直接用 512x512 出图再手动拉伸，得到的往往是一张模糊发虚的图，人物五官糊成一团，画面细节全靠脑补。SD WebUI 的 Hires Fix（高清修复）就是为解决这个问题设计的：它在初次采样完成后，将图片放大再做一轮低强度重绘，让模型在高分辨率画布上补充细节。但很多人打开 Hires Fix 后发现，要么细节是有了、构图却面目全非，要么画面保住了、放大后依旧糊。问题基本都出在参数组合上。这篇文章把放大倍数、降噪强度、放大算法三个核心参数讲透，并给出可直接套用的组合方案。
Hires Fix 的工作原理：为什么参数之间会互相牵制
理解参数之前，先要知道 Hires Fix 到底做了什么。它并不是简单地把图片锐化，而是一个两阶段的采样流程：第一阶段按你设定的原始分辨率（比如 768x512）正常采样出一张底图；第二阶段将这张底图通过指定的放大算法放大到目标尺寸，然后以一个较低的降噪强度重新采样一遍，让模型在新画布上重绘细节。
这里的关键在于 Denoising strength（降噪强度）。它决定了第二阶段中原图信息被保留多少：值越低，模型越倾向于信任放大后的底图，只做轻微修补；值越高，模型会大刀阔斧地重画，原始构图就可能面目全非。而放大倍数又直接影响画面内容在放大后的“颗粒感”——倍数越大，放大算法补出来的伪细节越多，需要的降噪强度就越高才能把这些伪细节修掉。这就是三个参数互相牵制的原因：单独调任何一个都很难得到理想效果。
另外一个容易被忽略的点是，SD 1.5 系列模型是在 512x512 附近训练的，直接出 1024x1024 的图会出现重复肢体、双头等诡异现象。Hires Fix 的意义就在于先在模型熟悉的分辨率下生成正确的构图，再放大补细节，本质上是一种绕开模型分辨率局限的妥协方案。
三个核心参数怎么设：放大倍数、降噪强度与算法选择
放大倍数（Upscale by）
放大倍数建议控制在 1.5 到 2 倍之间。以 512x768 出图为例，1.5 倍得到 768x1152，2 倍得到 1024x1536，都在模型能稳定发挥的范围内。如果一次放大 2.5 倍以上，放大算法产生的模糊和伪影会非常明显，后续无论怎么调降噪强度都很难补救。
如果你需要 4K 级别的大图，正确做法是分阶段放大：先用 1.5 倍做一次 Hires Fix，出图后再用 Extras 标签页的 Tiled Diffusion 或 img2img 分两次继续放大，每一步的降噪都保持低位，这样比一步到位稳定得多。
降噪强度（Denoising strength）
这是 Hires Fix 成败的核心参数。经验区间是 0.3 到 0.6：低于 0.3 时基本只是给放大后的图做了轻微锐化，细节改善有限；高于 0.6 后构图开始明显漂移，人物姿势、面部朝向都可能改变，失去了“修复”的意义。
不同放大算法对应的最优降噪值也不同：Latent 系列放大本身比较模糊，需要 0.5 以上的降噪来重绘细节；而 4x-UltraSharp 这类效果锐利的模型放大，0.35 左右就足够。一个实用技巧是先固定其他参数，用 X/Y/Z plot 脚本对降噪值做 0.3 到 0.6 的批量测试，一次跑出对比图，直接挑最好的那档。
放大算法（Upscaler）
WebUI 内置和社区扩展提供了大量放大模型，按特性可以分成几类，各自适用场景如下：
- Latent（Latent bilinear / Latent nearest）：在潜空间直接放大，速度极快，几乎不引入额外信息，适合配合较高降噪（0.5~0.6）让模型完全重绘细节，写实人像常用。
- ESRGAN 系（RealESRGAN_x4plus、RealESRGAN_x4plus_anime_6B）：老牌通用算法，plus 版偏写实，anime_6B 专精二次元线条，降噪 0.4 左右即可。
- 4x-UltraSharp：细节锐利、还原度高，适合追求画面干净的场景，配合 0.35 左右低降噪效果出色，是目前社区口碑最高的通用放大模型之一。
- SwinIR / LDSR：SwinIR 综合表现均衡，LDSR 细节丰富但速度极慢，适合最终成图前的精细放大。
- R-ESRGAN 4x+ / 6B：RealESRGAN 的改良版，4x+ 偏照片质感，适合写实风。
简单记：二次元选 anime 模型加低降噪，写实人像选 Latent 加高降噪，通用场景选 4x-UltraSharp 加中低降噪。
进阶设置与常见翻车场景排查
容易被忽略的辅助参数
Hires steps（高清修复步数）默认只有 20 步，对低降噪来说够用，但如果降噪开到 0.5 以上，建议提到 25~30 步，否则细节重绘不充分。Hires prompt 允许你在第二阶段使用不同的提示词，比如底图阶段只写主体，修复阶段补充 skin texture、detailed eyes 之类的细节词，效果往往比全程堆词更好。
另外注意 Hires resize 和 Upscale by 二选一即可：前者直接指定目标分辨率，后者按倍数计算，同时填写时容易把图画到超出显存承受范围的尺寸。
常见翻车场景
场景一：放大后脸崩了。这是最典型的投诉。原因是人物脸部在整图中占比小，放大后模型重绘时精度不够。解决办法有两个：一是把降噪降到 0.4 以下保住脸部结构，再配合 ADetailer 扩展对人脸做专门的二次修复；二是改用 Latent 放大加高降噪，让模型整张脸重画一遍。
场景二：构图完全变了。降噪超过 0.65 的典型后果。如果你确实需要大幅重绘（比如底图质量很差），可以用 ControlNet 的 Tile 模型锁住构图再拉高降噪，这样即使降噪开到 0.7 以上，画面结构依然稳定。
场景三：画面出现网格状噪点或油笔画质感。多半是放大倍数过大叠加高降噪导致的过度重绘，把倍数降到 1.5、降噪降 0.05 一档通常就能缓解。
推荐参数速查
| 场景 | 放大算法 | 放大倍数 | 降噪强度 |
|---|---|---|---|
| 二次元插画 | RealESRGAN anime_6B | 1.5~2.0 | 0.35~0.45 |
| 写实人像 | Latent nearest | 1.5 | 0.5~0.6 |
| 通用风景 | 4x-UltraSharp | 2.0 | 0.3~0.4 |
| 追求极致细节 | LDSR | 1.5 | 0.35 |
最后强调一点：参数没有唯一正确答案，不同 checkpoint 对降噪的敏感度差异很大，同一个 0.45 在 A 模型上恰到好处、在 B 模型上可能已经崩坏。养成用固定种子加 X/Y/Z plot 做小范围批量测试的习惯，比死记任何数值都靠谱。把上面这套思路跑通之后，你会发现高清出图的成功率会有非常明显的提升。
Hires FixStable Diffusion WebUI高清修复修改时间：2026-09-13 05:18:31