LiblibAI图像模糊主因是参数未协同：采样步数设32–40（F.1用35、FLUX用28–32），搭配DPM++ 2M Karras采样器；CFG设F.1为3.5、FLUX为0.51；图生图Denoise设0.23–0.35；必用Flux高清放大V2+边缘感知超分模型。
☞☞☞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生成图像模糊、边缘发虚、纹理缺失，通常不是模型本身问题，而是参数组合未匹配高清输出逻辑。直接调高分辨率或增加步数未必有效，关键要让采样器、引导系数、降噪强度与模型能力形成协同收敛。
调整采样步数与采样器类型
采样步数低于25时，UNet解码过程未充分收敛，高频细节无法稳定生成，画面自带“毛玻璃感”。但盲目拉高到50步以上反而可能引入过拟合伪影。
将Sampling Steps设为32–40，F.1系列模型建议用35，FLUX模型用28–32即可。低于30步必须配合DPM++ 2M Karras采样器——它比Euler a在相同步数下多出约17%的边缘锐度。
禁用PLMS、LMS等已淘汰采样器，它们对纹理建模能力弱，即使步数设到45，皮肤毛孔和织物经纬线仍会糊成一片。
设置CFG Scale避免细节塌陷或过锐失真
CFG值决定AI对提示词的服从强度。写实人像类任务严禁使用默认7–9区间：该数值会强制模型在光影过渡区强行“加锐”，导致皮肤像塑料、头发像喷漆。
方法一：用F.1模型时，CFG必须设为【3.5】。这个值能让模型保留自然散射光下的皮肤半透明感，同时不牺牲毛孔与汗毛细节。
方法二：用FLUX系列模型时，CFG设为【0.51】。这是FLUX专属低引导值，靠隐空间结构约束而非强提示词压制来保形，特别适合复杂服饰褶皱还原。
若CFG设为6以上，即使其他参数全优，也会出现眼睑反光过亮、指甲边缘锯齿、背景虚化圈发白等不可逆失真。
控制重绘幅度（Denoising Strength）精准干预图生图
图生图模式下模糊，八成源于重绘幅度失衡。数值过高，AI重写像素覆盖原结构；数值过低，仅修补噪点，不补充细节。
第一步：打开基础调度器节点，定位Denoise滑块。
第二步：人像类图片统一设为0.23–0.3，这个区间能激活皮肤微结构重建而不扭曲五官比例。
第三步：若原图已有明显马赛克或压缩伪影，可升至0.35，但必须同步在负向提示词中加入jpeg artifacts, compression noise, pixelated。
第四步：生成后检查耳垂、发际线、袖口折痕三处——这些是重绘强度是否达标的黄金检测点。任一区域出现硬边或色块断裂，说明Denoise值偏高，回调0.05再试。
启用高清修复并匹配超分模型
单纯提升生成参数无法挽救原始像素不足。当原输出为512×512或768×768时，必须走“生成+修复”双阶段路径。
在ComfyUI工作流中加载Flux完美高清放大V2，上传图后进入“UNET加载器”节点，选择F.1-Realistic-Upscale或SUPIR-V2模型——这两者内置边缘感知超分算法，能识别睫毛走向、布料经纬并沿方向插值，而非简单拉伸。
运行前确认勾选“2倍超分+锐化”，该子模式会自动屏蔽非结构区域的锐化操作，防止背景云层或天空出现噪点增强。
