质量控制
掌握质量控制技巧，提升AI生成图像的整体品质。从提示词优化到后期处理，全面提升图像质量。
预计阅读时间：45分钟·难度：中级·更新：2024年12月
质量控制概述
高质量的AI图像生成需要多环节的配合。从提示词编写、参数设置、模型选择到后期处理，每个环节都影响着最终输出质量。
质量影响因素
📝 提示词质量
清晰、具体、结构良好的描述
⚙️ 参数设置
步数、CFG、采样器等参数优化
🎨 模型选择
合适的基模型和微调模型
🔧 后期处理
高清修复、超分辨率、细节增强
💡 质量控制核心原则
- • 质量问题优先从源头（提示词、模型）解决
- • 后期处理是锦上添花，不是万能补救
- • 不同场景有不同的质量标准
- • 预览速度与最终质量需要平衡
质量关键词
质量关键词是控制图像质量最直接的方式。合理使用可以显著提升生成效果。
正向质量词
高质量关键词组
通用质量词
masterpiece, best quality, highly detailed, professional, high resolution分辨率相关
8k, 4k, ultra HD, UHD, sharp focus, highres细节相关
intricate details, fine details, detailed texture, hyperdetailed摄影相关
professional photography, studio quality, award winning photo, DSLR负面质量词
常用负面提示词模板
low quality, worst quality, bad quality, blurry, pixelated, low resolution, jpeg artifacts, noise, grain, watermark, signature, text, username, artist name人物专用负面词
bad anatomy, bad hands, bad face, malformed, deformed, extra fingers, missing fingers, extra limbs, missing limbs, fused body parts, poorly drawn face, poorly drawn hands, mutation💡 质量词使用技巧
- • 质量词放在提示词开头效果更好
- • 使用权重增强关键词：(best quality:1.2)
- • 不要堆砌过多质量词，可能适得其反
- • 不同模型对质量词的敏感度不同
分辨率控制
原生分辨率
| 模型 | 原生分辨率 | 支持比例 | 建议 |
|---|---|---|---|
| SD 1.5 | 512×512 | 1:1, 3:2, 2:3 | 可用Hires.fix放大 |
| SD 2.x | 768×768 | 1:1, 4:3, 3:4 | 更多细节 |
| SDXL | 1024×1024 | 灵活比例 | 支持多种比例 |
| SD3 | 1024×1024 | 任意比例 | 最新技术 |
高清修复（Hires.fix）
Hires.fix工作原理
- 在低分辨率生成初始图像
- 放大到目标分辨率
- 在放大后的图像上进行二次去噪
- 输出高分辨率最终图像
Hires.fix参数设置
| 参数 | 推荐值 | 说明 |
|---|---|---|
| Upscaler | 4x-UltraSharp / R-ESRGAN | 放大算法选择 |
| Upscale by | 1.5-2.0 | 放大倍数 |
| Denoising strength | 0.3-0.5 | 二次去噪强度 |
| Steps | 20-30 | 二次去噪步数 |
超分辨率放大
常用超分辨率模型
4x-UltraSharp
通用高质量放大，细节保留好
R-ESRGAN 4x+
适合写实照片，效果稳定
R-ESRGAN 4x+ Anime6B
专为动漫图片优化
SwinIR
传统方法，平滑自然
细节增强
Tile ControlNet
Tile ControlNet是增强细节的强大工具：
使用方法
- 加载Tile ControlNet模型
- 设置预处理器为"tile_resample"
- 调整权重（建议0.8-1.0）
- 配合高分辨率使用
- 可以添加细节描述提示词
💡 Tile使用技巧
- • Tile适合放大后的细节增强
- • 配合二次提示词效果更好
- • 权重过高可能导致纹理过度
- • 可以在放大过程中应用
迭代优化
迭代优化流程
1
快速预览
低步数、低分辨率快速生成预览
2
选择最佳
从多张预览图选择最佳构图
3
高质生成
提高步数和分辨率，使用相同种子
4
高清修复
应用Hires.fix或Tile放大
常见问题
问题诊断与解决
图像模糊
- • 原因：步数过少、采样器不适合、VAE缺失
- • 解决：增加步数到30+、更换采样器、加载VAE
细节缺失
- • 原因：分辨率过低、提示词缺乏细节
- • 解决：使用Hires.fix、添加细节关键词、使用Tile
结构变形
- • 原因：非标准分辨率、CFG过高、模型不适合
- • 解决：使用标准分辨率、降低CFG、更换模型
颜色失真
- • 原因：VAE缺失、CFG过高、模型问题
- • 解决：加载正确VAE、降低CFG、检查模型
噪点过多
- • 原因：步数不足、采样器问题
- • 解决：增加步数、尝试不同采样器
质量工作流
推荐工作流程
预览阶段
低分辨率(512) + 20步 + Euler a，快速迭代提示词
优化阶段
确定提示词后，使用目标分辨率 + 30步 + DPM++ 2M
放大阶段
Hires.fix 2倍放大 + 0.4去噪强度
细节增强（可选）
Tile ControlNet + 细节提示词
💡 质量控制总结
- • 好的提示词是高质量的基础
- • 合适的参数比高参数更重要
- • Hires.fix是提升质量的有效手段
- • 迭代优化优于一次性追求完美
- • 建立自己的质量检查清单