k采样器介绍

在 ComfyUI 中，K采样器（KSampler） 是控制 Stable Diffusion 生成过程的核心节点，负责调整去噪步骤、采样方法、CFG 值等关键参数。它的功能类似于 SD WebUI 中的 “Sampler” 和 “Sampling Steps” 选项，但提供了更精细的控制。

1. KSampler 核心参数详解 #

（1）steps（采样步数） #

• 作用：决定 AI 去噪（生成图像）的迭代次数。
• 推荐值：
  • 20~30 步：适合大多数模型（如 SD1.5、SDXL）。
  • 50+ 步：可能提升细节，但收益递减。
• 技巧：
  • 低步数（10~15）可用于快速测试构图。
  • 高步数（30~50）适合修复复杂细节（如手部、纹理）。

（2）cfg（Classifier-Free Guidance Scale） #

• 作用：控制提示词对生成结果的约束强度。
• 推荐值：
  • 7~10：平衡创意和稳定性（通用推荐）。
  • <7：更自由，但可能偏离提示。
  • >12：严格遵循提示，但可能生硬/过曝。
• 技巧：
  • 高 CFG（12~15）适合需要精确控制时（如商业设计）。
  • 低 CFG（5~7）适合艺术化风格（如抽象画）。

（3）sampler_name（采样方法） #

ComfyUI 支持多种采样器，主要分为两类：

推荐选择：

• 默认：DPM++ 2M Karras（平衡速度和质量）。
• 快速测试：Euler a 或 Heun。

（4）denoise（去噪强度） #

• 作用：控制初始噪声的保留程度（类似 SD WebUI 的 “Denoising Strength”）。
• 范围：0.1~1.0（1.0 = 完全重新生成）。
• 使用场景：
  • 图生图（Img2Img）：0.3~0.7 保留原图结构。
  • 局部重绘：0.5~0.8 修复细节。

（5）seed（随机种子） #

• 固定种子：可复现相同结果（如 42）。
• 随机种子：设为 0 或留空，每次生成不同。

2. 高级参数（部分工作流可见） #

（1）sigma_min / sigma_max #

• 作用：调整噪声调度范围，影响生成稳定性。
• 默认：无需修改，除非出现异常噪点。

（2）noise_device #

• 选项：cpu（兼容性更好）或 gpu（更快）。

（3）add_noise #

• 关闭时（False）：适用于图生图，保留原图结构。

3. 参数搭配示例 #

（1）快速测试构图 #

steps = 15,  
cfg = 7,  
sampler_name = "Euler a",  
denoise = 1.0  

（2）高质量最终输出 #

steps = 30,  
cfg = 9,  
sampler_name = "DPM++ 2M Karras",  
denoise = 1.0  

（3）图生图局部修复 #

steps = 25,  
cfg = 8,  
sampler_name = "DPM++ SDE Karras",  
denoise = 0.6  

4. 常见问题 #

Q1：步数越高越好吗？ #

❌ 不是。超过 30 步后提升有限，反而增加计算时间。

Q2：CFG 太高导致过曝？ #

✅ 尝试降低到 7~9，或使用 (overexposed:1.2) 负向提示词。

Q3：采样器选哪个最好？ #

• 速度优先：Euler a
• 质量优先：DPM++ 2M Karras

总结 #

掌握这些参数后，可以更精准地控制 ComfyUI 的出图效果！ 🎨