ComfyUI-DyPE

ComfyUI 里一键把文生图拉到 4K+，告别重复纹理和崩坏

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 55 🐛 待处理 7 👀 关注 10

GitHub ↗

GitHub 星标 ★ 633

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费，需自行部署ComfyUI

项目预览

ComfyUI-DyPE 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队wildminder

GitHubhttps://github.com/wildminder/ComfyUI-DyPE

定价模式🏷️完全免费

价格说明开源免费，需自行部署ComfyUI

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型comfyui,comfyui-nodes,flux,high-resolution,nunchaku,qwen,t2i,text2image

GitHub 星标★ 633

上线时间2025-10-27 00:00:00

代码更新2026-10-24

仓库体积13.8 MB

本站数据更新2026-11-02

维护状态较活跃

收录时间2026-09-16

浏览次数1

项目介绍

ComfyUI-DyPE 是为 ComfyUI 提供 DyPE 与 SEGA 两种采样增强技术的自定义节点插件，目标是让文生图模型在 4K 及以上分辨率下生成时不再出现重复纹理、结构崩坏等伪影。它兼容 Z-Image、Qwen-Image、Flux、Krea2 等主流模型，并可配合 Nunchaku 量化推理使用，降低高分辨率生成的显存压力。核心能力包括：通过 DyPE 对扩散采样过程做动态位置编码外推，让模型在训练分辨率之外仍保持全局结构一致；通过 SEGA 对语义引导进行分段增强，改善高分辨率下的细节与构图稳定性。用户只需在 ComfyUI 工作流中替换采样节点，即可在原有模型上直接输出 4K+ 图像，无需重新训练或微调。项目以 Python 实现，安装方式与常规 ComfyUI 插件一致，适合希望在本地工作流中低成本获得高分辨率出图能力的创作者与开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 633

技术标签

comfyui comfyui-nodes flux qwen text2image

使用教程

难度：进阶约 45 分钟部署方式：本地插件 5 步

环境要求

已装 ComfyUI
支持 DiT 的模型权重
GPU 16G 显存以上

安装与启动步骤

1装节点

它是 ComfyUI 自定义节点，放进 custom_nodes 再重启。
2接在模型加载器后面

它的设计是一个节点搞定：放在加载器之后即可，不改原有工作流。
3先小图验证

先按原生分辨率跑一张，确认加节点后结果没变形。
4再上 4K

直接上超高分辨率要看显存，先跑预演脚本估峰值。
```
python calibration/calibrate_hap.py --dry_run --out tmp/scope_plan_toy.json
```
5按真实权重校准

换成你自己的模型路径做一次实际校准，显存规划才有依据。
```
python calibration/calibrate_hap.py --model_path /path/to/flux.safetensors
```