采样器与调度器

一、先分清两个概念

一个比喻:Sampler 是"怎么走",Scheduler 是"路怎么铺"——两者组合决定你从纯噪声到清晰图的路径。

二、Sampler 家族速览

怎么记这张表

1. 默认就选 dpmpp_2m——80% 场景最佳折衷
2. 想要更稳、细节更好:换 dpmpp_2m_sde(+5-10 步)
3. 少步数(< 15):用 uni_pc 或 euler
4. LCM/Turbo/Lightning 蒸馏模型:sampler 必须跟模型匹配——LCM 选 lcm,Lightning 选 euler,Turbo 选 dpmpp_sde
5. img2img / Inpaint:ddim 更稳,但 dpmpp_2m 也行

三、Scheduler 家族

实战 Scheduler 选择

• SDXL:karras——几乎就别换
• SD1.5:karras 或 normal,两者差异不大
• Flux:simple 或 beta——Flux 的文档建议用 simple
• 视频模型:sgm_uniform 对 AnimateDiff / SVD 最佳

四、Steps:多少步够?

直觉:步数越多,画面越精细。实际上:过了"饱和点"再加步数,肉眼几乎看不出差异,但推理时间线性增加。

五、CFG(Classifier-Free Guidance Scale)

CFG 控制"文字 prompt 的权重"——越高模型越"听话",越低越自由发挥。但高 CFG 有副作用:过饱和、焦糊、手部畸形。

六、Denoise:img2img / Inpaint 的灵魂参数

在 KSampler 里,denoise 参数决定"多大程度重画"。文生图永远是 1.0;img2img 时才有意义:

• 1.0——完全重生成,原图只影响构图种子(基本等于文生图)
• 0.7-0.9——大改造,保持原构图但换画风
• 0.4-0.6——中等改,修人脸/换衣服常用
• 0.2-0.3——微调,Hi-Res Fix 第二阶段经典值
• 0.05-0.15——几乎不改,给图做"轻度清理"

一个反直觉的公式:实际执行步数 = steps × denoise。设 steps=30,denoise=0.5,实际只跑 15 步——但起点不是纯噪声而是原图加 50% 噪声。

七、Seed:可复现的核心

Seed 是随机种子——同 seed + 同参数 + 同模型 = 同一张图(确定性 sampler 下)。

• -1:每次随机(探索阶段用)
• 固定值:调参时必须固定,否则你没法判断"是参数变了还是 seed 变了导致画面变"
• fixed / increment / randomize / decrement:ComfyUI KSampler 的 control_after_generate 选项——"每次生成后 seed 怎么变"。调参固定,出品用 randomize

八、ComfyUI 高级节点:SamplerCustom / SamplerCustomAdvanced

默认 KSampler 把 sampler 和 scheduler 绑死;想做更细的控制用 SamplerCustom,把 sampler 和 sigmas 拆成两个节点:

用法场景:

• 分两段不同 sampler:前 15 步 dpmpp_2m 构图,后 10 步 dpmpp_2m_sde 润细节
• 自定义 sigma 曲线:SDXL Turbo 甚至可以完全不用标准 scheduler,自己定义 [14, 10, 5, 1] 四步
• CFG scheduler:前期 CFG 高,后期 CFG 低,减少灼伤同时保持遵循 prompt

九、各家"甜点配方"速查

SDXL(社区微调,如 Juggernaut)

sampler:   dpmpp_2m
scheduler: karras
steps:     28
cfg:       6.5
denoise:   1.0
分辨率:    1024×1024 / 1216×832 / 832×1216

Flux.1 dev

sampler:       euler          (Flux 官方推荐)
scheduler:     simple / beta
steps:         20-25
cfg:           1.0            (KSampler 上的)
FluxGuidance:  3.5            (实际文字引导强度)
denoise:       1.0
分辨率:        1024×1024 / 1440×720 等,Flux 支持非标准比例

SDXL Lightning 8-step

sampler:   euler
scheduler: sgm_uniform
steps:     8
cfg:       1.5
denoise:   1.0

Pony V6

sampler:   euler_ancestral / dpmpp_2m_sde
scheduler: karras
steps:     25-30
cfg:       7
正向必加:  score_9, score_8_up, score_7_up, source_anime

Hi-Res Fix(SDXL 二阶段放大)

一阶段 KSampler: 1024 出图,steps=25,denoise=1.0
放大节点: Upscale Latent by 1.5 (或先用 ESRGAN/4x-UltraSharp 放大)
二阶段 KSampler: steps=15, denoise=0.4-0.5, 同 sampler

十、调参的"科学"方法

改 prompt 都用随机 seed → 看到好图固定 seed → 再微调参数——这才是正确顺序:

1. Prompt 探索:固定 sampler/steps/cfg,只改 prompt,seed 随机
2. 挑到好构图:记下那张图的 seed(ComfyUI 输出 metadata 里有)
3. 固定 seed 调参:固定那个 seed,对比 cfg=5 vs 6 vs 7、steps=20 vs 30——这时画面只因参数变化
4. 批量出图:参数调定后,seed 随机,batch_size=4,挑最好的
5. Hi-Res:把挑中的那张送入 upscale pipeline

十一、反模式

1. CFG 设 15 逼模型听话:反而画面崩。低 CFG + 更好的 prompt 才是正道。
2. 蒸馏模型配高步数:Turbo/Lightning 设 30 步会出奇怪噪点——跟模型文档的 step 来。
3. 调参不固定 seed:永远分不清是参数影响还是 seed 影响,白折腾。
4. Scheduler 无脑用 normal:SDXL 上 normal 质量不如 karras,但新手 KSampler 默认是 normal——记得手动改。
5. Flux 忘了 FluxGuidance:直接 cfg=1 画面没引导,模型"摆烂";必须用 FluxGuidance 节点设 3.5。
6. 一直 steps 50:浪费时间。25-30 已足够,省下的时间多跑几张 seed。

十二、本章小结