DIT模型的惊艳高清放大节点工作流

此工作流专为DIT模型中的简单逻辑惊艳高清放大节点设计，支持Flux、Hunyuan和SD3等常见应用。该工作流会将初始图像切分为多个小块，利用图像询问器提取每个小块的提示词，并执行精确的高清放大处理。这种方法能够最大限度地减少幻觉现象，同时确保条件处理得当。

希望您能喜欢使用！

新增功能

Hunyuan Video的TeaCache采样器集成

感谢TeaCache代码库（ali-vilab/TeaCache）的贡献以及facok/ComfyUI-TeaCacheHunyuanVideo中的代码参考，我们现已添加对TeaCache采样器的支持。

• 使用方法： 将官方工作流中的samplercustomadvanced节点替换为TeaCache采样器节点，并根据需要调整加速倍率即可开始使用。

• 性能： 在NVIDIA 4090显卡上测试时，以x2.1的加速因子渲染一个720×480分辨率、65帧的视频仅需55秒，速度约为原方法的两倍。

• 注意事项： 虽然TeaCache采样器显著提升了处理速度，但可能会降低图像质量和动态效果，请谨慎使用。

• 精度支持： 支持bf16和fp8格式。

https://github.com/user-attachments/assets/af06b9d3-9c84-4a83-ba90-eb4ec4bb2e99

---

使用说明

1. 图像分块批量节点

该节点可根据您指定的宽度和高度自动将图像切割成若干小块，并记录后续处理所需的信息。

参数	描述
宽度	每个小块的宽度。
高度	每个小块的高度。
图像	需要分块的图像。

节点视图：

---

2. 图像拼接节点

该节点可将图像小块重新拼接成完整图像，同时避免小块之间的可见接缝。它以像素模式运行。

参数	描述
小块	输入已分块的图像批次。如有需要，可替换单个小块。
位置	与图像分块批量节点配套使用。
原始尺寸	与图像分块批量节点配套使用。
网格大小	与图像分块批量节点配套使用。
填充值	用于合并图像各部分的填充值。

节点视图：

---

3. 小块图像尺寸节点

该节点会根据原始图像尺寸及您设定的宽高因子计算每个小块的分辨率。

参数	描述
宽度因子	将图像宽度等分为若干份。
高度因子	将图像高度等分为若干份。

例如：宽度因子设为2，高度因子设为3，则图像将被分割成6个相等的小块。

节点视图：

---

4. 坐标拆分节点

该节点负责将位置信息转换为坐标，并将其与对应位置连接起来。

节点视图：

---

5. 条件转批量节点

该节点可将条件列表转换为批量形式，为未来功能扩展预留接口，并与条件相关联。

节点视图：

---

6. 条件合并节点

该节点负责将所有分块后的条件合并为一个整体，以便构建最终图像。它与坐标拆分节点和条件转批量节点相连。

节点视图：

---

示例

像素示例（推荐）

潜在空间示例

---

ControlNet分块集成

本工作流支持ControlNet分块，以进一步提升放大效果。以下是以Hunyuan DIT模型为例的分块使用示例：

资源	链接
分块示例	Hugging Face分块
Hunyuan 1.2	下载Hunyuan 1.2

工作流示例：

---

星标历史

Comfyui_TTP_Toolset 快速上手指南

Comfyui_TTP_Toolset 是一套专为 DIT 模型（如 Flux、Hunyuan、SD3）设计的高效分块放大工作流节点。它通过将图像自动切片、提取局部提示词并独立处理，有效减少放大过程中的幻觉，确保细节还原。

环境准备

• 系统要求：Windows / Linux / macOS
• 核心依赖：
  • Python 3.10+
  • ComfyUI (最新版本)
  • GPU: 推荐 NVIDIA 显卡 (支持 CUDA)，显存建议 8GB 以上以处理高分辨率任务。
• 前置插件：确保已安装基础的 ComfyUI 管理器 (ComfyUI-Manager) 以便管理依赖。

安装步骤

推荐使用 Git 直接克隆到 ComfyUI 的自定义节点目录。国内用户若访问 GitHub 受限，可配置本地代理或使用镜像源。

# 进入 ComfyUI 自定义节点目录
cd ComfyUI/custom_nodes

# 克隆仓库
git clone https://github.com/TTPlanetPig/Comfyui_TTP_Toolset.git

# 进入插件目录并安装依赖
cd Comfyui_TTP_Toolset
pip install -r requirements.txt

注：安装完成后请重启 ComfyUI。

基本使用

本工具的核心逻辑是"切分 -> 处理 -> 重组"。以下是最简单的像素级放大工作流搭建步骤：

1. 核心节点介绍

工作流主要依赖以下两个关键节点进行图像的切分与无缝拼接：

• Image Tile Batch Node：根据设定的宽高将原图自动切割成小块。
• Image Assembly Node：将处理后的图块重新拼合，自动消除拼接缝隙。

2. 搭建简易放大工作流

1. 加载图像：使用标准的 Load Image 节点载入需要放大的图片。
2. 图像切分：
   • 添加 Image Tile Batch Node。
   • 连接原图，设置 Width 和 Height（例如 512x512），这将决定每个处理块的大小。
3. 执行放大逻辑：
   • 在切分节点后接入你的放大模型节点（如 Flux/Upscaler 模型）。
   • 利用 Tile Image Size Node 计算分块比例，配合 Coordinate Splitter Node 和 Cond to Batch Node 处理对应的条件提示词（Prompt），确保每个图块拥有准确的局部描述。
4. 图像重组：
   • 添加 Image Assembly Node。
   • 将放大后的图块 (Tiles)、位置信息 (Position)、原始尺寸 (Original Size) 和网格尺寸 (Grid Size) 连入该节点。
   • 调整 Padding 参数以优化边缘融合效果。
5. 保存结果：连接 Save Image 节点输出最终高清大图。

3. 进阶功能：TeaCache 加速 (针对 Hunyuan Video)

若使用 Hunyuan 视频模型，可集成 TeaCache sampler 进行加速：

• 在工作流中将标准的 samplercustomadvanced 节点替换为 TeaCache sampler node。
• 调整加速倍率（Speedup factor），测试显示在 RTX 4090 上可实现约 2.1 倍提速。
• 注意：开启加速可能会轻微牺牲动态效果或画质，请按需调整。

4. 参考示例

安装成功后，可在插件目录下的 examples 文件夹中找到预设工作流：

• 像素级放大：Flux_8Mega_Pixel_image_upscale_process_pixel.png (推荐初学者使用)
• 潜空间放大：Flux_8Mega_Pixel_image_upscale_process.png
• ControlNet 集成：支持结合 ControlNet Tile 进行更精细的控制（参考 Hunyuan 示例）。

直接将这些图片拖入 ComfyUI 界面即可加载完整工作流模板。