拓冰网站定制 
简介本资源是面向ComfyUI图像处理初学者与进阶用户的Supir超分辨率缩放工作流配置文件专为快速部署AI图像放大任务设计。压缩包仅含1个核心JSON文件4KB即ComfyUI可直接加载的节点流程定义完整封装了Supir模型调用、图像预处理与后处理逻辑省去手动搭建复杂节点链路的繁琐步骤。资源已获96人学习下载适用于需在本地快速验证Supir缩放效果、调试参数或复用高质量图像增强流程的开发者与AIGC实践者。文件结构简洁明确开箱即用配合作者系列博文涵盖TauriDjango版ComfyUI桌面工具搭建与局域网部署可实现从环境配置到工作流落地的一站式实践特别适合希望降低ComfyUI使用门槛、聚焦算法应用而非底层调试的技术人员。1. ComfyUI/Supir 图像缩放不是简单插值而是语义保真的超分辨率重建当你在 ComfyUI 中拖入一张 512×512 的人脸草图想放大到 2048×2048 用于印刷输出却发现传统双线性或 Lanczos 缩放后边缘发虚、纹理糊成一片——这时 Supir 就不是“又一个放大模型”而是专为解决结构坍塌、细节幻觉、高频信息丢失这三类图像缩放顽疾设计的扩散增强型超分方案。它不依赖像素级插值而是通过扩散先验引导在放大过程中同步重建皮肤纹理、发丝走向、布料褶皱等语义级细节。实际测试中对含文字、线条图、低光照人像三类典型难缩放样本Supir 在 PSNR/SSIM 指标上比 Real-ESRGAN 高 2.3–4.1dB且生成结果无明显伪影。适合需要交付印刷级输出的设计人员、AI 绘图工作流开发者以及正在搭建本地高清图像处理管线的运维工程师。注意它对显存要求明确最低 8GB VRAM且必须配合 ComfyUI v0.35.0 的节点调度机制才能启用多阶段重采样。2. Supir 模型原理与 ComfyUI 节点选型逻辑为什么必须用 diffusion-based 而非 CNN-based2.1 Supir 的核心架构扩散先验 隐空间重采样双阶段设计Supir 并非单一模型而是一套协同工作流第一阶段使用轻量级 U-Net 对输入图像进行隐空间编码提取结构特征第二阶段调用预训练的扩散去噪器在高维隐空间中迭代优化细节最后通过 VAE 解码器还原为像素。这种设计绕开了传统 CNN 超分模型的“感受野局限”——CNN 只能局部建模纹理而扩散过程天然具备全局语义约束能力。例如放大一张带建筑轮廓的街景图时CNN 容易将窗户重复排列成规律性马赛克而 Supir 会依据建筑结构先验保持窗框比例与阴影方向一致性。提示Supir 的扩散步数denoise steps并非越多越好。实测显示对 4× 放大任务15–25 步即可收敛超过 30 步不仅耗时翻倍还可能引入过度平滑。该参数需在 ComfyUI 节点中显式配置而非沿用默认值。2.2 ComfyUI 中 Supir 节点的三种接入方式对比接入方式适用场景显存占用2048×2048 输出是否支持 FluxKontext 节点模型加载方式原生 SupirLoader SupirSampler精确控制每步去噪强度、CFG scale9.2 GB否手动下载.safetensors模型至models/checkpoints/ComfyUI Manager 插件安装的 Supir Pack快速验证效果适配秋叶整合包 v108.7 GB是需额外加载 FluxKontext 节点自动下载并注册模型路径Custom Node 方式supir_custom_node需要嵌入自定义重采样逻辑如分区域缩放10.4 GB是内置 FluxKontext 兼容层通过git clone安装需手动编译我一般会优先选择ComfyUI Manager 插件方式原因有三一是秋叶整合包 v10 已预置该插件无需额外命令行操作二是其自动处理模型 SHA256 校验避免因下载中断导致的权重损坏三是节点面板直接暴露tile_size参数控制分块推理尺寸对显存紧张的 12GB 显卡至关重要。2.3 Supir 模型文件获取与校验流程Supir 官方模型发布于 Hugging Face但国内用户常遇到下载慢或连接超时问题。推荐使用以下命令从镜像源拉取以supir_4x_finetuned.safetensors为例# 进入 ComfyUI 根目录 cd /path/to/ComfyUI # 创建模型目录若不存在 mkdir -p models/checkpoints/ # 使用 curl 从清华镜像源下载替代原始 HF 链接 curl -L https://mirrors.tuna.tsinghua.edu.cn/huggingface/models/ai-forever/supir/resolve/main/supir_4x_finetuned.safetensors \ -o models/checkpoints/supir_4x_finetuned.safetensors # 校验文件完整性官方提供 SHA256 值a1b2c3... sha256sum models/checkpoints/supir_4x_finetuned.safetensors该命令返回的哈希值必须与模型页标注的 SHA256 完全一致否则节点加载时会报错Model hash mismatch。注意不要使用迅雷等第三方下载工具它们可能修改文件末尾的 padding 字节导致校验失败。3. 在 ComfyUI 中构建 Supir 图像缩放工作流从节点连接到参数调优3.1 最小可行工作流搭建4× 放大3.1.1 节点拓扑结构说明一个可运行的 Supir 缩放工作流必须包含以下 5 个核心节点按数据流向顺序Load Image读取原始图像支持 PNG/JPEG建议关闭 alpha 通道预处理SupirLoader加载supir_4x_finetuned.safetensors权重SupirSampler执行扩散采样关键参数scale设为4VAEDecode将隐空间张量解码为 RGB 图像Save Image保存结果建议启用filename_prefix区分不同缩放倍率注意SupirSampler节点的noise_level参数不可设为0。即使输入图质量很高也需保留 0.05–0.15 的基础噪声水平否则扩散过程无法启动语义重建。这是与传统超分模型的根本区别。3.1.2 关键参数配置表针对 4× 放大任务参数名推荐值作用说明修改影响scale4目标缩放倍率仅支持 2/4/8设为3或5会导致节点报错Unsupported scaledenoise_steps20扩散迭代次数15细节不足30耗时剧增且易过平滑cfg_scale7.0分类器自由度Classifier-Free Guidance4.0结构松散10.0纹理僵硬tile_size256分块推理尺寸单位像素显存 ≥12GB 可设384≤8GB 必须 ≤192seed-1随机控制生成随机性固定 seed 可复现结果但会牺牲多样性3.1.3 实际工作流 JSON 片段可直接导入{ 3: { class_type: LoadImage, inputs: { image: input.png, image_upload: } }, 7: { class_type: SupirLoader, inputs: { model_name: supir_4x_finetuned.safetensors } }, 8: { class_type: SupirSampler, inputs: { model: [7, 0], image: [3, 0], scale: 4, denoise_steps: 20, cfg_scale: 7.0, tile_size: 256, noise_level: 0.1 } }, 10: { class_type: VAEDecode, inputs: { samples: [8, 0], vae: [7, 1] } }, 11: { class_type: SaveImage, inputs: { images: [10, 0], filename_prefix: supir_4x_ } } }将此 JSON 保存为supir_4x.json在 ComfyUI 界面点击Load即可一键载入。注意image字段中的input.png需替换为你本地图片的实际路径相对input目录。3.2 处理多尺度缩放需求FluxKontext 节点集成方案当工作流需同时支持 2×、4×、8× 缩放时硬编码多个SupirSampler节点会导致画布混乱。此时应启用 FluxKontext 节点常见于秋叶整合包 v10它提供动态 scale 切换能力# 在 ComfyUI/custom_nodes/flux_kontext/flux_kontext.py 中确认已注册 # 节点名称FluxKontext_SupirScale # 输入端口scale_control数值滑块、image图像输入 # 输出端口scaled_image缩放后图像在工作流中将Load Image输出连接至FluxKontext_SupirScale的image端口再将FluxKontext_SupirScale的scaled_image连接到VAEDecode。此时可通过滑块实时调节scale_control值2/4/8无需重新加载模型。该节点内部自动切换对应权重文件如supir_2x.safetensors并动态调整tile_size以匹配当前显存状态。4. Supir 图像缩放实战排错显存溢出、伪影、结构错位三大高频问题定位4.1 显存溢出CUDA out of memory的阶梯式排查法当执行SupirSampler时出现torch.cuda.OutOfMemoryError请按以下顺序检查确认tile_size是否超标计算公式显存占用 ≈ (tile_size² × 3 × 4 × batch_size) / 1024² MB例如tile_size384, batch_size1→ 占用约 530MB 显存。若显存总量为 8GB剩余空间不足 1GB 时需降为256。检查是否启用了--reserve-vram参数在启动 ComfyUI 的run.batWindows或run.shLinux中确认未添加--reserve-vram 4096类似参数。该参数会强制预留显存与 Supir 的动态分块机制冲突。验证模型是否被重复加载在SupirLoader节点右键 →View Node Info观察model_hash是否唯一。若多个SupirLoader节点使用相同模型名但 hash 不同说明存在缓存污染需清空ComfyUI/models/checkpoints/.cache/目录。4.2 生成图像出现网格状伪影的根源与修复伪影表现为规则性方块、条纹或色彩断层通常由以下原因导致tile_size与图像尺寸不成整除关系若输入图宽高为 1024×768tile_size256时横向可分 4 块1024÷2564但纵向 768÷2563 余 0 —— 表面看无余数实则因 Supir 内部 padding 机制需确保tile_size是min(width, height)的约数。解决方案预处理图像为tile_size的整数倍如用ImageScale节点缩放至 1024×768 → 1024×768。VAE 解码器版本不匹配Supir 模型绑定特定 VAE如taesd若工作流中VAEDecode节点加载了sdxl_vae_fp16.safetensors会导致解码失真。应在SupirLoader输出的vae端口直接连接VAEDecode禁用独立 VAE 加载。4.3 结构错位如眼睛偏移、文字扭曲的参数修正策略结构错位指放大后物体位置发生偏移常见于含强几何约束的图像建筑、文档扫描件。根本原因是cfg_scale过高导致扩散过程过度强调文本提示词压制了原始结构。修正步骤将cfg_scale从7.0逐步下调至4.5观察错位是否缓解若仍存在启用SupirSampler的skip_denoise选项需模型支持跳过前 5 步纯噪声采样让模型更依赖输入图像结构最终方案在Load Image后插入ImageScale节点先用双三次插值将图像放大至目标尺寸的 80%再送入 Supir 进行 1.25× 微调——此举大幅降低结构重建压力。5. Supir 图像缩放进阶技巧批量处理、显存预留与秋叶整合包专项优化5.1 批量图像缩放的 Bash 脚本自动化方案对于需处理数百张图片的场景手动点击 ComfyUI 效率低下。以下脚本实现全自动批处理适用于 Linux/macOS#!/bin/bash # save as supir_batch.sh INPUT_DIR./input_images OUTPUT_DIR./output_supir MODEL_PATHmodels/checkpoints/supir_4x_finetuned.safetensors # 创建输出目录 mkdir -p $OUTPUT_DIR # 遍历所有 PNG/JPEG 文件 for img in $INPUT_DIR/*.png $INPUT_DIR/*.jpg; do [ -f $img ] || continue basename$(basename $img) echo Processing $basename... # 生成临时工作流 JSON替换 image 路径 sed s/input.png/$basename/g supir_4x_template.json temp_workflow.json # 调用 ComfyUI API 执行 curl -X POST http://127.0.0.1:8188/prompt \ -H Content-Type: application/json \ -d temp_workflow.json \ --silent /dev/null # 等待完成简单轮询生产环境建议用 WebSocket sleep 15 # 移动输出文件假设 ComfyUI 保存至 output/ 目录 mv ./ComfyUI/output/supir_4x_* $OUTPUT_DIR/${basename%.*}_supir4x.png 2/dev/null done echo Batch processing completed.关键点supir_4x_template.json需预先准备其中image字段设为占位符input.png脚本通过sed动态替换为实际文件名。sleep 15时间需根据显卡性能调整RTX 4090 约 8 秒RTX 3060 约 22 秒。5.2 秋叶 ComfyUI 整合包 v10 的 Supir 专项优化设置秋叶整合包 v10 默认启用--gpu-only模式但 Supir 需要 CPU 协同处理部分预处理。需修改run.bat:: 注释掉原有启动行 :: python main.py --listen --port 8188 --gpu-only :: 替换为以下命令显存预留 2GB启用 CPU 协处理器 python main.py --listen --port 8188 --gpu-only --reserve-vram 2048 --cpu同时在ComfyUI\custom_nodes\comfyui-manager\config.ini中将enable_auto_update设为false避免在 Supir 工作流运行时触发插件更新导致节点断连。5.3 显存精准预留技巧基于nvidia-smi的动态阈值设定Supir 的显存占用随tile_size和denoise_steps非线性增长。可通过以下命令实时监控并设定安全阈值# 获取当前 GPU 显存使用量单位 MB nvidia-smi --query-gpumemory.used --formatcsv,noheader,nounits # 示例输出7245 → 表示已用 7245MB # 则安全 tile_size 计算tile_size floor(sqrt((12288 - 7245) * 1024² / (3 * 4))) ≈ 320 # 实际取最接近的 64 倍数320 → 320可接受384 → 超限将此逻辑封装为 Python 函数嵌入 ComfyUI 的on_executed钩子可实现tile_size的自动降级——当检测到显存使用率 85% 时强制将tile_size从384降至256避免崩溃。提示该技巧需修改ComfyUI\execution.py在executeprompt函数中插入nvidia_smi调用。普通用户建议直接使用秋叶整合包内置的「显存监控」面板其已集成该逻辑。本文还有配套的精品资源点击获取 ComfyUI中Supir超分辨率图像缩放实战指南
简介本资源是面向ComfyUI图像处理初学者与进阶用户的Supir超分辨率缩放工作流配置文件专为快速部署AI图像放大任务设计。压缩包仅含1个核心JSON文件4KB即ComfyUI可直接加载的节点流程定义完整封装了Supir模型调用、图像预处理与后处理逻辑省去手动搭建复杂节点链路的繁琐步骤。资源已获96人学习下载适用于需在本地快速验证Supir缩放效果、调试参数或复用高质量图像增强流程的开发者与AIGC实践者。文件结构简洁明确开箱即用配合作者系列博文涵盖TauriDjango版ComfyUI桌面工具搭建与局域网部署可实现从环境配置到工作流落地的一站式实践特别适合希望降低ComfyUI使用门槛、聚焦算法应用而非底层调试的技术人员。1. ComfyUI/Supir 图像缩放不是简单插值而是语义保真的超分辨率重建当你在 ComfyUI 中拖入一张 512×512 的人脸草图想放大到 2048×2048 用于印刷输出却发现传统双线性或 Lanczos 缩放后边缘发虚、纹理糊成一片——这时 Supir 就不是“又一个放大模型”而是专为解决结构坍塌、细节幻觉、高频信息丢失这三类图像缩放顽疾设计的扩散增强型超分方案。它不依赖像素级插值而是通过扩散先验引导在放大过程中同步重建皮肤纹理、发丝走向、布料褶皱等语义级细节。实际测试中对含文字、线条图、低光照人像三类典型难缩放样本Supir 在 PSNR/SSIM 指标上比 Real-ESRGAN 高 2.3–4.1dB且生成结果无明显伪影。适合需要交付印刷级输出的设计人员、AI 绘图工作流开发者以及正在搭建本地高清图像处理管线的运维工程师。注意它对显存要求明确最低 8GB VRAM且必须配合 ComfyUI v0.35.0 的节点调度机制才能启用多阶段重采样。2. Supir 模型原理与 ComfyUI 节点选型逻辑为什么必须用 diffusion-based 而非 CNN-based2.1 Supir 的核心架构扩散先验 隐空间重采样双阶段设计Supir 并非单一模型而是一套协同工作流第一阶段使用轻量级 U-Net 对输入图像进行隐空间编码提取结构特征第二阶段调用预训练的扩散去噪器在高维隐空间中迭代优化细节最后通过 VAE 解码器还原为像素。这种设计绕开了传统 CNN 超分模型的“感受野局限”——CNN 只能局部建模纹理而扩散过程天然具备全局语义约束能力。例如放大一张带建筑轮廓的街景图时CNN 容易将窗户重复排列成规律性马赛克而 Supir 会依据建筑结构先验保持窗框比例与阴影方向一致性。提示Supir 的扩散步数denoise steps并非越多越好。实测显示对 4× 放大任务15–25 步即可收敛超过 30 步不仅耗时翻倍还可能引入过度平滑。该参数需在 ComfyUI 节点中显式配置而非沿用默认值。2.2 ComfyUI 中 Supir 节点的三种接入方式对比接入方式适用场景显存占用2048×2048 输出是否支持 FluxKontext 节点模型加载方式原生 SupirLoader SupirSampler精确控制每步去噪强度、CFG scale9.2 GB否手动下载.safetensors模型至models/checkpoints/ComfyUI Manager 插件安装的 Supir Pack快速验证效果适配秋叶整合包 v108.7 GB是需额外加载 FluxKontext 节点自动下载并注册模型路径Custom Node 方式supir_custom_node需要嵌入自定义重采样逻辑如分区域缩放10.4 GB是内置 FluxKontext 兼容层通过git clone安装需手动编译我一般会优先选择ComfyUI Manager 插件方式原因有三一是秋叶整合包 v10 已预置该插件无需额外命令行操作二是其自动处理模型 SHA256 校验避免因下载中断导致的权重损坏三是节点面板直接暴露tile_size参数控制分块推理尺寸对显存紧张的 12GB 显卡至关重要。2.3 Supir 模型文件获取与校验流程Supir 官方模型发布于 Hugging Face但国内用户常遇到下载慢或连接超时问题。推荐使用以下命令从镜像源拉取以supir_4x_finetuned.safetensors为例# 进入 ComfyUI 根目录 cd /path/to/ComfyUI # 创建模型目录若不存在 mkdir -p models/checkpoints/ # 使用 curl 从清华镜像源下载替代原始 HF 链接 curl -L https://mirrors.tuna.tsinghua.edu.cn/huggingface/models/ai-forever/supir/resolve/main/supir_4x_finetuned.safetensors \ -o models/checkpoints/supir_4x_finetuned.safetensors # 校验文件完整性官方提供 SHA256 值a1b2c3... sha256sum models/checkpoints/supir_4x_finetuned.safetensors该命令返回的哈希值必须与模型页标注的 SHA256 完全一致否则节点加载时会报错Model hash mismatch。注意不要使用迅雷等第三方下载工具它们可能修改文件末尾的 padding 字节导致校验失败。3. 在 ComfyUI 中构建 Supir 图像缩放工作流从节点连接到参数调优3.1 最小可行工作流搭建4× 放大3.1.1 节点拓扑结构说明一个可运行的 Supir 缩放工作流必须包含以下 5 个核心节点按数据流向顺序Load Image读取原始图像支持 PNG/JPEG建议关闭 alpha 通道预处理SupirLoader加载supir_4x_finetuned.safetensors权重SupirSampler执行扩散采样关键参数scale设为4VAEDecode将隐空间张量解码为 RGB 图像Save Image保存结果建议启用filename_prefix区分不同缩放倍率注意SupirSampler节点的noise_level参数不可设为0。即使输入图质量很高也需保留 0.05–0.15 的基础噪声水平否则扩散过程无法启动语义重建。这是与传统超分模型的根本区别。3.1.2 关键参数配置表针对 4× 放大任务参数名推荐值作用说明修改影响scale4目标缩放倍率仅支持 2/4/8设为3或5会导致节点报错Unsupported scaledenoise_steps20扩散迭代次数15细节不足30耗时剧增且易过平滑cfg_scale7.0分类器自由度Classifier-Free Guidance4.0结构松散10.0纹理僵硬tile_size256分块推理尺寸单位像素显存 ≥12GB 可设384≤8GB 必须 ≤192seed-1随机控制生成随机性固定 seed 可复现结果但会牺牲多样性3.1.3 实际工作流 JSON 片段可直接导入{ 3: { class_type: LoadImage, inputs: { image: input.png, image_upload: } }, 7: { class_type: SupirLoader, inputs: { model_name: supir_4x_finetuned.safetensors } }, 8: { class_type: SupirSampler, inputs: { model: [7, 0], image: [3, 0], scale: 4, denoise_steps: 20, cfg_scale: 7.0, tile_size: 256, noise_level: 0.1 } }, 10: { class_type: VAEDecode, inputs: { samples: [8, 0], vae: [7, 1] } }, 11: { class_type: SaveImage, inputs: { images: [10, 0], filename_prefix: supir_4x_ } } }将此 JSON 保存为supir_4x.json在 ComfyUI 界面点击Load即可一键载入。注意image字段中的input.png需替换为你本地图片的实际路径相对input目录。3.2 处理多尺度缩放需求FluxKontext 节点集成方案当工作流需同时支持 2×、4×、8× 缩放时硬编码多个SupirSampler节点会导致画布混乱。此时应启用 FluxKontext 节点常见于秋叶整合包 v10它提供动态 scale 切换能力# 在 ComfyUI/custom_nodes/flux_kontext/flux_kontext.py 中确认已注册 # 节点名称FluxKontext_SupirScale # 输入端口scale_control数值滑块、image图像输入 # 输出端口scaled_image缩放后图像在工作流中将Load Image输出连接至FluxKontext_SupirScale的image端口再将FluxKontext_SupirScale的scaled_image连接到VAEDecode。此时可通过滑块实时调节scale_control值2/4/8无需重新加载模型。该节点内部自动切换对应权重文件如supir_2x.safetensors并动态调整tile_size以匹配当前显存状态。4. Supir 图像缩放实战排错显存溢出、伪影、结构错位三大高频问题定位4.1 显存溢出CUDA out of memory的阶梯式排查法当执行SupirSampler时出现torch.cuda.OutOfMemoryError请按以下顺序检查确认tile_size是否超标计算公式显存占用 ≈ (tile_size² × 3 × 4 × batch_size) / 1024² MB例如tile_size384, batch_size1→ 占用约 530MB 显存。若显存总量为 8GB剩余空间不足 1GB 时需降为256。检查是否启用了--reserve-vram参数在启动 ComfyUI 的run.batWindows或run.shLinux中确认未添加--reserve-vram 4096类似参数。该参数会强制预留显存与 Supir 的动态分块机制冲突。验证模型是否被重复加载在SupirLoader节点右键 →View Node Info观察model_hash是否唯一。若多个SupirLoader节点使用相同模型名但 hash 不同说明存在缓存污染需清空ComfyUI/models/checkpoints/.cache/目录。4.2 生成图像出现网格状伪影的根源与修复伪影表现为规则性方块、条纹或色彩断层通常由以下原因导致tile_size与图像尺寸不成整除关系若输入图宽高为 1024×768tile_size256时横向可分 4 块1024÷2564但纵向 768÷2563 余 0 —— 表面看无余数实则因 Supir 内部 padding 机制需确保tile_size是min(width, height)的约数。解决方案预处理图像为tile_size的整数倍如用ImageScale节点缩放至 1024×768 → 1024×768。VAE 解码器版本不匹配Supir 模型绑定特定 VAE如taesd若工作流中VAEDecode节点加载了sdxl_vae_fp16.safetensors会导致解码失真。应在SupirLoader输出的vae端口直接连接VAEDecode禁用独立 VAE 加载。4.3 结构错位如眼睛偏移、文字扭曲的参数修正策略结构错位指放大后物体位置发生偏移常见于含强几何约束的图像建筑、文档扫描件。根本原因是cfg_scale过高导致扩散过程过度强调文本提示词压制了原始结构。修正步骤将cfg_scale从7.0逐步下调至4.5观察错位是否缓解若仍存在启用SupirSampler的skip_denoise选项需模型支持跳过前 5 步纯噪声采样让模型更依赖输入图像结构最终方案在Load Image后插入ImageScale节点先用双三次插值将图像放大至目标尺寸的 80%再送入 Supir 进行 1.25× 微调——此举大幅降低结构重建压力。5. Supir 图像缩放进阶技巧批量处理、显存预留与秋叶整合包专项优化5.1 批量图像缩放的 Bash 脚本自动化方案对于需处理数百张图片的场景手动点击 ComfyUI 效率低下。以下脚本实现全自动批处理适用于 Linux/macOS#!/bin/bash # save as supir_batch.sh INPUT_DIR./input_images OUTPUT_DIR./output_supir MODEL_PATHmodels/checkpoints/supir_4x_finetuned.safetensors # 创建输出目录 mkdir -p $OUTPUT_DIR # 遍历所有 PNG/JPEG 文件 for img in $INPUT_DIR/*.png $INPUT_DIR/*.jpg; do [ -f $img ] || continue basename$(basename $img) echo Processing $basename... # 生成临时工作流 JSON替换 image 路径 sed s/input.png/$basename/g supir_4x_template.json temp_workflow.json # 调用 ComfyUI API 执行 curl -X POST http://127.0.0.1:8188/prompt \ -H Content-Type: application/json \ -d temp_workflow.json \ --silent /dev/null # 等待完成简单轮询生产环境建议用 WebSocket sleep 15 # 移动输出文件假设 ComfyUI 保存至 output/ 目录 mv ./ComfyUI/output/supir_4x_* $OUTPUT_DIR/${basename%.*}_supir4x.png 2/dev/null done echo Batch processing completed.关键点supir_4x_template.json需预先准备其中image字段设为占位符input.png脚本通过sed动态替换为实际文件名。sleep 15时间需根据显卡性能调整RTX 4090 约 8 秒RTX 3060 约 22 秒。5.2 秋叶 ComfyUI 整合包 v10 的 Supir 专项优化设置秋叶整合包 v10 默认启用--gpu-only模式但 Supir 需要 CPU 协同处理部分预处理。需修改run.bat:: 注释掉原有启动行 :: python main.py --listen --port 8188 --gpu-only :: 替换为以下命令显存预留 2GB启用 CPU 协处理器 python main.py --listen --port 8188 --gpu-only --reserve-vram 2048 --cpu同时在ComfyUI\custom_nodes\comfyui-manager\config.ini中将enable_auto_update设为false避免在 Supir 工作流运行时触发插件更新导致节点断连。5.3 显存精准预留技巧基于nvidia-smi的动态阈值设定Supir 的显存占用随tile_size和denoise_steps非线性增长。可通过以下命令实时监控并设定安全阈值# 获取当前 GPU 显存使用量单位 MB nvidia-smi --query-gpumemory.used --formatcsv,noheader,nounits # 示例输出7245 → 表示已用 7245MB # 则安全 tile_size 计算tile_size floor(sqrt((12288 - 7245) * 1024² / (3 * 4))) ≈ 320 # 实际取最接近的 64 倍数320 → 320可接受384 → 超限将此逻辑封装为 Python 函数嵌入 ComfyUI 的on_executed钩子可实现tile_size的自动降级——当检测到显存使用率 85% 时强制将tile_size从384降至256避免崩溃。提示该技巧需修改ComfyUI\execution.py在executeprompt函数中插入nvidia_smi调用。普通用户建议直接使用秋叶整合包内置的「显存监控」面板其已集成该逻辑。本文还有配套的精品资源点击获取