕色长卷发中分自然披散到胸口,发丝有明显的分束。她穿着一件奶白色粗针织高领毛衣,毛线纹理粗松、表面有细密的绒毛和柔和的漫反射。她右手端着一只白瓷拿铁杯,左手自然搭在膝上,头微微偏向左,视线越过镜头看向窗外。午后暖光从她左前方落地窗斜照进来,在她半张脸上拉出柔和的明暗过渡。真实照片,浅景深但背景不糊成一片,衣服上有自然的褶皱和垂坠。画面里只有她一个人,双手五指完整,没有文字水印。
03 雨夜撑伞

放大后伞面水珠颗颗分明,风衣面料光泽有质感,霓虹灯反光E层次丰富。提示词:
一张16:9横幅的真实照片,机位和胸口齐高平视,画框下沿切在大腿中部,她在画面偏右,左边是虚化的霓虹灯牌和湿漉漉的街面反光。一位二十出头的亚洲年轻女性,鹅蛋脸小脸,清澈杏眼,眉毛平直偏细,鼻梁直挺。她化着干净的裸妆,皮肤细腻哑光。浅棕色长卷发中分自然披散到胸口。她穿着一件深藏蓝色双排扣风衣,面料挺括有光泽,肩线利落。她右手撑着一把透明长柄伞,伞面上挂着密密的水珠,左手插在风衣口袋里,头微微低着看向脚前水洼。雨刚停的城市街头,地面积水映着天光与初亮的招牌。霓虹灯光从左前方把暖橘和冷蓝交替的光洒在她半边脸和伞面上。真实照片,浅景深但背景不糊成一片。画面里只有她一个人,双手五指完整,没有文字水印。
04 手表产品

放大后表盘罗马刻度锐利,金属边缘高光清晰,大理石纹理可见。提示词:
一只银色金属机械手表静置在黑色大理石台面上,表盘朝上微微倾斜,表带自然盘曲。纯黑无缝背景,表盘上的罗马数字刻度和蓝色大三针清晰可见,表壳金属边缘有锐利的高光反射。twin softbox lighting at 45 degrees, subtle rim light tracing the bezel and lugs, shot on Canon R5 with 100mm macro, ultra-crisp micro-texture, no dust, minimal luxury e-commerce aesthetic。真实照片,浅景深,表盘中心对焦清晰,表带远端柔和虚化。画面里没有文字水印。
05 银杏大道

放大后银杏叶脉络分明,大衣羊绒质感细腻,光斑层次有深度。提示词:
一张16:9横幅的真实照片,秋天银杏大道,满树金黄银杏叶,地面铺满落叶,阳光从树冠缝隙间洒下来形成斑驳光斑。一位二十出头的亚洲年轻女性穿驼色羊绒大衣,双手插在大衣口袋里,头微微仰起看向头顶银杏,嘴角带着笑意。栗色长卷发中分披散到胸口。秋日午后黄金时刻的阳光,shot on Sony A7IV with 85mm f1.4, dreamy and airy, photorealistic。真实照片,浅景深。画面里只有她一个人,没有文字水印。
06 江南水乡

放大后灯笼光影柔和,水面倒影清晰,建筑白墙纹理可见。提示词:
江南水乡黄昏,一条青石板古街沿着蜿蜒的河道延伸,河面倒映着两岸白墙黛瓦的民居和初亮的暖黄灯笼,一座单孔石拱桥横跨河面,桥上垂柳随风轻摆,远处是层叠的马头墙剪影,天空是暖橘到淡紫的渐变,几盏红灯笼在水面拉出长长的暖色倒影。soft golden hour light, misty atmosphere, shot on Fujifilm GFX100 with 110mm, serene ink-wash painting atmosphere, photorealistic
07 现代室内

放大后水泥地面颗粒感,布艺沙发纹理,抽象画笔触可辨。提示词:
一张16:9横幅的真实照片,现代极简风格客厅,大面积落地窗引入午后自然光,浅灰色微水泥地面,米白色布艺沙发配胡桃木茶几,墙上挂一幅大尺寸抽象画,角落一株龟背竹,窗台上散落几本书。warm natural light, soft shadows, shot on Sony A7IV with 24mm f2.8, architectural photography, ultra detailed, crisp。真实照片,没有文字水印。
08 美食摆盘

放大后酱汁光泽细腻,鳕鱼表面纹理,芦笋纤维可见。提示词:
一张16:9横幅的真实照片,白色陶瓷盘里一份精致摆盘的香煎银鳕鱼,淋上柠檬黄油酱汁,旁边点缀芦笋和小番茄,盘子放在深色木桌上,桌面上散落几粒海盐和一把银质餐刀。餐厅暖色灯光从左上方照下来,在酱汁表面拉出柔和的高光。shot on Canon R5 with 50mm f1.8, shallow depth of field, food photography, ultra detailed, crisp。真实照片,没有文字水印。
09 棚拍时装

放大后真丝缎面高光流畅,发丝光泽自然,皮肤质感真实。提示词:
一张16:9横幅的真实照片,机位和胸口齐高平视,一位二十五六岁的东亚年轻女性站在纯灰色无缝纸背景前。她脸型收窄的鹅蛋脸,下颌线清楚,眼睛偏细长,鼻梁窄挺,嘴唇偏薄。妆面干净高级,皮肤哑光质感真实。乌黑长直发中分垂到腰际,发丝顺滑有自然光泽。她穿着一件黑色真丝吊带长裙,缎面上有柔和的长条高光和明显的垂坠感,肩带纤细。她双手自然垂在身侧,头微偏右看镜头,表情冷淡。studio softbox lighting, shot on Hasselblad with 80mm, fashion editorial, ultra detailed, crisp。真实照片,画面里只有她一个人,双手五指完整,没有文字水印。
10 建筑外观

放大后玻璃幕墙反射清晰,弧形开窗边缘锐利,混凝土纹理可见。提示词:
一张16:9横幅的真实照片,现代建筑外观,一栋曲线流线型玻璃幕墙办公楼在蓝天下反射着周围的云朵,建筑表面有大面积的不规则弧形开窗,底部是清水混凝土基座和镜面水池倒影。上午十点的侧光在建筑表面拉出明暗对比强烈的几何光影。shot on Sony A7IV with 16mm f4, architectural photography, ultra detailed, crisp, no people。真实照片,没有文字水印。
11 橘猫窗边

放大后猫毛虎斑条纹分明,胡须根根可数,琥珀色眼睛虹膜有纹理。提示词:
一张16:9横幅的真实照片,机位与猫平齐微俯拍,一只体型匀称的橘色虎斑猫趴在木质窗台上,毛色是温暖的橘黄色配深橘色虎斑条纹,毛短而密实。大而圆的琥珀色眼睛,瞳孔微微收缩成竖椭圆,粉色的鼻头小巧湿润,白色的胡须从两颊伸出根根分明。它前爪交叠收在胸前,头微微偏向右,眼睛半眯着享受阳光。午后暖光从右后方窗户斜照进来,在猫的橘色皮毛上拉出温暖的金色高光,虎斑条纹在光下明暗分明。真实照片,浅景深。画面里没有文字水印。
12 油菜花田

放大后花瓣纹理细腻,蝴蝶翅膀脉络可见,远山层次有深度。提示词:
一张16:9横幅的真实照片,春天油菜花田,一望无际的金黄色花海延伸到远方的青山脚下,蓝天白云下一条田间土路蜿蜒穿过花海,微风让花海泛起金色的波浪,几只白蝴蝶在花丛间飞舞,远山层叠淡入晨雾。黄金时刻的阳光洒在花海上,soft warm golden light, shallow depth of field, shot on Sony A7IV with 85mm f1.4, dreamy and airy, photorealistic
五、踩坑记录
| # | 现象 | 原因(已验证) | 处理 |
|---|---|---|---|
| 1 | 放大后图和底图对不上,结构全变 | 修细节 KSampler denoise 太高(0.6+) | denoise 降到 0.35,细节不够加 steps |
| 2 | 放大后图有隐约格子纹 | VAEDeGrid 关闭 | 开启 VAEDeGrid auto 模式,limit 0.02 |
| 3 | 放大后图模糊没新细节 | 用像素空间放大替代潜空间放大 | 用 Qwen21LatentUpscale,不要用 ESRGAN 替代 |
| 4 | 底图出噪点 | ModelSamplingAuraFlow shift 未设或设错 | shift 设 3.1 |
| 5 | 修细节后图偏软 | steps 不足 8 | steps 用 12 |
| 6 | OOM | 底图分辨率设太高(直接出 2656) | 底图出 1328,放大到 2656 |
坑 1 是最大的坑。denoise 0.6 以上等于重新生成一张图,放大后的结构全变了。0.35 是保留结构和补细节的平衡点。觉得细节不够优先加 steps(12→20),不要加 denoise。
坑 3 也值得展开。像素空间放大本质是插值,快但没有新细节。潜空间放大在 VAE 解码之前对 latent 做 2x 扩展,语义信息保留,再用 12 步采样补细节。两种方法的质量差距在打印时最明显。
六、小结与复现清单
以上结论在 qwen-image-2.1 int8 + ComfyUI 0.41.0 + RTX 5060 Ti 环境下成立。
- 阶段一:KSampler 20 步出 1328×1328 底图
- 阶段二:Qwen21LatentUpscale 潜空间 2x → KSampler 12 步 denoise 0.35 修细节 → VAEDeGrid 修网格
- 参数:底图 20 步 cfg 4.0 / 修细节 12 步 cfg 3.5 denoise 0.35 / shift 3.1
- 分辨率:1328×1328 → 2656×2656
- 显存:12G(int8)
- 耗时:约 120 秒/张(RTX 5060 Ti)
- 12 组场景:城市夜景/人像/产品/风景/室内/美食/时装/建筑/宠物/花田
适用边界:本结论在上述环境下成立;其他量化档位、其他分辨率、其他模型未测试。denoise 0.35 在本模型和本分辨率下是平衡点,换模型或换分辨率需重新调参。
适用场景:打印输出(A4 尺寸 300dpi)、高分辨率壁纸、电商详情页商品图、写真放大。
如果这篇帮你跑通高清放大,欢迎点赞/收藏。