开源图像生成领域最近的焦点无疑落在了 Qwen-Image-2.1 上，其在语义理解、中英文文本渲染以及复杂构图上的表现备受好评。然而，直接使用大底模生成超大分辨率图像时，往往面临显存开销剧增、生成速度慢以及画面边缘细节容易发虚的痛点。
针对这一问题，海外开发者 @NO8D_2026 发布了专为 Qwen-Image-2.1 定制训练的高清放大模型——HighQuality for QI-21 LoRA。通过将其挂载至 ComfyUI 工作流，创作者可以将低分辨率图像或老旧影视素材一键无损重建为 4K 级细节丰富的超高清画质。
本文将为您拆解该 LoRA 的工作机制、ComfyUI 核心节点链搭建以及实操中的参数调优法则。
一、HighQuality for QI-21 LoRA 的核心能力
普通的放大算法（如 RealESRGAN、Topaz）往往是基于像素插值和先验模糊修复，容易出现“塑料质感”或涂抹感过重。而基于扩散模型的 LoRA 放大属于生成式重绘（Generative Upscaling）：
- 纹理与微观细节重构：不仅是拉大分辨率，而是根据上下文重新推算皮肤毛孔、布料纤维、金属反光等微观物理材质；
- 风格保真度高：在提升清晰度的同时，极好地锁住原图色彩基调与动态范围，避免生硬改色；
- 显存友好：采用两段式生成策略，避免直接单次推理 4K 导致显存溢出（OOM）。
二、ComfyUI 高清放大节点链搭建步骤
要在 ComfyUI 中跑通 HighQuality for QI-21，核心节点链路如下：
[原图加载 / 初始生成] ──> [模型放大 (Model Upscale 2x)] ──> [VAE 编码]
│
[Qwen-Image-2.1 底模] ──> [HighQuality LoRA 注入] ───────> [KSampler 局部二次重绘] ──> [4K 输出]
关键参数配比建议：
- LoRA 权重（Strength）：推荐设置在
0.6 ~ 0.85之间。过高（>1.0）可能导致模型过度自由发挥、篡改人脸特征；过低（<0.5）则细节提升不明显。 - 重绘幅度（Denoise）：这是决定画质与保真度平衡的关键参数：
- 0.25 ~ 0.35：纯修复保真模式，适合人像摄影、老照片翻新，严格保持原图五官结构；
- 0.4 ~ 0.5：细节增强模式，适合风景、概念设计与 3D 渲染图，赋予更丰富的微观细节。
- 采样器与调度器：推荐搭配
Euler或DPM++ 2M Karras，步数设置在 20~28 步即可获得稳定输出。
三、实测效果与避坑指南
| 场景类型 | 实测表现 | 避坑提醒 |
|---|---|---|
| 老电影/低清截图重绘 | 噪点被有效抑制，轮廓边缘锐化自然 | 避免在提示词中加入冲突的艺术风格词，只需简述画面实体 |
| 密集文字/微小人脸 | 远景人脸依然可能存在轻微伪影 | 建议配合 Face Detailer 节点进行局部面部单独回贴修复 |
| 动漫/黑白网点图 | 纯色块可能被注入微弱胶片噪点感 | 纯矢量漫画风格建议降低 LoRA 权重至 0.5 以下 |
四、总结
对于在本地运行 Qwen-Image-2.1 的创作者而言，“先在标准分辨率（如 1024×1024）下快速抽卡验证构图，再通过 HighQuality LoRA 跑二次放大重绘”，是兼顾生产效率与工业级画质的最优解。