LiblibAI图片放大需四层干预：选高细节模型（如NanoBanana Pro）、精准控制重绘强度（人像0.23–0.3，场景0.28–0.35）、用ControlNet锁结构（depth/canny，权重1.15）、局部重绘强化关键区域（蒙版+高重绘幅+具体提示词）。
☞☞☞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☜☜☜
LiblibAI图片放大后出现细节糊成一片、边缘锯齿、纹理断裂或局部结构崩坏，说明单纯靠分辨率提升无法补足高频信息缺失；必须配合模型精度、重绘强度、结构约束与局部强化四层干预才能让放大后的图像真正“拉满细节”。
选对高细节适配模型
放大不是无脑插值，模型本身决定AI能否“脑补”出合理微观结构。NanoBanana Pro（全能图片模型V2）对皮肤毛孔、织物经纬、金属划痕等亚像素级特征建模能力远超通用模型，是细节重建的底层前提。
进入LibLibAI官网→点击左侧「图片生成」→在模型下拉框中切换至【NanoBanana Pro】→点击「添加风格模型」→搜索并启用“超清微距”LoRA（禁用“赛博朋克风”“油画滤镜”等干扰型LoRA）。
若放大目标为线稿，改用ReVAnimated_v122模型+“LineArt Enhancer”LoRA组合，可避免线条发虚或断连。
精准控制重绘幅度与采样步数
重绘幅度过低，AI不敢动原图，放大后仍是马赛克；过高则彻底抛弃原始结构，人物五官错位、背景元素乱飞。关键在于找到“既敢画又不乱画”的临界点。
方法一：人像类放大 → 在ComfyUI工作流中定位“基础调度器”节点 → 将Denoising Strength设为【0.23–0.3】（高于0.3易导致睫毛/发丝失真）。
方法二：复杂场景图放大 → 同样调该参数，但设为0.28–0.35，并同步将Sampling Steps增至38–40步（低于35步会导致纹理噪点残留）。
注意：若原图本身含严重压缩伪影（如JPG块状模糊），先将Denoising调至0.4–0.5做一轮“清洗”，再用0.25做二次精修，不可一步到位。
用ControlNet锁住结构骨架
没有结构约束的放大，就像往塌陷的脚手架上硬盖楼——越往上越歪。depth或canny型ControlNet能强制AI沿原图几何逻辑生成新像素，防止轮廓漂移。
第一步：在ComfyUI工作流中添加ControlNet节点→选择“depth”预处理器（适用于建筑、产品图）或“canny”（适用于人像、线稿）。
第二步：将ControlNet权重设为1.15→步序范围设为0.3–0.7（避开起始和结尾阶段，防止过度僵化或失效）。
第三步：确保ControlNet输入图与原图完全对齐——上传前用本地工具裁切至相同像素尺寸，【禁止缩放后直接上传】，否则深度图错位会导致边缘撕裂。
局部重绘强化关键区域
眼睛、嘴唇、LOGO、文字、机械接缝这些区域，全局参数无法兼顾。必须用蒙版圈出，单独喂给AI更高强度的细节指令。
① 在ComfyUI中启用“局部重绘”节点→用画笔工具手动涂抹需强化区域（如瞳孔高光、衬衫纽扣纹理）。
② 设置羽化值为10像素（过低导致边界生硬，过高削弱聚焦效果）→重绘幅度调至0.78–0.83（比全局值高0.15以上）。
③ 提示词追加针对性描述：“crisp eyelash detail, subsurface scattering on iris, 8K macro lens focus”——越具体，AI补的细节越可信。
④ 生成后若发现色彩偏移，勾选“保持原色一致性”选项，避免局部重绘引发色阶跳变。
