目录
ComfyUI KSampler 参数详解：steps、CFG、sampler、scheduler、seed
KSampler 是 ComfyUI 中最核心的节点，负责从噪声开始逐步去噪并生成图片。理解它的参数，就能有意识地调整结果，而不是盲目尝试。
seed：随机种子
决定初始噪声的样子。相同的模型、提示词、参数和种子，会生成相同的图片。
control_after_generate 控制每次运行后种子的变化：
| 选项 | 行为 |
|---|---|
| randomize | 每次随机，用来大量尝试不同构图 |
| fixed | 固定不变，用来微调其他参数 |
| increment / decrement | 每次加 1 / 减 1 |
建议流程：先用 randomize 找到喜欢的构图 → 改为 fixed → 再微调提示词和参数。
steps：步数
去噪分几步完成。
- 步数太少：图片模糊、细节不足。
- 增加步数：画质会提升，但超过某个程度后几乎没有差别，只会变慢。
- 一般模型用 20～30 步就足够。
- 标记为 Turbo、Lightning、LCM、Hyper 等的“加速版”模型或 LoRA，只需要 4～8 步，请根据模型说明进行设置。
cfg：提示词强度
CFG（Classifier-Free Guidance）决定模型有多“听话”：
| CFG | 效果 |
|---|---|
| 1 | 几乎忽略提示词（加速版模型常用 1～2） |
| 4～8 | 常用范围 |
| 10 以上 | 非常贴合提示词，但容易过度饱和、对比度过强、出现图像损坏 |
不同模型的最佳 CFG 差异很大。例如，许多 Flux 类模型使用单独的 guidance 参数，KSampler 的 CFG 则设为 1。请以模型页面或官方模板的建议值为准。
sampler_name：采样器
决定每一步如何去噪的算法。常见选项：
| 采样器 | 特点 |
|---|---|
euler | 简单、快速、稳定，是很好的默认值 |
euler_ancestral | 每一步都会加入随机性，结果变化更多；步数不同时结果差异很大 |
dpmpp_2m | 兼顾画质与速度，非常常用 |
dpmpp_2m_sde | 细节更丰富，速度稍慢 |
dpmpp_3m_sde | 需要更多步数 |
uni_pc | 步数较少时表现出色 |
名称中带有 ancestral（a） 或 sde 的采样器具有随机性，即使种子相同，改变步数也会让图片产生很大变化；其他采样器则会随步数增加而“收敛”。
scheduler：调度器
决定如何分配每一步去噪的“幅度”：
| 调度器 | 特点 |
|---|---|
normal | 默认值 |
karras | 后段步骤更精细，常与 dpmpp 系列搭配 |
exponential | 与 karras 类似 |
sgm_uniform | 部分加速模型建议使用 |
simple、beta | 部分新模型的模板会使用 |
常见的良好组合：dpmpp_2m + karras、euler + normal。
denoise：去噪强度
决定从多少比例的噪声开始：
- 1.0：完全从噪声开始，用于文生图。
- 小于 1.0：保留部分输入图片，用于图生图、局部重绘和放大修饰。数值越小，生成结果越接近原图。
详见图生图。
KSampler Advanced
高级版提供更精细的控制：
| 参数 | 说明 |
|---|---|
| add_noise | 是否加入噪声 |
| start_at_step / end_at_step | 只执行指定范围内的步骤 |
| return_with_leftover_noise | 输出时保留剩余噪声 |
用途：例如前 20 步使用 A 模型，再交给 B 模型精修 10 步（SDXL Refiner 的做法），或者在两个阶段使用不同的提示词。
调整参数的建议顺序
- 先固定种子。
- 使用模型建议的采样器、调度器和步数。
- 调整提示词，直到内容符合需求。
- 微调 CFG：画面太平淡或模型不听话就调高，过度饱和或图像损坏就调低。
- 最后再尝试不同的采样器。
比较参数的技巧
将同一组提示词连接到多个 KSampler，并为每个节点设置不同参数，一次运行就能并排比较。复制节点时按 Ctrl + Shift + V 可以保留输入连线。
更新于 2026年10月12日