今天给大家演示一个基于ComfyUI的双阶段生成与放大工作流，该流程通过加载不同的核心模型，结合提示词与负面提示的文本编码，先生成初始图像，再利用潜空间放大与二次采样实现高分辨率、细节更丰富的最终输出。工作流的设计重点在于用分层模型和节点组合，让生成画面在质量和尺寸上都能得到提升。文章目录工作流介绍核心模型Node节点工作流程大模型应用CLIPTextEncode（正向 Prompt） 主语义生成控制CLIPTextEncode（负向 Prompt） 质量过滤与排除控制CLIPTextEncode（第二阶段 正向 Prompt） 高分辨率细节强化CLIPTextEncode（第二阶段 负向 Prompt） 高分辨率缺陷抑制使用方法应用场景开发与应用工作流介绍这个工作流主要围绕两个核心模型展开：首先加载DreamShaper_8_pruned.safetensors用于初始图像生成，随后切换到v1-5-pruned-emaonly-fp16.safetensors来完成二次采样和增强，从而结合两者的优势，得到高质量且逼真的结果。在模型的支持下，工作流依靠多个 Node 节点协同完成，包括EmptyLatentImage负责建立潜空间输入，CLIPTextEncode分别对正向与负向提示词进行编码，KSampler执行采样生成，LatentUpscaleBy进行潜空间图像放大，而VAEDecode则将潜空间结果解码成最终图像并通过SaveImage保存。整体流程通过这些节点的有机组合，实现了从文本到图像再到高分辨率图像的完整链路。核心模型在整个工作流中，模型的选择与切换起到至关重要的作用。初始的 DreamShaper 模型以更具艺术感和表现力的生成见长，而 v1-5 模型则保证了稳定扩散在细节还原和真实感方面的优势。这种双模型的结合让生成的图像既有创意风格，又能在放大环节保持清晰度和真实感。
