本文详细讲解了 Stable Diffusion 文生图中生成高分辨率图片的方法。主要介绍了普通模型与 SDXL 模型的分辨率限制，解释了直接修改宽高导致畸变的原因。重点阐述了 Hires. fix 功能的原理与操作流程，包括 Upscaler 放大算法的选择（如 ESRGAN、Latent 等）、Denoising strength 重绘幅度的影响、以及 Hires steps 的设置技巧。同时提供了显存优化策略、ControlNet Tile 替代方案及常见问题解决方案，帮助用户在有限硬件条件下获得高质量大图。
在使用 Stable Diffusion（SD）进行文生图时，目前主流的大模型主要分为两类：普通模型和 SDXL 模型。
普通模型通常基于 SD 1.5 或 SD 2.0 作为底模开发，是目前使用最广泛的模型类型。这类模型的基础训练分辨率通常为 512 x 512 像素。虽然部分模型支持 768 x 512 等变体，但核心逻辑仍受限于原始训练尺寸。
如果用户直接修改文生图的 width 和 height 参数来增加图片分辨率，生成的效果往往不佳。常见的问题包括画面结构混乱、出现多头或多肢体、细节模糊等。这是因为 AI 在生成图像时是基于特定的潜在空间分布训练的，当画布突然变大，AI 需要填充更多的像素点，超出了其原本擅长的尺寸范围，导致不合理叠加和语义错误。
为了解决 低分辨率生成后直接放大的问题，SD WebUI 提供了 Hires. fix（高清修复）功能。该功能的核心流程是：
这种分步处理方式能有效保证画面的连贯性和清晰度。
| 原图分辨率 | 高清修复后分辨率 |
|---|---|
| 768 x 512 | 1536 x 1024 |
左图为原始生成结果，右图启用了 Hires. fix 并将放大倍数设为 2 倍。可以看到右侧图像细节更加丰富，线条更清晰。
需要注意的是，启用 Hires. fix 会显著增加显存占用和出图时间。对于配置较低的电脑，建议放大倍数不超过 2 倍，否则可能导致显存溢出（OOM）。
首先输入正向提示词和反向提示词。以下是一个示例咒语，包含质量修饰词、主体描述及 LoRA 引用：
(best quality, masterpiece, perfect face, beautiful and aesthetic:1.2, colorful, dynamic angle), handsome beautiful woman humanoid woman robot part metal wires with wavy short dark hair, elegant, red lighting, realistic, concept art, smooth, detailed, high quality, alphonse mucha and waterhouse,, <lora:add_detail:0.5>, (high contrast, official art, extreme detailed, highest detailed)
Negative prompt:
portrait, doll, (leaning against wall:1.3), (asian, chinese:1.3), (worst quality, low quality), FastNegativeV2
基础参数：
在 WebUI 界面中，找到 Hires. fix 选项卡并展开。关键参数设置如下：
2，表示等比放大 2 倍。0.6。此参数控制重绘幅度。数值越高，新图与原图差异越大；数值越低，越保留原图结构。点击生成按钮后，系统会先完成初始绘图，然后自动执行放大和重绘流程。
Upscaler 决定了图像放大的具体方式，不同算法适用于不同场景：
建议：优先参考模型作者推荐的放大算法。若不确定，R-ESRGAN 4x+ 通常是安全的选择。
默认值为 0，表示沿用文生图的步数。手动设置此值可影响画质精细度，但存在边际效应。例如从 30 步增加到 60 步，视觉提升可能不明显，但耗时翻倍。
这是最关键也最难调的参数：
若设置过低（如 0.3），可能导致画面四周模糊或细节未得到充分修复。
默认情况下，Hires. fix 阶段复用主模型。但在设置中开启 Hires fix: show hires checkpoint and sampler selection 后，可以单独选择用于高清修复阶段的模型。这允许用户在放大阶段使用不同的采样器或提示词，实现局部调整。
例如，在 Hires. fix 的正向提示词中输入 pink hair，可以在保持原图构图的基础上将头发颜色改为粉色。
注意：必须在 Hires. fix 的独立提示词框中输入，而非主输入框。
高清修复非常消耗显存。如果设备显存不足，可采取以下措施：
Upscale by 倍数。--lowvram 启动参数。除了 Hires. fix，ControlNet 的 Tile 模型也是提升分辨率的有效手段。它能在保持构图不变的情况下，通过额外的神经网络层生成更丰富的纹理细节。相比 Hires. fix，ControlNet Tile 有时能更好地处理复杂背景，但需要额外安装插件并调整参数。
在放大过程中，可能会出现重复纹理或边缘断裂。解决方法包括：
Denoising strength。Stable Diffusion 生成高分辨率图片的核心在于理解'生成'与'修复'的区别。直接拉伸分辨率无法获得高质量结果，必须借助 Hires. fix 或 ControlNet 等工具进行二次处理。合理配置放大算法、重绘幅度和迭代步数，可以在有限的硬件资源下获得最佳视觉效果。随着 AIGC 技术的发展，未来可能会有更多自动化的高清修复工作流出现，但目前掌握这些手动参数仍是必备技能。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online