若Stable Diffusion生成图像模糊、细节不足或尺寸过小，可采用四种方法提升：一、启用Hires. fix高清修复；二、使用SD Upscale脚本分块放大；三、安装Ultimate SD Upscale插件增强控制；四、调用Tiled Diffusion与Tiled VAE组合方案实现超分辨率稳定输出。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您使用Stable Diffusion生成图像后发现画面模糊、细节不足或尺寸过小，无法满足印刷、展示或高清输出需求，则很可能是受限于模型训练分辨率与显存容量。以下是四种经过验证的分辨率提升与画面增强方法：
一、启用Hires. fix高清修复功能
Hires. fix是WebUI内置的两阶段生成机制：先快速生成低分辨率初稿，再在潜空间中对该图进行局部重绘与上采样，全程不依赖外部模型，兼顾效率与可控性。
1、在txt2img界面底部勾选“高分辨率修复”复选框。
2、在“放大倍数”栏输入目标值，例如2表示将512×512升至1024×1024；写实类构图可尝试1.5以保持比例协调。
3、点击“展开”显示高级选项，将“高分迭代步数”设为150–250；低于150易致纹理模糊，高于250显著延长耗时且易触发显存溢出。
4、将“重绘幅度”设为0.25–0.4；该值决定第二阶段对原图结构的修改强度，0.3为多数模型推荐中间值。
5、在“放大算法”下拉菜单中按风格选择：R-ESRGAN 4x+适用于真实系图像，R-ESRGAN 4x+ Anime6B专为二次元优化。
6、勾选“使用相同的种子进行高分辨率修复”，确保重绘严格继承初始构图的随机性基础。
二、使用SD Upscale脚本分块放大
SD Upscale通过将原图切割为重叠图块、逐块执行图生图重绘、再无缝拼接的方式规避单次高分辨率生成的显存瓶颈，尤其适合处理大尺寸输出需求。
1、切换至img2img界面，于“脚本”下拉菜单中选择“SD Upscale”。
2、在“放大倍数”栏填入数值，如2表示整体尺寸翻倍。
3、保持“分块重叠像素宽度”为默认64；该值作为图块间缓冲带，防止拼接处出现硬边或断裂。
4、在“重绘尺寸”栏填入修正后的尺寸：若原图512×512、放大2倍，需填入(512×2)+64=1088，即输入1088×1088。
5、可酌情调整CFG Scale（建议7–12）与重绘幅度（建议0.2–0.35），避免过度偏离原始内容。
三、安装并启用Ultimate SD Upscale插件
Ultimate SD Upscale在SD Upscale基础上扩展了更多控制维度，支持自定义图块数量、重叠策略、VAE注入时机及多级降噪路径，适用于对边缘连贯性与全局一致性要求更高的专业场景。
1、从GitHub下载插件主文件：https://github.com/Coyote-A/ultimate-upscale-for-automatic1111/archive/refs/heads/master.zip。
2、解压后将文件夹放入WebUI根目录下的extensions子目录。
3、重启WebUI，在img2img界面的“脚本”下拉菜单中选择“Ultimate SD Upscale”。
4、设置“Tile size”为512–768（过大易显存溢出，过小增加拼接次数）。
5、启用“Use VAE for decode”选项，配合外挂VAE模型可显著改善色彩饱和度与暗部细节。
6、勾选“Seamless tiling”以激活无缝平铺模式，减少重复纹理在边界处的视觉干扰。
四、调用Tiled Diffusion + Tiled VAE组合方案
Tiled Diffusion通过动态切片与跨块注意力机制，在潜变量层面实现长程依赖建模；Tiled VAE则分块解码避免显存峰值爆发。二者协同可在不升级硬件前提下稳定输出2048×2048及以上分辨率图像。
1、确保已安装Tiled Diffusion与Tiled VAE两个插件（可通过WebUI Extensions页直接搜索安装）。
2、在txt2img或img2img界面中，同时勾选“Tiled Diffusion”与“Tiled VAE”复选框。
3、在Tiled Diffusion设置区，将“Tile size”设为320–480，较小值适配4G–6G显存，较大值适配8G+显存。
4、启用“Overlap”并设为64–128，确保相邻图块间有足够冗余信息用于边缘融合。
5、在Tiled VAE设置区，勾选“Enable Tiled VAE decoding”，并将“Tile size”与Diffusion保持一致。
6、生成前确认主采样器为DPM++ 2M SDE Karras或Euler a，二者在分块模式下收敛稳定性最佳。
