【ComfyUI】SDXL Refiner 提示进一步提升生成图像的质量
今天展示的案例是一个基于 SDXL Base 与 Refiner 双模型链路 的 ComfyUI 工作流。整个流程以空白潜空间为起点，通过文本提示词编码与采样步骤逐层迭代生成图像，再借助 Refiner 模型完成精修，最终由 VAE 解码器将潜空间数据还原为可见图像并保存。
该设计能够在保持生成自由度的同时提升画面质量，适合演示基础到进阶的多阶段合成过程。
文章目录
- 工作流介绍
- 核心模型
- Node节点
- 工作流程
- 应用场景
- 开发与应用
工作流介绍
本工作流的核心是利用 Base 模型 与 Refiner 模型 的分工协作来生成高质量图像。Base 模型负责生成整体画面构架与细节雏形，而 Refiner 模型则对输出进行二次处理，使图像更加清晰自然。节点结构围绕文本提示词编码、潜空间采样、VAE 解码以及图像保存展开，所有环节通过精确的参数控制互相衔接。配合步骤控制节点，可以灵活设定迭代次数与切换步数，从而保证采样过程在效率与效果间取得平衡。
核心模型
在这个工作流中，Base 模型与 Refiner 模型分别加载自 SDXL 的官方权重文件。Base 模型负责生成主要画面，Refiner 则在后续步骤进行精修，最终通过 VAE 将潜空间结果解码为图像。两者结合保证了生成的画面既有整体的构图感，又具备细节上的锐利与自然。
| 模型名称 | 说明 |
|---|---|
| sd_xl_base_1.0.safetensors | 用于图像的初始生成，负责画面整体框架与主体结构 |
| sd_xl_refiner_1.0.safetensors | 用于二次精修，强化细节表现与画面质感 |
Node节点
节点的设计涵盖了提示词编码、潜空间生成与控制、采样器、解码器等关键环节。Empty Latent Image 节点设定了图像分辨率，CLIPTextEncode 节点用于处理正向与负向提示词，KSampler Advanced 则控制采样步骤与噪声迭代过程。Refiner 分支与 Base 分支相互衔接，最终输出通过 VAE 解码为图像并由 Save Image 节点保存。整体节点结构清晰，适合演示多阶段图像生成的完整路径。
| 节点名称 | 说明 |
|---|---|
| Empty Latent Image | 设定生成图像的分辨率与潜空间初始值 |
| CLIPTextEncode | 将正向与负向提示词编码为条件输入 |
| KSampler Advanced - BASE | 控制 Base 模型采样，负责整体画面生成 |
| KSampler Advanced - REFINER | 控制 Refiner 模型采样，对画面进行精修 |
| VAE Decode | 将潜空间数据解码为可见图像 |
| Save Image | 输出并保存最终图像 |
工作流程
整个流程从生成潜空间开始，以提示词编码为条件输入驱动 KSampler 迭代采样，再结合 Refiner 进行二次修正，最后通过 VAE 解码得到最终图像。每一个阶段都紧密衔接，形成从无到有、从粗到精的图像生成链路。Base 模型的采样过程为画面建立了框架，而 Refiner 在后续补充细节与质感。通过步骤控制节点，采样次数和切换时机能够灵活设定，既保证了效率，也兼顾了图像表现力。最终的输出通过 Save Image 节点落地，确保结果可被直接保存与使用。
| 流程序号 | 流程阶段 | 工作描述 | 使用节点 |
|---|---|---|---|
| 1 | 潜空间初始化 | 设定图像分辨率与潜空间起点 | Empty Latent Image |
| 2 | 文本条件输入 | 对正向与负向提示词进行编码，生成条件信息 | CLIPTextEncode |
| 3 | 基础采样 | 在 Base 模型下进行迭代采样，生成图像初稿 | KSampler Advanced - BASE |
| 4 | 精修采样 | 使用 Refiner 模型对图像进行进一步细化处理 | KSampler Advanced - REFINER |
| 5 | 解码与输出 | 将潜空间数据解码为可见图像，并保存为文件 | VAE Decode, Save Image |
应用场景
这一工作流适合在多种创意和生产任务中应用。由于采用 Base 与 Refiner 的组合方式，既能保证快速生成初稿，又能实现细节精修，因此在插画、概念设计和影视级画面制作中具有较强的适用性。对于设计师与内容创作者而言，它能在保持效率的同时提供更高的质量保证；对于学习 ComfyUI 的初学者，该工作流又是一个完整的范例，涵盖了文本编码、采样、潜空间解码等关键环节，具有较强的教学价值。
| 应用场景 | 使用目标 | 典型用户 | 展示内容 | 实现效果 |
|---|---|---|---|---|
| 插画与概念设计 | 快速生成高质量草图并进行细化 | 插画师、概念设计师 | 高分辨率人物或场景画面 | 既能生成整体画面，又能强化细节质感 |
| 影视与动画制作 | 构建镜头氛围与视觉素材 | 动画导演、视频后期人员 | 背景图像、场景氛围 | 在画面统一的基础上实现清晰自然的细节 |
| 教学与研究 | 展示多阶段合成的完整流程 | 编程学习者、研究人员 | ComfyUI 工作流链路 | 从提示词到成品的完整生成过程 |
| 内容创作 | 丰富自媒体与商业作品 | 自媒体作者、设计机构 | 封面图、插画素材 | 产出快速、画质可控的最终图像 |
开发与应用
更多 AIGC 与 ComfyUI工作流 相关研究学习内容请查阅：
ComfyUI使用教程、开发指导、资源下载
更多内容桌面应用开发和学习文档请查阅：
AIGC工具平台Tauri+Django环境开发，支持局域网使用
AIGC工具平台Tauri+Django常见错误与解决办法
AIGC工具平台Tauri+Django内容生产介绍和使用
AIGC工具平台Tauri+Django开源ComfyUI项目介绍和使用
AIGC工具平台Tauri+Django开源git项目介绍和使用