AI绘画玩得久了，很多人都会遇到一个让人头疼的问题：出图颜色浓得发腻，人物皮肤橙红得像烤过火，放大看细节全是杂乱的噪点，画面脏得没法用。这类问题十有八九和两个参数脱不了干系——CFG Scale和Denoise。前者控制提示词的引导强度，后者决定去噪的幅度，两者设置失衡，画面质量就会明显崩坏。这篇文章把这两个参数的原理和调法讲透，帮你从根源上解决过饱和和噪点问题。
CFG Scale为什么会造成画面过饱和
CFG Scale全称Classifier Free Guidance Scale，中文一般叫提示词引导系数。它的作用是在每一步采样时，衡量"有提示词引导的预测"和"无提示词引导的预测"之间的差异，然后把这个差异放大后叠加到采样方向上。直观理解就是：CFG值越高，模型越拼命向你的提示词靠拢，画面内容越贴合描述。
但这个放大是有代价的。当CFG超过7以后，采样过程会进入一种过度校正的状态——模型为了强化提示词里出现的"鲜艳""发光""高对比"等特征，会把颜色饱和度一路推高，同时在高频区域产生振荡，表现为色块边缘发糊、暗部出现彩色噪点、整体画面像蒙了一层荧光滤镜。CFG拉到12以上时，画面甚至会直接烧色，变成大面积橙红或惨白。
实际使用中的建议区间很明确：日常出图CFG保持在4到7之间，写实的照片风格可以压到3.5到5.5，让颜色更接近自然。只有在使用LoRA或者需要强力执行特定风格描述时，才适当上调到7到9。如果发现画面已经过饱和，第一件事就是把CFG降下来，而不是去改提示词。
噪点从哪来：采样过程与Denoise的关系
要理解噪点，得先明白扩散模型的工作方式。生成图片的过程本质上是从一张纯噪声图开始，逐步去噪还原出图像。采样步数太少，噪声去除不干净，画面上就会残留颗粒感；采样器的调度方式激进，中途也可能引入新的伪影。而Denoise（降噪幅度）决定了这一轮生成中要去除多少初始噪声。
Denoise的取值范围是0到1。在图生图场景下，这个值直接影响结果：数值越低，保留原图结构越多，改动越细腻；数值越高，重画幅度越大，自由度上去了，但画面细节的一致性会变差，还容易引入新的噪点。比如做人物修脸时Denoise设在0.3到0.4比较稳妥，超过0.6就会连五官结构都重画。而在高清修复（Hires Fix）流程里，Denoise通常设在0.3到0.5之间，太低了修不出细节，太高了构图会跑偏、皮肤质感变脏。
很多人噪点问题的真正原因是高清修复时Denoise给得太高，比如0.6以上，模型相当于在小图基础上大面积重绘，放大后自然颗粒感明显。配合足够的采样步数（20到30步）和稳定的采样器，把Denoise控制在0.4上下，画面的干净程度会有立竿见影的改善。
采样器选择与组合调参实战
参数不是孤立起作用的，采样器的搭配同样关键。以常见的几款采样器为例：Euler a出图柔和但步数不足时容易糊；DPM++ 2M Karras在20步以上表现稳定，细节干净，是目前最常用的通用选择；DPM++ SDE Karras细节丰富，但画面会带轻微颗粒感，追求极致干净的话要慎用。
推荐一套经过验证的稳定组合，直接在WebUI的参数区填写即可：
采样器: DPM++ 2M Karras 采样步数: 25 CFG Scale: 5.5 高清修复: 开启 放大算法: R-ESRGAN 4x+ 放大倍率: 1.5 高清修复采样步数: 20 Denoising strength: 0.4
这套组合的优势在于：中低CFG保证颜色不烧，25步主采样加20步修复步保证噪声去除充分，0.4的Denoise在补细节和保持结构之间取得平衡。如果是纯粹的文生图遇到噪点，优先检查步数是否低于15，再确认CFG没有超过8，最后再考虑换采样器，按这个顺序排查效率最高。
进阶技巧：用提示词和后处理辅助控噪
除了参数本身，还有几个辅助手段值得掌握。第一是在负面提示词里加入oversaturated, blurry, noise, grainy, jpeg artifacts这类词，对压制过饱和和噪点有明显的引导作用，尤其是oversaturated这一条，几乎是写实风格的必填项。
第二是善用放大算法替代传统高清修复。像R-ESRGAN 4x+和ESRGAN这类后处理超分模型，本质是神经网络上采样，不经过扩散采样过程，因此不会引入新的噪点，适合在Denoise调不上去的场景下单独使用来提升分辨率。可以先跑一张构图满意的小图，再用Extras板块单独放大，画面纯净度往往比直接高清修复更好。
最后提醒一点：不同模型的参数敏感度差异很大，动漫系模型对高CFG的耐受度普遍高于写实模型，同一个CFG值在不同checkpoint下表现完全不同。换新模型后，建议先用默认参数跑几张测试图，观察饱和度和噪点表现，再微调CFG和Denoise，这样才能把每个模型调到最佳状态。参数调优没有一劳永逸的答案，理解原理加上多试多对比，才是稳定出好图的正确路径。
CFG ScaleAI绘画降噪Stable Diffusion参数修改时间：2026-09-11 09:44:35