sd-webui-stablesr

一键将 SD 图像放大到超高分辨率，细节不糊、纹理更真。

sd-webui-stablesr 是一个专为 Stable Diffusion WebUI 设计的插件，集成了 StableSR 超分辨率模型，用于将 AI 生成的图像放大至超高分辨率，同时保持细节和纹理的高保真度。它解决了 SD 默认输出分辨率低、放大后易模糊或产生伪影的问题。核心能力包括：基于扩散模型的超分，支持多种放大倍数，结合小波变换提升细节恢复，并针对 WebUI 做了无缝集成，用户可直接在界面中调用，无需额外配置。该插件适合需要高质量大图输出的创作者，如数字艺术、摄影后期和印刷场景。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1089

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队pkuliyi2015

所属国家

官网地址https://iceclear.github.io/projects/stablesr

GitHubhttps://github.com/pkuliyi2015/sd-webui-stablesr

定价模式free

价格说明开源项目，本地部署，完全免费

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型high-fidelity,stable-diffusion,stable-diffusion-webui,stable-diffusion-webui-plugin,stablesr,super-resolution,wavelet-decomposition

GitHub 星标★ 1089

30天Star增速

HF 下载量

上线时间2023-05-20 00:00:00

最近更新2026-09-04 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：进阶约 10 分钟部署方式：本地安装 8 步

环境要求

已安装 Automatic1111 Stable Diffusion WebUI
下载 v2-1_512-ema-pruned checkpoint 基础模型
下载 StableSR checkpoint 超分模型
建议至少 6GB 显存，6GB 需调小 Tiled VAE 参数
推荐使用 xformers 避免 SDP 注意力导致 OOM

安装与启动步骤

1安装扩展（市场）

打开 WebUI，进入 Extensions → Available，搜索 StableSR 并点击 Install。
2或 URL 安装

进入 Extensions → Install from URL，填入 https://github.com/pkuliyi2015/sd-webui-stablesr.git 并点击 Install。
3下载基础模型

下载 v2-1_512-ema-pruned checkpoint 并放入 WebUI 模型目录，README 未提供下载链接。
4下载 StableSR 模型

下载 StableSR checkpoint，README 未提供下载链接，需自行获取。
5选择基础模型

在 WebUI 顶部选择 v2-1_512-ema-pruned checkpoint。
6配置 StableSR 脚本

切换到 img2img，在 Scripts 下拉选 StableSR，刷新并选择 StableSR checkpoint，选放大倍数。
7设置采样参数

推荐 Euler a，CFG Scale=7，Steps>=20，使用示例负向提示词提升细节。
8大图启用 Tiled Diffusion

输出>512 时启用 Tiled Diffusion & VAE，Upscaler 选 None，按显存调 tile 参数。

关键配置

配置项	必填	说明	示例
`v2-1_512-ema-pruned checkpoint`	是	基础模型，需在 WebUI 顶部选择	`v2-1_512-ema-pruned.ckpt`
`StableSR checkpoint`	是	StableSR 超分模型，在脚本中刷新选择	`你下载的 StableSR 模型文件`
`Scale factor`	是	放大倍数，在 StableSR 脚本中选择	`2`
`Sampler`	否	推荐 Euler a 采样器	`Euler a`
`CFG Scale`	否	推荐 7	`7`
`Negative prompt`	否	推荐负向提示词提升细节	`3d, cartoon, anime, sketches, (worst quality:2), (low qualit`

如何确认成功

在 img2img 的 Scripts 下拉中能看到 StableSR 脚本，并能成功生成放大后的图像。

常见问题

Q：显存不足（OOM）怎么办？

A：将 Tiled Diffusion Latent tile batch size 设为 1，Tiled VAE 编码器 tile 1024、解码器 128；SDP 注意力可改用 xformers。

Q：输出尺寸大于 512 怎么设置？

A：启用 Tiled Diffusion & VAE，Method 选 Mixture of Diffusers，Upscaler 必须为 None。

Q：负向提示词有用吗？

A：有用，推荐使用示例负向提示词，如 3d, cartoon, anime, sketches 等，能显著增强细节。

Q：可以用什么采样器？

A：推荐 Euler a，CFG Scale=7，Steps>=20。

Q：6GB 显存如何配置？

A：Tiled Diffusion Latent tile batch size=1，Tiled VAE Encoder Tile Size=1024，Decoder Tile Size=128。

注意事项

Upscaler 必须设为 None，否则会在 Tiled Diffusion 中重复放大。
SDP attention optimization 可能导致 OOM，建议使用 xformers。
不要随意修改 Tiled Diffusion & Tiled VAE 的其他设置，除非非常了解。
README 未提供模型下载链接，需自行从官方渠道获取。

核心亮点

基于扩散模型的超分，细节还原度远超传统插值放大
与 WebUI 深度集成，无需命令行，点选即可使用
支持小波变换，有效抑制伪影，提升纹理真实感

不足之处

显存占用较高，低显存显卡可能无法运行大图放大
文档/社区待观察

适用场景

数字艺术创作，需要输出大幅面作品
摄影后期，将 AI 生成图用于印刷或高清展示
游戏素材制作，快速生成高分辨率纹理

替代项目

Ultimate SD Upscale、Tiled Diffusion & Tiled VAE、Real-ESRGAN

项目介绍

sd-webui-stablesr 是图像领域的开源项目，由 pkuliyi2015 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,089）位列前 30%，在图像分类的 837 个项目里位列前 15%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-04。本地部署，完全免费。

它主要面向的使用场景是：数字艺术创作，需要输出大幅面作品。同类可对比的替代方案包括 Ultimate SD Upscale、Tiled Diffusion & Tiled VAE、Real-ESRGAN。

上一篇：PowerPaint

下一篇：sd-face-editor