[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kijai--ComfyUI-SUPIR":3,"tool-kijai--ComfyUI-SUPIR":61},[4,18,26,36,45,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,35],"插件",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,2,"2026-04-18T11:18:24",[14,15,13],{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":42,"last_commit_at":51,"category_tags":52,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[35,13,15,14],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":42,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[35,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":75,"owner_location":76,"owner_email":75,"owner_twitter":77,"owner_website":75,"owner_url":78,"languages":79,"stars":84,"forks":85,"last_commit_at":86,"license":87,"difficulty_score":88,"env_os":89,"env_gpu":90,"env_ram":91,"env_deps":92,"category_tags":99,"github_topics":75,"view_count":42,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":100,"updated_at":101,"faqs":102,"releases":132},9085,"kijai\u002FComfyUI-SUPIR","ComfyUI-SUPIR","SUPIR upscaling wrapper for ComfyUI","ComfyUI-SUPIR 是一款专为 ComfyUI 设计的高效图像超分辨率插件，旨在将低分辨率图片智能放大至高清甚至 4K 级别，同时保留丰富的细节与纹理。它基于先进的 SUPIR 算法，本质上是一个优化的 SDXL 图生图流程，通过独特的去噪编码器和 ControlNet 技术，解决了传统放大工具容易产生的模糊、伪影及细节丢失问题，尤其擅长处理复杂纹理和大幅面图像。\n\n相比官方实现，ComfyUI-SUPIR 进行了深度重构，显著降低了显存占用并拓宽了硬件兼容性。其核心亮点包括支持 FP8 量化推理（使 10GB 显存显卡也能流畅运行）、模块化节点设计让用户可灵活替换预处理步骤或加载 LoRA 模型，以及无需额外配置即可自动调用本地 SDXL 大模型的能力。无论是需要批量处理素材的专业设计师、追求画质的 AI 艺术创作者，还是希望深入探索图像生成原理的研究人员，都能利用它轻松获得电影级的画质提升效果。只需简单的节点连接，即可在本地实现从 512p 到 3000p+ 的无损级放大体验。","# ComfyUI SUPIR upscaler wrapper node\n# UPDATE3:\nPruned models in safetensors format now available here:\nhttps:\u002F\u002Fhuggingface.co\u002FKijai\u002FSUPIR_pruned\u002Ftree\u002Fmain\n# UPDATE2:\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-SUPIR_readme_3fd7789d6a4a.png)\nAdded a better way to load the SDXL model, which also allows using LoRAs. The old node will remain for now to not break old workflows, and it is dubbed Legacy along with the single node, as I do not want to maintain those.\n\n# UPDATE:\n\nAs I have learned a lot with this project, I have now separated the single node to multiple nodes that make more sense to use in ComfyUI, and makes it clearer how SUPIR works. This is still a wrapper, though the whole thing has deviated from the original with much wider hardware support, more efficient model loading, far less memory usage and more sampler options. Here's a quick example (workflow is included) of using a Ligntning model, quality suffers then but it's very fast and I recommend starting with it as faster sampling makes it a lot easier to learn what the settings do.\n\nUnder the hood SUPIR is SDXL img2img pipeline, the biggest custom part being their ControlNet. What they call \"first stage\" is a denoising process using their special \"denoise encoder\" VAE. This is not to be confused with the Gradio demo's \"first stage\" that's labeled as such for the Llava preprocessing, the Gradio \"Stage2\" still runs the denoising process anyway. This can be fully skipped with the nodes, or replaced with any other preprocessing node such as a model upscaler or anything you want.\n\nhttps:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002F5cae2a24-d425-462c-b89d-df7dcf01595c\n\n\n\n# Installing\nEither manager and install from git, or clone this repo to custom_nodes and run:\n\n`pip install -r requirements.txt`\n\nor if you use portable (run this in ComfyUI_windows_portable -folder):\n\n`python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-SUPIR\\requirements.txt`\n\nPytorch version should be pretty new too, latest stable (2.2.1) works.\n\n`xformers` is automatically detected and enabled if found, but it's not necessary, in some cases it can be a bit faster though:\n\n`pip install -U xformers --no-dependencies`  (for portable `python_embeded\\python.exe -m pip install -U xformers --no-dependencies` )\n\nGet the SUPIR model(s) from the original links below, they are loaded from the normal `ComfyUI\u002Fmodels\u002Fcheckpoints` -folder\nIn addition you need an SDXL model, they are loaded from the same folder.\n\nI have not included llava in this, but you can input any captions to the node and thus use anything you want to generate them, or just don't, seems to work great even without.\n\nMemory requirements are directly related to the input image resolution, the \"scale_by\" in the node simply scales the input, you can leave it at 1.0 and size your input with any other node as well. In my testing I was able to run 512x512 to 1024x1024 with a 10GB 3080 GPU, and other tests on 24GB GPU to up 3072x3072. System RAM requirements are also hefty, don't know numbers but I would guess under 32GB is going to have issues, tested with 64GB.\n\n## Updates: \n- fp8 seems to work fine for the unet, I was able to do 512p to 2048 with under 10GB VRAM used. For the VAE it seems to cause artifacts, I recommend using tiled_vae instead.\n- CLIP models are no longer needed separately, instead they are loaded from your selected SDXL checkpoint\n______\nMirror for the models: https:\u002F\u002Fhuggingface.co\u002Fcamenduru\u002FSUPIR\u002Ftree\u002Fmain\n\n# Tests\nVideo upscale test (currently the node does frames one by one from input batch):\n\nOriginal: https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002F33621520-a429-4155-aa3a-ac5cd15bda56\n\nUpscaled 3x: https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002Fd6c60e0a-11c3-496d-82c6-a724758a131a\n\nImage upscale from 3x from 512p:\nhttps:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002F545ddce4-8324-45cb-a545-6d1f527d8750\n\n\n\n-------------------------------------------\n\n\nOriginal repo:\nhttps:\u002F\u002Fgithub.com\u002FFanghua-Yu\u002FSUPIR\n\n#### Models we provided:\n* `SUPIR-v0Q`: [Baidu Netdisk](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1lnefCZhBTeDWijqbj1jIyw?pwd=pjq6), [Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1yELzm5SvAi9e7kPcO_jPp2XkTs4vK6aR?usp=sharing)\n    \n    Default training settings with paper. High generalization and high image quality in most cases.\n\n* `SUPIR-v0F`: [Baidu Netdisk](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1AECN8NjiVuE3hvO8o-Ua6A?pwd=k2uz), [Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1yELzm5SvAi9e7kPcO_jPp2XkTs4vK6aR?usp=sharing)\n\n    Training with light degradation settings. Stage1 encoder of `SUPIR-v0F` remains more details when facing light degradations.\n\n\n## BibTeX\n    @misc{yu2024scaling,\n      title={Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild}, \n      author={Fanghua Yu and Jinjin Gu and Zheyuan Li and Jinfan Hu and Xiangtao Kong and Xintao Wang and Jingwen He and Yu Qiao and Chao Dong},\n      year={2024},\n      eprint={2401.13627},\n      archivePrefix={arXiv},\n      primaryClass={cs.CV}\n    }\n\n---\n\n## 📧 Contact\nIf you have any question, please email `fanghuayu96@gmail.com`.\n\n---\n## Non-Commercial Use Only Declaration\nThe SUPIR (\"Software\") is made available for use, reproduction, and distribution strictly for non-commercial purposes. For the purposes of this declaration, \"non-commercial\" is defined as not primarily intended for or directed towards commercial advantage or monetary compensation.\n\nBy using, reproducing, or distributing the Software, you agree to abide by this restriction and not to use the Software for any commercial purposes without obtaining prior written permission from Dr. Jinjin Gu.\n\nThis declaration does not in any way limit the rights under any open source license that may apply to the Software; it solely adds a condition that the Software shall not be used for commercial purposes.\n\nIN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.\n\nFor inquiries or to obtain permission for commercial use, please contact Dr. Jinjin Gu (hellojasongt@gmail.com).\n","# ComfyUI SUPIR 超分辨率封装节点\n# 更新3：\n现已在此处提供采用 safetensors 格式的剪枝模型：\nhttps:\u002F\u002Fhuggingface.co\u002FKijai\u002FSUPIR_pruned\u002Ftree\u002Fmain\n# 更新2：\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-SUPIR_readme_3fd7789d6a4a.png)\n新增了一种更优的 SDXL 模型加载方式，同时支持使用 LoRA。旧版节点暂时保留，以免破坏现有工作流，并与单节点一同命名为“Legacy”，因为我无意继续维护它们。\n\n# 更新：\n\n通过这个项目，我学到了很多，现在已将单个节点拆分为多个更符合 ComfyUI 使用逻辑的节点，从而更清晰地展示 SUPIR 的工作原理。尽管这仍然是一个封装节点，但整体已经偏离了原始设计，具备更广泛的硬件支持、更高效的模型加载、更低的内存占用以及更多的采样器选项。这里有一个快速示例（包含工作流），展示了如何使用 Lightning 模型——虽然画质会有所下降，但速度非常快，我建议从它开始，因为更快的采样能让您更容易理解各个参数的作用。\n\n在底层实现上，SUPIR 是基于 SDXL 的 img2img 流程，其中最大的自定义部分是其 ControlNet。他们所谓的“第一阶段”实际上是一个去噪过程，使用他们特有的“去噪编码器”VAE 完成。这与 Gradio 演示中的“第一阶段”不同，后者是为了 Llava 预处理而标注的名称，而 Gradio 中的“第二阶段”仍然会执行去噪过程。在我们的节点中，这一过程可以完全跳过，或者用其他预处理节点替代，比如模型超分辨率或其他任何您想要的功能。\n\nhttps:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002F5cae2a24-d425-462c-b89d-df7dcf01595c\n\n\n\n# 安装\n您可以使用管理器直接从 Git 安装，也可以将此仓库克隆到 custom_nodes 目录下并运行：\n\n`pip install -r requirements.txt`\n\n如果您使用的是便携版，请在 ComfyUI_windows_portable 文件夹内运行：\n\n`python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-SUPIR\\requirements.txt`\n\nPyTorch 版本也应尽量新一些，目前最新的稳定版本（2.2.1）即可正常工作。\n\n如果检测到 `xformers` 库，将会自动启用，但这并非必需；在某些情况下，它可能会使性能略有提升：\n\n`pip install -U xformers --no-dependencies`  （对于便携版：`python_embeded\\python.exe -m pip install -U xformers --no-dependencies`）\n\n请从下方提供的原始链接获取 SUPIR 模型，这些模型将被加载到常规的 `ComfyUI\u002Fmodels\u002Fcheckpoints` 文件夹中。\n\n此外，您还需要一个 SDXL 模型，同样从该文件夹加载。\n\n我没有在此处集成 Llava，但您可以向节点输入任意描述文本，从而使用任何工具生成这些文本，或者干脆不输入，实验表明即使没有描述文本，效果依然出色。\n\n内存需求与输入图像的分辨率直接相关。节点中的“scale_by”参数仅用于缩放输入图像，您可以将其保持为 1.0，然后通过其他节点调整输入图像的大小。在我的测试中，使用 10GB 显存的 3080 显卡可以处理 512x512 至 1024x1024 的图像，而在 24GB 显存的设备上则可处理高达 3072x3072 的图像。系统内存的需求也很高，具体数值尚不清楚，但我估计低于 32GB 可能会出现问题，我是在 64GB 内存的机器上进行测试的。\n\n## 更新：\n- fp8 格式似乎对 UNET 效果不错，我能够在显存占用不到 10GB 的情况下完成 512p 到 2048p 的处理。但对于 VAE 来说，fp8 会导致一些伪影出现，因此建议改用 tiled_vae。\n- CLIP 模型不再需要单独加载，而是直接从您选择的 SDXL 检查点中加载。\n______\n模型镜像地址：https:\u002F\u002Fhuggingface.co\u002Fcamenduru\u002FSUPIR\u002Ftree\u002Fmain\n\n# 测试\n视频超分辨率测试（目前节点会逐帧处理输入批次）：\n\n原图：https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002F33621520-a429-4155-aa3a-ac5cd15bda56\n\n3 倍超分辨率后：https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002Fd6c60e0a-11c3-496d-82c6-a724758a131a\n\n512p 图像经 3 倍超分辨率后的效果：https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fassets\u002F40791699\u002F545ddce4-8324-45cb-a545-6d1f527d8750\n\n\n\n-------------------------------------------\n\n\n原始仓库：\nhttps:\u002F\u002Fgithub.com\u002FFanghua-Yu\u002FSUPIR\n\n#### 我们提供的模型：\n* `SUPIR-v0Q`：[百度网盘](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1lnefCZhBTeDWijqbj1jIyw?pwd=pjq6)、[Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1yELzm5SvAi9e7kPcO_jPp2XkTs4vK6aR?usp=sharing)\n\n    采用论文中的默认训练设置，具有较高的泛化能力和在大多数情况下的高质量输出。\n\n* `SUPIR-v0F`：[百度网盘](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1AECN8NjiVuE3hvO8o-Ua6A?pwd=k2uz)、[Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1yELzm5SvAi9e7kPcO_jPp2XkTs4vK6aR?usp=sharing)\n\n    采用轻度退化条件进行训练。`SUPIR-v0F` 的第一阶段编码器在面对轻微退化时能够更好地保留细节。\n\n\n## BibTeX\n    @misc{yu2024scaling,\n      title={Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild}, \n      author={Fanghua Yu and Jinjin Gu and Zheyuan Li and Jinfan Hu and Xiangtao Kong and Xintao Wang and Jingwen He and Yu Qiao and Chao Dong},\n      year={2024},\n      eprint={2401.13627},\n      archivePrefix={arXiv},\n      primaryClass={cs.CV}\n    }\n\n---\n\n## 📧 联系方式\n如有任何疑问，请发送邮件至 `fanghuayu96@gmail.com`。\n\n---\n## 仅限非商业用途声明\n本 SUPIR（“软件”）仅供非商业性使用、复制和分发。在本声明中，“非商业性”指不以商业利益或经济补偿为主要目的的行为。\n\n通过使用、复制或分发本软件，即表示您同意遵守此限制，不得在未事先获得顾金津博士书面许可的情况下将本软件用于任何商业用途。\n\n本声明绝不限制适用于本软件的任何开源许可证所赋予的权利；它仅增加了一个条件，即本软件不得用于商业目的。\n\n在任何情况下，作者或版权所有者均不对因本软件或其使用而产生的任何索赔、损害赔偿或其他责任承担法律责任，无论该责任是基于合同、侵权行为或其他原因。\n\n如需咨询或申请商业用途许可，请联系顾金津博士（hellojasongt@gmail.com）。","# ComfyUI-SUPIR 快速上手指南\n\nComfyUI-SUPIR 是一个基于 SDXL img2img 流程的高级图像超分工具，通过独特的 ControlNet 和去噪编码器实现照片级真实的图像修复与放大。相比原版，本插件优化了显存占用，支持更广泛的硬件，并提供了更灵活的节点工作流。\n\n## 环境准备\n\n### 系统要求\n- **GPU 显存**：\n  - 最低：10GB（可处理 512x512 至 1024x1024 输入，配合 fp8 模式可放大至 2048）。\n  - 推荐：24GB 及以上（可处理高达 3072x3072 的分辨率）。\n- **系统内存 (RAM)**：建议 32GB 以上（测试环境为 64GB，低于 32GB 可能遇到内存不足问题）。\n- **PyTorch 版本**：建议使用较新版本，最新稳定版 `2.2.1` 已验证可用。\n\n### 前置依赖\n- 已安装 ComfyUI 及基础运行环境。\n- `xformers`（可选）：自动检测并启用，部分情况下可提升速度。\n  - 安装命令：`pip install -U xformers --no-dependencies`\n\n## 安装步骤\n\n### 方法一：使用 ComfyUI Manager（推荐）\n在 ComfyUI Manager 中搜索 `ComfyUI-SUPIR` 并点击安装，系统将自动从 Git 克隆并处理依赖。\n\n### 方法二：手动安装\n1. 进入 ComfyUI 的 `custom_nodes` 目录：\n   ```bash\n   cd ComfyUI\u002Fcustom_nodes\n   ```\n2. 克隆仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR.git\n   ```\n3. 安装依赖：\n   - **标准环境**：\n     ```bash\n     pip install -r ComfyUI-SUPIR\u002Frequirements.txt\n     ```\n   - **Portable 便携版用户**（在 `ComfyUI_windows_portable` 目录下执行）：\n     ```bash\n     python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-SUPIR\\requirements.txt\n     ```\n   - **可选：安装 xformers 加速**（便携版）：\n     ```bash\n     python_embeded\\python.exe -m pip install -U xformers --no-dependencies\n     ```\n\n### 模型下载\n需下载以下两类模型并放入 `ComfyUI\u002Fmodels\u002Fcheckpoints` 文件夹：\n\n1. **SUPIR 主模型**（任选其一）：\n   - **SUPIR-v0Q**（默认推荐）：通用性强，画质高。\n     - [HuggingFace 镜像](https:\u002F\u002Fhuggingface.co\u002Fcamenduru\u002FSUPIR\u002Ftree\u002Fmain)\n     - [Kijai 剪枝版 (Safetensors)](https:\u002F\u002Fhuggingface.co\u002FKijai\u002FSUPIR_pruned\u002Ftree\u002Fmain) (推荐，加载更快)\n   - **SUPIR-v0F**：针对轻微退化图像训练，保留更多细节。\n   \n2. **SDXL 底模**：\n   - 任意标准的 SDXL Checkpoint 模型（如 `sd_xl_base_1.0.safetensors`），用于提供生成基础。\n\n> **注意**：CLIP 模型将直接从你选择的 SDXL Checkpoint 中加载，无需单独下载。LLaVA _captioning_ 功能未内置，你可以手动输入提示词或使用其他节点生成提示词传入，实测无提示词也能获得良好效果。\n\n## 基本使用\n\n### 核心工作流逻辑\nSUPIR 本质是一个特殊的 SDXL img2img 流程。\n- **第一阶段 (First Stage)**：使用专用的 \"denoise encoder\" VAE 进行去噪预处理。此步骤可在节点中跳过，或替换为任意其他预处理节点（如普通放大模型）。\n- **第二阶段**：执行核心的去噪与超分生成。\n\n### 快速开始示例\n1. **加载节点**：\n   - 推荐使用新版拆分节点（支持 LoRA 且更清晰），而非旧的 \"Legacy\" 单节点。\n   - 添加 `SUPIR_Model_Loader` 加载 SUPIR 模型。\n   - 添加 `SUPIR_FirstStage` (可选) 或直接连接图像到主处理节点。\n   - 添加主处理节点（通常命名为 `SUPIR_Upscale` 或类似），连接 SDXL 模型、SUPIR 模型和输入图像。\n\n2. **参数设置建议**：\n   - **scale_by**：控制放大倍数。若已在外部调整图像尺寸，可设为 `1.0`。\n   - **采样器 (Sampler)**：初学者建议使用 `Lightning` 类模型或快速采样器，虽然画质略有牺牲，但能极大加快调试速度，帮助理解各参数作用。\n   - **VAE 设置**：若开启 `fp8` 模式，UNet 运行正常，但 VAE 可能出现伪影。建议在 VAE 部分启用 `tiled_vae` (分块 VAE) 以避免此问题。\n\n3. **运行工作流**：\n   - 连接好图像输入与模型后，点击 \"Queue Prompt\"。\n   - 对于视频超分，当前节点支持批量输入帧，逐帧处理即可。\n\n### 性能优化提示\n- **低显存方案**：启用 UNet 的 `fp8` 精度，可将 512p 图像放大至 2048 分辨率且显存占用控制在 10GB 以内。\n- **高分辨率方案**：确保系统内存充足，配合 24GB+ 显存显卡可挑战 3072x3072 输出。","一位独立游戏开发者需要将低分辨率的像素概念图转化为高清宣传素材，以用于商店页面展示。\n\n### 没有 ComfyUI-SUPIR 时\n- **画质模糊失真**：传统放大算法（如 Lanczos）仅增加像素数量，导致图像边缘锯齿严重，缺乏纹理细节，无法满足高清宣发需求。\n- **硬件门槛极高**：原生 SUPIR 流程显存占用巨大，在常见的 10GB-12GB 显存显卡上极易因内存溢出（OOM）而崩溃，迫使开发者升级昂贵硬件。\n- **工作流僵化**：难以灵活调整去噪强度或结合 LoRA 模型进行风格微调，一旦效果不佳需重新跑完整个冗长流程，试错成本高昂。\n- **视频处理繁琐**：若需放大动态演示视频，缺乏批量帧处理能力，只能逐帧手动操作，效率极低且难以保证帧间一致性。\n\n### 使用 ComfyUI-SUPIR 后\n- **智能重绘细节**：基于 SDXL 的图生图管线能“脑补”出合理的皮肤纹理、布料质感等高频细节，将 512p 小图无损升级为 2K\u002F4K 高清大图。\n- **显存优化显著**：支持 fp8 量化与分块 VAE（tiled_vae）技术，使 10GB 显存的 RTX 3080 也能流畅运行从 512p 到 2048p 的放大任务，大幅降低硬件成本。\n- **节点灵活可控**：模块化节点设计允许自由替换预处理步骤、挂载 LoRA 模型或调整采样器，开发者可快速迭代参数，精准控制生成风格。\n- **批处理高效便捷**：内置对输入批次的支持，可自动逐帧处理视频序列，轻松实现高质量的游戏实机演示视频超分，极大提升产出效率。\n\nComfyUI-SUPIR 通过极致的显存优化与灵活的节点编排，让普通消费级显卡也能低成本实现影视级的图像与视频超分辨率重建。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-SUPIR_3fd7789d.png","kijai","Jukka Seppänen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkijai_5a67a464.jpg",null,"Finland","kijaidesign","https:\u002F\u002Fgithub.com\u002Fkijai",[80],{"name":81,"color":82,"percentage":83},"Python","#3572A5",100,2255,118,"2026-04-16T17:31:56","NOASSERTION",4,"Windows, Linux, macOS","需要 NVIDIA GPU。测试显示：10GB 显存 (如 RTX 3080) 可处理 512x512 至 1024x1024 分辨率（配合 fp8 可达 2048）；24GB 显存可处理高达 3072x3072 分辨率。支持 xformers 加速（可选）。","最低未说明，推荐 64GB（文中指出低于 32GB 可能会遇到问题）",{"notes":93,"python":94,"dependencies":95},"1. 必须安装 SDXL 底模和 SUPIR 专用模型（存放于 ComfyUI\u002Fmodels\u002Fcheckpoints）。2. 不再需要单独下载 CLIP 模型（直接从 SDXL 检查点加载）。3. 建议使用分块 VAE (tiled_vae) 以避免 fp8 模式下的伪影。4. 可选安装 LLaVA 用于生成提示词，也可直接输入文本或留空。5. 提供剪枝版模型以节省空间。","需较新版本，兼容 PyTorch 2.2.1",[96,97,98],"torch>=2.2.1","xformers (可选)","safetensors",[15,35],"2026-03-27T02:49:30.150509","2026-04-18T22:33:50.619994",[103,108,113,118,123,128],{"id":104,"question_zh":105,"answer_zh":106,"source_url":107},40771,"遇到 'ModuleNotFoundError: No module named ComfyUI-SUPIR' 错误怎么办？","建议删除现有的插件文件夹，然后使用 git clone 重新安装。具体步骤：1. 删除 custom_nodes 目录下的 ComfyUI-SUPIR 文件夹；2. 在该目录下运行 'git clone https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR.git'。不要直接复制文件夹到 site-packages，这可能导致网络连接异常等副作用。如果使用的是 ComfyUI Manager，尝试切换到 nightly 版本也可能解决问题。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fissues\u002F178",{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},40772,"更新 ComfyUI 后 SUPIR 节点无法加载或工作怎么办？","这通常是由于依赖项（如 kornia 或 flash-attn-cuda）冲突引起的。首先尝试更新 ComfyUI-SUPIR 插件到最新版本，维护者已移除了不必要的 kornia 导入以修复兼容性问题。如果仍然报错（特别是涉及 flash-attn-cuda），请检查日志中的具体错误信息，可能需要重新安装插件或更新相关的 CUDA 依赖。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fissues\u002F144",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},40773,"执行 SUPIR_Upscale 时报错 'Input type (struct c10::Half) and bias type (float) should be the same' 如何解决？","这是数据类型不匹配问题。不需要全局使用 '--force-fp32' 参数（这会占用大量显存影响其他工作流）。请在 SUPIR 节点上手动选择数据类型（dtype），将自动选项改为具体的精度设置（如 FP32 或 FP16），只有‘自动’选项才会遵循 ComfyUI 的启动参数。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fissues\u002F29",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},40774,"在较新版本的 ComfyUI 中加载 SDXL 模型失败并抛出 'Exception: Failed to load SDXL model' 错误？","这是由于 ComfyUI Desktop 的动态显存管理（DynamicVRAM\u002FAIMDO）导致模块延迟初始化，使得 accelerate 库无法正确加载状态字典。解决方法：删除通过 ComfyUI Manager 安装的节点文件夹，手动使用 'git clone' 在 custom_nodes 文件夹中安装最新版（显示为 nightly 版本）。如果问题依旧，可能需要应用针对 lazy-init 模块的特定代码修复或使用稳定版 ComfyUI。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fissues\u002F205",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},40775,"加载模型后 ComfyUI 崩溃或切换模型时崩溃怎么办？","该问题在早期版本中存在，目前已通过更新修复。如果遇到崩溃，请确保更新到最新的 ComfyUI-SUPIR 插件版本。如果是在复杂工作流中崩溃，尝试简化工作流测试是否为模型切换引起。维护者表示特定的模型切换崩溃问题已解决，若仍发生请提交新的 Issue 并提供详细日志。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-SUPIR\u002Fissues\u002F13",{"id":129,"question_zh":130,"answer_zh":131,"source_url":112},40776,"安装后导入失败，日志显示 'IMPORT FAILED' 且涉及 open-clip-torch 或 flash-attn 怎么办？","这通常是环境依赖问题。首先尝试完全卸载并重新通过 git clone 安装插件。检查是否安装了正确版本的 'open-clip-torch'（如 2.24.0）和 'flash-attn'。如果是 Windows 用户且使用 Stability Matrix 等集成包，确保 Python 环境和 CUDA 版本与插件要求匹配。查看详细日志（comfyui.log）以获取具体的缺失模块或版本冲突信息。",[]]