启用Hires. fix可提升Stable Diffusion图像质量：勾选该选项，设放大倍数1.5–2、高分步数150–250、重绘幅度0.25–0.4；搭配R-ESRGAN放大算法与DPM++ 2M SDE Karras采样器；配合CD-Tuner指令强化细节；显存不足时启用Tiled Diffusion分块处理。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您在使用Stable Diffusion WebUI生成图像时希望提升输出质量，但发现直接提高基础分辨率导致显存溢出或构图失真，则可通过Hires. fix机制在保持初始构图稳定的同时增强细节与清晰度。以下是设置高清修复及配置相关采样器参数的具体操作步骤：
一、启用并配置Hires. fix基础参数
Hires. fix采用两阶段生成策略：先以低分辨率快速生成结构稳定的初稿，再在潜空间中对该图进行局部重绘与上采样。该机制不依赖外部模型，全程在WebUI内完成，适合兼顾效率与质量的常规需求。
1、在文生图（txt2img）界面底部找到“高分辨率修复”复选框，并勾选启用。
2、在“放大倍数”栏输入目标缩放值，例如2表示将512×512升至1024×1024，1.5适用于对原始比例敏感的写实类构图。
3、点击“展开”按钮显示高级选项，将“高分迭代步数”设为150–250；低于150可能导致纹理模糊，高于250将显著延长生成时间且易引发显存不足。
4、将“重绘幅度”设为0.25–0.4；该值决定第二阶段对原图的修改强度，0.3是多数模型下的推荐中间值。
二、选择适配的放大算法与采样器组合
放大算法负责底层像素重建，而采样器影响重绘阶段的噪声去除路径与细节生成逻辑。二者协同作用，直接影响边缘锐度、纹理连贯性及色彩自然度。
1、在“放大算法”下拉菜单中，根据图像风格选择：R-ESRGAN 4x+用于真实系图像，R-ESRGAN 4x+ Anime6B专为二次元风格优化。
2、在“采样方法（Sampler）”中，优先选用DPM++ 2M SDE Karras或Euler a；前者在高重绘幅度下稳定性更强，后者对低步数响应更快。
3、将“高分采样步数”与主生成步数解耦：若主步数为30，建议将高分阶段设为20–35步，避免冗余计算。
4、勾选“使用相同的种子进行高分辨率修复”，确保重绘过程严格继承初始构图的随机性基础。
三、调整CD-Tuner插件增强Hires. fix表现
当启用CD-Tuner插件后，Hires. fix阶段可独立控制细节强化、对比度与色调偏移，弥补标准流程中高频信息衰减问题。该插件参数仅在Hires. fix激活时生效。
1、在提示词末尾添加CD-Tuner指令格式：
2、Hires-Detail1（hd1）建议设为2–4，过高会导致边缘过锐产生光晕伪影；Hires-Detail2（hd2）设为1.5–3可平衡纹理密度与噪点水平。
3、若画面偏灰，可在同一指令中加入bri=0.15微调亮度，避免后期手动调色破坏潜空间一致性。
四、启用Tiled Diffusion规避显存瓶颈
当显存小于12GB或需放大倍数超过3×时，标准Hires. fix可能触发CUDA out of memory错误。Tiled Diffusion通过分块处理降低单次计算负载，同时维持全局构图统一性。
1、安装并启用Tiled Diffusion插件，在文生图界面勾选“Tiled VAE”和“Tiled Diffusion”两个复选框。
2、保持基础分辨率不变（如512×768），在“Tiling Size”中填入192–256作为分块尺寸；数值越小，拼接精度越高，但总耗时上升。
3、将“Overlap”设为32–64，该值用于块间缓冲，默认48适用于绝大多数显卡配置。
4、在“Upscale By”栏输入目标倍率（如3.5），系统将自动调度分块重绘与融合流程，无需手动计算重绘尺寸。
