模糊老视频如何快速放大变高清ComfyUI-SeedVR2 视频放大完整实操指南【免费下载链接】ComfyUI-SeedVR2_VideoUpscalerOfficial SeedVR2 Video Upscaler for ComfyUI项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-SeedVR2_VideoUpscalerComfyUI-SeedVR2_VideoUpscaler 是基于单步扩散模型的视频放大工具装进 ComfyUI 后能把低清视频、照片一步放大到 1080P 甚至更高帧间不闪不抖。适合有一台带独立显卡电脑、想修复老视频或放大照片的新手。低清视频放大发虚又闪烁问题出在哪把低清视频直接拉大只会得到一张更糊的放大版逐帧独立放大时帧与帧之间的运动还会错位产生闪烁。ComfyUI-SeedVR2_VideoUpscaler 用单步扩散模型做视频放大不是拉伸像素而是以低清画面为参照重画一版高清并且多帧成批处理让运动保持连贯。 单步扩散模型怎么完成视频放大整条链路分四步VAE 先把视频帧压缩成潜空间表示DiT扩散变换器在这一步内完成放大VAE 再解码回像素最后做颜色校正让输出色彩贴近原片。最反直觉的是一步传统扩散模型要迭代几十次采样SeedVR2 一次前向就出结果这是它能用在视频上的关键也是它比逐帧重画快得多的原因。帧间不闪靠的是批同一批的若干帧一起处理批量帧数必须满足 4n1 公式1、5、9、13、17、21 这类数相邻批之间再共享几帧做重叠混合temporal_overlap过渡就平滑了。左边是原始 512x768 帧右边是 3B FP8 模型放大到 1808x2720 的结果轮廓、汗珠、屏幕纹理都清晰可辨。理解原理之后下一步是让它真的出片。 四步装好 ComfyUI-SeedVR2 并出第一次片装节点在 ComfyUI 打开 Custom Nodes Manager搜索 ComfyUI-SeedVR2_VideoUpscaler安装后重启 ComfyUI。想手动管理也行在 ComfyUI 目录下执行一条命令把仓库克隆进自定义节点目录git clone https://gitcode.com/gh_mirrors/co/ComfyUI-SeedVR2_VideoUpscaler custom_nodes/seedvr2_videoupscaler摆节点节点组是模块化的共 4 个——DiT 模型节点、VAE 模型节点、可选的 torch.compile 设置节点、主放大节点按顺序接到视频加载节点后面。模型自动下载不用手动找模型。首次运行时 DiT 和 VAE 模型会自动下载到ComfyUI/models/SEEDVR2目录。点队列首次运行等模型下完跑完就能看到放大后的视频。如果不想动界面仓库里的 inference_cli.py 提供命令行入口一条命令即可python inference_cli.py video.mp4 --resolution 1080 --batch_size 21其中 1080 是目标短边像素21 是每批处理的帧数同样满足 4n1。参数都有默认值但下面四个最影响结果。️ 关键参数速读各控制什么、默认取多少参数控制什么默认值resolution目标短边像素宽高比自动保持1080batch_size每批帧数必须满足 4n11/5/9/13/17/21…越大运动越稳、单帧越快但越吃显存5max_resolution任意一条边的上限超出自动缩小以防爆显存0不限color_correction颜色校正方法lab 色彩还原最忠实wavelet 观感更自然节点默认 waveletCLI 默认 lab想复现同一结果时seed 默认 42——相同种子加相同输入输出完全一致。参数有了下面走一遍从素材到成片的完整操作。把 640x360 短视频升到 1080P 的完整流程以仓库example_workflows/目录里的示例视频 Mustache_640x360.mp4短边 360 像素为例目标是 1080P。加载视频加一个视频加载节点指向这个 MP4节点里能看到画面预览和 1 秒时长。配 DiT 节点选seedvr2_ema_3b_fp16.safetensors12GB 显存可跑显存不足就换 GGUF 量化版device 填 cuda:0offload_device 填 cpu。配 VAE 节点选ema_vae_fp16.safetensorsoffload_device 填 cpu若后续要冲 4K现在就把 encode_tiled 和 decode_tiled 打开瓦片大小默认 1024、重叠默认 128。配主节点resolution 1080batch_size 33temporal_overlap 3prepend_frames 4视频开头补几帧处理、结束自动移除用来减少开头伪影color_correction 选 lab。运行首次运行卡在模型下载属正常之后控制台依次走完编码、放大、解码、后处理四个阶段。你会看到什么输出短边从 360 变成 1080成片约 2160x1080帧数帧率不变批与批的边界没有可见跳变。这就是对应的 ComfyUI 工作流左侧加载视频中间是四个 SeedVR2 节点右侧输出 1080P 成片注意 torch.compile 已接上首次运行会因编译稍慢之后明显变快。细节经得起放大看四组局部裁切眼睛、握拳的手、肩线、屏幕左为原图、右为放大后纹理增强肉眼可见。要放大单张照片的话结构一样图片进同一个三节点链路唯一区别是 batch_size 可以取 1单图不需要时间连贯这是仓库内的单图放大工作流右侧 2742x4096 的成图来自 320x478 的小图输入参数区可见 VAE 分块已开启瓦片 1024、重叠 128这是高分辨率防爆显存的标准做法。该选哪套配置取决于你的硬件。低显存、中显存、高显存显卡的模型与参数速查显存档位推荐模型内存技巧batch_size目标分辨率8GB 以下seedvr2_ema_3b-Q4_K_M.gguf或 Q8_0offload cpu blocks_to_swap32 swap_io_componentsVAE 编码/解码分块全开572012–16GBseedvr2_ema_3b_fp8_e4m3fn.safetensors分块按需开启9–21108024GB 以上seedvr2_ema_3b_fp16.safetensors或 7B FP16无需内存技巧开 torch.compileDiT 阶段提速 20–40%21–8110807B 模型细节更足但显存需求高一档中显存想用 7B 可选混合精度版seedvr2_ema_7b_fp8_e4m3fn_mixed_block35_fp16.safetensors。节点还支持在多次运行间缓存模型cache_model批量处理一个文件夹时不用每个视频重新加载。有两卡以上的话CLI 的--cuda_device传两个卡号即可把视频按帧拆开、各卡独立跑完整链路再用--temporal_overlap3 左右混合接缝不过 100 帧以内的短片单卡反而更快多卡的模型加载开销不划算。显存不够时 OOM 是绕不开的按阶段处理。 内存溢出 OOM 的三种修法按处理阶段对号入座编码阶段溢出现象调试日志显示 OOM 出现在 Encoding 阶段。原因VAE 一次性编码整帧画面显存随分辨率平方增长。解法打开 encode_tiled仍溢出就把 encode_tile_size 从 1024 降到 768 或 512。放大阶段溢出现象OOM 出现在 upscaleDiT阶段。原因模型加中间张量合计超过显存。解法开 BlockSwap——offload_device 设 cpublocks_to_swap 从 16 起步仍溢出再逐步加到 323B 模型上限 327B 上限 36配合 swap_io_components 再省一截。解码阶段溢出现象OOM 出现在 Decoding 阶段。原因全分辨率一次解码。解法打开 decode_tiled仍溢出就降 decode_tile_size。还有一个非 OOM 但高频出现的情况高分辨率输出出现细密噪点或重影。原因是模型过度脑补细节解法是把 input_noise_scale 提到 0.1–0.3 给输入加一点噪声不奏效再试 latent_noise_scale 0.05–0.15。上面都试过仍不行最后手段是降 batch_size 或分辨率。配置跑通之前先确认你的场景适不适合它。不适合 SeedVR2 的三类场景与收尾建议三类情形真不建议上没有独立显卡、只有 CPU整条链路跑在 GPU 上CUDA、MPS、ROCm 均可纯 CPU 没有可行路径。追求实时或几分钟出活的速度VAE 编码/解码是真正的瓶颈DiT 再怎么优化也压不过它超长视频还要分块流式处理不适合实时场景。macOS 低显存调优统一内存架构下 BlockSwap 会自动禁用省显存的手段明显少于 NVIDIA 平台。收尾建议12GB 以上显存最短路径是 FP8 3B 模型加默认参数加 resolution 1080先用 10 秒短片验证画质再跑全片显存低于 8GB先别追分辨率用 GGUF 模型加 BlockSwap 把 720P 跑稳。【免费下载链接】ComfyUI-SeedVR2_VideoUpscalerOfficial SeedVR2 Video Upscaler for ComfyUI项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-SeedVR2_VideoUpscaler创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考