我用SeedVR2修了4张图：变清晰了，却不像原来？

大家好，我是你的智能搭子阿洁。

旧照片一放大，轮廓和细节都糊在一起。最近我找了一个能在ComfyUI里运行的开源项目SeedVR2，想看看它能把图片修到什么程度。这次我在RTX 5070 12GB显卡、约32GB内存的电脑上安装节点和模型，连续处理了4张不同的图。

结果不完全一样：有的只是边缘稍微清楚些，有的改善很明显；人像虽然变清晰，却让我觉得像被美白过，少了照片原来的自然感。

先把它装进ComfyUI

我使用的是本机ComfyUI 0.37.0、Python 3.13.14和PyTorch 2.13.0+cu130。当前这套环境没有启用ComfyUI Manager，所以这次用Git手动安装。节点仓库是numz/ComfyUI-SeedVR2_VideoUpscaler，下载到正在使用的ComfyUI的custom_nodes目录，随后用这套便携环境自带的Python安装仓库的requirements.txt。从开始打点到下载完代码并查出提交版本约3.6秒；依赖安装阶段约28秒，后者用了部分本地缓存，并不是全部从网络重新下载。

具体操作是先进入正在运行的ComfyUI根目录，下载节点，再用同一套便携包里的Python装依赖。下面是我这次使用的命令；路径需按自己的安装位置调整：

Set-Location "D:\AI\ComfyUI-H3\runtime\ComfyUI_windows_portable\ComfyUI"
git clone --branch main https://github.com/numz/ComfyUI-SeedVR2_VideoUpscaler.git custom_nodes/seedvr2_videoupscaler
Set-Location ..
.\python_embeded\python.exe -m pip install -r .\ComfyUI\custom_nodes\seedvr2_videoupscaler\requirements.txt

这里有个值得记住的小插曲：依赖装好后，我直接启动了一次ComfyUI，却看到“Database is locked”和“Port 8188 is already in use”。原来旧的ComfyUI实例还在运行。保存原工作流、关闭旧进程后重新启动，SeedVR2节点才在8188端口正常加载。启动日志里的SageAttention、Flash Attention和Triton红叉只是可选加速组件缺失；本次用的是PyTorch的SDPA，没有为它们额外安装依赖。

节点能加载还不算装完，运行还需要模型。我从项目登记的Hugging Face来源分别下载了seedvr2_ema_3b_fp8_e4m3fn.safetensors和ema_vae_fp16.safetensors，放到ComfyUI/models/SEEDVR2。主模型约3.39 GB，下载阶段约3分18秒；VAE约501 MB，约29秒。两份文件合计约3.89 GB，下载加切换命令约3分47秒。下载后两份文件的哈希都与节点登记值一致。

这套环境的安装路径和每一步终端输出我都留了记录。读者使用其他ComfyUI版本或安装位置时，应该以自己正在运行的环境为准，尤其不要把依赖装进系统里另一个Python。

四张图，四种不同结果

测试统一使用SeedVR2 3B FP8模型、固定种子42、SDPA、16个BlockSwap块、CPU卸载和VAE分块处理。输出最长边设为1024像素。首次运行模型准备耗时更长，后续运行复用了模型配置；四张图的输入尺寸也不同，因此下表只记录各自任务的实测时间，不用它们比较加速幅度。

这是我第一次试跑时的ComfyUI工作流：左边加载图片，上下两个节点分别加载DiT主模型和VAE，中间的SeedVR2节点处理图片，最后交给保存图像节点。截图里也能看到这次使用的主要参数。

看原图

第一张笑脸挂件很容易看出区别：黑色眼睛、红心和外壳线条比原图更明确，但它并没有把原本模糊的边缘真正救清楚。对这类照片，我会把结果叫作轮廓增强，而不是“修回高清原片”。

看原图

书店那张图更有意思。清晰参考图是AI生成的，我把窗格局部放大后截屏，再把截图交给SeedVR2。书名“The Long Road”和窗框变得更容易看清，绿植却让我觉得有点失真。因为这张输入是屏幕截图，而且输出宽度还从1073缩到1024，它证明的是局部截图的观感改善，不能作为“放大了两倍”的例子。

看原图

人像也来自AI生成的虚构亚洲成年人形象。我把同一张参考图截成低清输入，修复后五官清楚了，可脸上的斑点和原来偏黄的肤色也淡去了。我的感觉是，它好像被PS美白过，不像拍出来的照片那么自然。对人像来说，清晰度提高并不自动等于保留原来的面部特征和肤色。这张图不是现实人物或真实旧照，因此我只把它作为这次人像测试的一个样本。

人像这一轮的ComfyUI界面里，左边是625×610的输入截图，右边保存节点显示1024×1000的输出；处理参数与前面一致。

看原图

看原图

最后，我又找来一张展馆里的装甲车辆旧照。修复后车体、炮管和地面确实清晰了一些，但展牌原本看不清的小字并没有变成可辨的内容。我不会把放大后看起来更锐利的笔画，当作原本就存在的真实文字。

这张旧照来源不明，这里不放它的处理前后图，只保留文字记录。

我会用它做什么

这四次测试让我愿意把SeedVR2当作图片整理时的一个增强工具：先试试看轮廓、材质和整体观感能否改善，再把输出和原图放在一起检查。遇到人像、文字或需要保留原貌的照片，我会看得更仔细；如果肤色、斑点或物体细节被改了，就不能只因为“更清楚”而直接采用。

本次是3B FP8模型和这一套12GB显卡参数下的4张小样本，没有比较其他模型，也没有验证真实道路、文档等其他场景。终端记录的显存分配峰值约2.35—2.38GB，是CPU卸载和分块设置下的节点统计，不能推成“只要3GB显卡就能跑”。

智能搭子 · 和你一起把AI真正用起来 · 真实体验 · 客观判断 · 持续探索