KSampler 是 ComfyUI 出图质量的核心节点。下面按参数逐项讲解含义、取值建议与调优思路。参数总览参数作用常用范围seed随机种子任意固定后可复现control_after_generate种子在每次生成后如何变化fixed / increment / decrement / randomizesteps采样迭代步数20–40SDXL 25–35cfg提示词引导强度4–8sampler_name采样算法euler / dpmpp_2m / dpmpp_3m_sde 等scheduler噪声调度策略normal / karras / exponential 等denoise去噪强度文生图 1.0图生图 0.3–0.751. seed种子决定初始噪声分布同参数同种子 同结果是复现和对比调参的基础。调参阶段建议先fixed固定种子只改一个参数观察差异满意后再randomize批量产图。2. steps步数步数越多去噪越精细但收益递减且耗时线性增长。经验值SD1.520–30SDXL25–35配合高阶采样器如dpmpp_2m20 步左右即可收敛。判断是否够用固定种子逐步加 steps当画面不再有明显变化即为“收敛点”再加只是浪费算力。3. cfgClassifier-Free Guidance控制“贴合提示词”与“画面自然度”的平衡。过低3忽略提示词构图发散、发灰。合理4–8大多数模型甜区。过高12过饱和、对比度炸裂、出现锐化伪影、细节崩坏。调优要点写实模型偏低3–6插画/二次元可略高7–9。cfg 与 steps 有耦合cfg 高时往往需要更多 steps 才稳定。若用了 cfg 类修正节点如 CFG rescale / dynamic thresholding可承受更高 cfg 而不过曝。4. sampler_name采样器常用分类收敛快、稳定euler、euler_ancestral、dpmpp_2mdpmpp_2m是综合首选速度质量平衡好。SDE 系细节更丰富、带随机性dpmpp_2m_sde、dpmpp_3m_sde适合追求纹理细节但同种子可复现性稍弱。ancestral带 a每步注入噪声结果更多样但 steps 不足时不易收敛、难复现。建议起步用dpmpp_2m karras要更多细节换dpmpp_2m_sde karras。5. scheduler调度器控制噪声在各步间的分配曲线。normal均匀基础可用。karras低噪声段更密集细节与画质普遍更好最常用。exponential噪声衰减更陡风格化。sgm_uniform部分 SDXL / 新模型推荐。beta/simple特定模型或快速预览。sampler_name scheduler是组合拳最稳的通用组合是dpmpp_2mkarras。6. denoise去噪强度文生图必须1.0从纯噪声开始。图生图 / Hires Fix 第二段0.3–0.5轻微修饰保留原构图。0.5–0.7明显重绘加细节、改风格。0.75接近重画原图影响弱。Hires 放大常用0.4–0.6过高会“画蛇添足”改变主体过低则放大不出新细节。实用调优流程固定种子先用基线steps25、cfg6、dpmpp_2m、karras、denoise1.0。调 cfg±1 步进找语义贴合又不过曝的点。调 steps找收敛点能减就减以提速。换采样器/调度器在质量需求高时尝试 SDE 系 karras。Hires Fix二段 KSamplerdenoise设 0.4–0.6 放大补细节。满意后randomize批量出图择优。常见问题速查现象可能原因调整过曝/过饱和cfg 太高降 cfg或加 CFG rescale画面发灰、不贴词cfg 太低升 cfg噪点/未收敛steps 不足尤其 ancestral/SDE加 steps 或换非 ancestral出图慢steps 过多找收敛点下调图生图改太多denoise 太高降 denoise放大无新细节Hires denoise 太低升到 0.5 左右
ComfyUi KSampler 参数调优详解
KSampler 是 ComfyUI 出图质量的核心节点。下面按参数逐项讲解含义、取值建议与调优思路。参数总览参数作用常用范围seed随机种子任意固定后可复现control_after_generate种子在每次生成后如何变化fixed / increment / decrement / randomizesteps采样迭代步数20–40SDXL 25–35cfg提示词引导强度4–8sampler_name采样算法euler / dpmpp_2m / dpmpp_3m_sde 等scheduler噪声调度策略normal / karras / exponential 等denoise去噪强度文生图 1.0图生图 0.3–0.751. seed种子决定初始噪声分布同参数同种子 同结果是复现和对比调参的基础。调参阶段建议先fixed固定种子只改一个参数观察差异满意后再randomize批量产图。2. steps步数步数越多去噪越精细但收益递减且耗时线性增长。经验值SD1.520–30SDXL25–35配合高阶采样器如dpmpp_2m20 步左右即可收敛。判断是否够用固定种子逐步加 steps当画面不再有明显变化即为“收敛点”再加只是浪费算力。3. cfgClassifier-Free Guidance控制“贴合提示词”与“画面自然度”的平衡。过低3忽略提示词构图发散、发灰。合理4–8大多数模型甜区。过高12过饱和、对比度炸裂、出现锐化伪影、细节崩坏。调优要点写实模型偏低3–6插画/二次元可略高7–9。cfg 与 steps 有耦合cfg 高时往往需要更多 steps 才稳定。若用了 cfg 类修正节点如 CFG rescale / dynamic thresholding可承受更高 cfg 而不过曝。4. sampler_name采样器常用分类收敛快、稳定euler、euler_ancestral、dpmpp_2mdpmpp_2m是综合首选速度质量平衡好。SDE 系细节更丰富、带随机性dpmpp_2m_sde、dpmpp_3m_sde适合追求纹理细节但同种子可复现性稍弱。ancestral带 a每步注入噪声结果更多样但 steps 不足时不易收敛、难复现。建议起步用dpmpp_2m karras要更多细节换dpmpp_2m_sde karras。5. scheduler调度器控制噪声在各步间的分配曲线。normal均匀基础可用。karras低噪声段更密集细节与画质普遍更好最常用。exponential噪声衰减更陡风格化。sgm_uniform部分 SDXL / 新模型推荐。beta/simple特定模型或快速预览。sampler_name scheduler是组合拳最稳的通用组合是dpmpp_2mkarras。6. denoise去噪强度文生图必须1.0从纯噪声开始。图生图 / Hires Fix 第二段0.3–0.5轻微修饰保留原构图。0.5–0.7明显重绘加细节、改风格。0.75接近重画原图影响弱。Hires 放大常用0.4–0.6过高会“画蛇添足”改变主体过低则放大不出新细节。实用调优流程固定种子先用基线steps25、cfg6、dpmpp_2m、karras、denoise1.0。调 cfg±1 步进找语义贴合又不过曝的点。调 steps找收敛点能减就减以提速。换采样器/调度器在质量需求高时尝试 SDE 系 karras。Hires Fix二段 KSamplerdenoise设 0.4–0.6 放大补细节。满意后randomize批量出图择优。常见问题速查现象可能原因调整过曝/过饱和cfg 太高降 cfg或加 CFG rescale画面发灰、不贴词cfg 太低升 cfg噪点/未收敛steps 不足尤其 ancestral/SDE加 steps 或换非 ancestral出图慢steps 过多找收敛点下调图生图改太多denoise 太高降 denoise放大无新细节Hires denoise 太低升到 0.5 左右
