放大思路

在 ComfyUI 的进阶工作流中，TTP（Tiled Tiled Prompting / TTP-Toolset）、SeedVR（通常指 SeedVR2） 和 SUPIR 代表了当前 AI 放大领域的“天花板”技术。

为了让你更深入理解这些工具，我们需要从显存管理、语义理解、生成细节三个维度进行对比分析。

一、 TTP + SeedVR2 与直接放大的区别[1][2][3]

这是目前 8K 级超高清放大的主流方案。[1]

1. 核心定义

• SeedVR2：由字节跳动开发的一步式（One-step）扩散变换器（DiT）模型。它不仅是放大模型，更是一个“修复专家”，擅长在极短时间内（1步）去除模糊并保持画面结构。[4]
• TTP (TTP-Toolset / Ttplanet)：这是一套分块引导工具。它最核心的创新是**“局部提示词辅助”**——它会利用 Florence-2 等模型对每个分块（Tile）进行单独描述（Captioning），再喂给扩散模型。[1]

2. “TTP + SeedVR2” 组合 vs “直接放大”[1][3]

• 抗幻觉（TTP 的功劳）：直接放大（如 Ultimate SD Upscale）只是简单重叠。当放大倍率极大时，模型容易在不该出现的地方生成“诡异物体”（如在云朵里生成眼睛）。TTP 通过对每一小块进行“语义标注”，确保模型在处理该区域时知道它是“天空”还是“皮肤”，从而极大降低幻觉。
• 结构稳定性（SeedVR2 的功劳）：传统的 Tile 放大容易在接缝处出现断层。SeedVR2 具备极强的全局结构感知，即使分块处理，它也能保证画面的景深和空间感不坍塌。
• 显存效率：SeedVR2 配合 BlockSwap（块交换）技术，可以让你在 8G 显存上跑出 4K/8K 结果，而传统直出的显存需求是指数级增长的。

总结： 直接放大适合 2 倍以内的轻微提升；TTP + SeedVR2 适合从低分辨率（如 720p）直接跳跃到 4K/8K，且需要极高逻辑一致性的场景。[1]

二、 SUPIR 放大 vs 模型放大（ESRGAN/DAT 等）[1]

这代表了“重装修复”与“轻量优化”两条路线。[1][5]

1. SUPIR (Semantic Image Restoration)[6][7][8]

• 性质：基于 SDXL 训练的“语义级”修复模型。[1]
• 优势：重建能力。它不是在拉伸像素，而是在“重画”细节。如果你的原图非常糊，SUPIR 能根据语义理解（比如这块是睫毛），给你凭空长出清晰的睫毛。
• 劣势：慢、极重。至少需要 12G-24G 显存，且生成一张图可能需要几分钟。它对原图的改动（AIGC味）比 SeedVR2 更重。

2. 模型放大 (Model Upscale, 如 ESRGAN, DAT, Real-HAT)