LiblibAI图生图后线稿发糊怎么办？按重绘幅度、尺寸和提示词修复

LiblibAI 图生图后线稿发糊，先不要一味增加采样步数。最常见的原因是重绘幅度让模型重新塑造了轮廓、测试尺寸不足以承载细线、提示词把水彩或油画材质带进线稿，或者输入线条本身灰、细、带压缩噪点。正确的排查顺序是先检查原图，再固定模型与种子，依次只调整重绘幅度、尺寸和提示词，最后才进入高清修复。

官方地址：https://www.liblib.art/

先分清三种发糊表现

“线稿发糊”通常包含三种不同现象。第一种是轮廓被重新画过，原本笔直的花茎变弯、花瓣数量变化，线条虽然连续却不再贴合原图，这通常与重绘幅度偏高有关。第二种是整体像低清缩略图，细线出现锯齿、粘连或断裂，放大后尤其明显，重点应检查输入与输出尺寸。第三种是边缘混入灰色笔触、色块或纸张纹理，轮廓被材质覆盖，往往是提示词与目标冲突。

排查时把原图与结果并排显示在相同缩放比例下。不要只在适应窗口模式里观察，因为软件缩面的平滑显示会掩盖锯齿；也不要只在百分之几百的放大倍率下判断，因为任何位图放大后都能看到像素。先在 100% 比例检查主轮廓，再适当放大检查细节。

第一步：确认输入线稿没有先天模糊

如果原图来自聊天软件转发、网页预览或多次保存，线条可能已经被压缩。把输入图放大到 100% 检查：黑线边是否清楚，白底是否干净，边缘是否有灰色光晕，最细线条是否只有一两个像素。如果原图自身带有纸纹、阴影或拍照透视，模型会把这些信息也当作画面内容。

适合测试的线稿应有稳定的黑白关系。可以先在绘图软件里校正透视、提高对比度、清理脏点，并让重要轮廓拥有足够宽度。纯线稿任务不要在输入阶段留下大片浅灰色水彩底，否则后续很难判断灰雾来自原图还是生成过程。对于必须保留的细小文字和标识，最好在最终成图阶段单独叠加，而不是期待图生图精确复现。

第二步：先降低重绘幅度，观察轮廓是否回来

重绘幅度决定模型在多大程度上偏离输入图。幅度较高时，模型有更多空间补充花瓣、叶脉和材质，也更容易重塑原轮廓；幅度较低时，结果通常更贴近原图，但新增细节和风格变化会减少。官方教程在希望画面更贴近原图的情境中给出了较低重绘幅度的思路，并以 0.3–0.35 附近作为示例。实际值仍要按模型与线稿测试。

一个清晰的试验方式是固定模型、提示词、尺寸、采样方法、步数和种子，只生成 0.30、0.40、0.50 三组结果。先比较主轮廓位置，再比较细线完整度。若 0.30 清晰、0.50 开始变形，说明问题主要来自重绘；若三个结果都软，继续检查尺寸和提示词，不要把幅度压到几乎无法产生变化。

第三步：让测试尺寸足以承载最细线条

尺寸过小时，密集叶脉、发丝或建筑细线会争夺有限像素，容易粘连成灰块。比如把复杂植物线稿直接压到很小的正方形中，模型无法同时保留花蕊、叶脉和枝干边缘。提高尺寸不是越大越好，而是让最细结构在目标画面中仍有可辨识的像素宽度。

先保持原图比例，避免为了迁就预设尺寸把竖版线稿强行拉成正方形。若原稿是 3:4，就选择接近的竖版输出。测试时可从 768 或 1024 级别的长边开始，根据线条密度再调整。官方教程也提醒，更高尺寸与高清修复会降低出图效率，因此先确认参数方向，再放大，比一开始就输出最大尺寸更稳。

第四步：清理与线稿目标冲突的提示词

提示词里如果同时写了“清晰黑白线稿”和“厚涂、水彩晕染、油画笔触、柔焦、纸张颗粒”，模型会在轮廓清晰与材质表达之间折中。修复时先把目标缩小为纯线稿：明确黑白线描、清楚轮廓、干净白底、锐利边缘和细节完整，再把水彩、油画、体积雾、景深等材质词移出。

负向提示词可以排除模糊、低清晰度、灰雾、重影、水彩感、油画笔触、复杂背景和无关文字，但不要堆入互相矛盾的质量词。官方教程指出，提示词越多并不一定越准确，模型可能漏掉真正重要的内容；解决线稿问题时，让最关键的“清晰轮廓”和“白色背景”获得更高优先级，比复制一长串通用词更有效。

一组可复现的修复测试怎么设置

选择一张问题明显的植物线稿作为基准，保持模型不变，把重绘幅度设在较低起点，例如 0.35；输出比例与原图一致，长边采用能容纳细线的尺寸；采样步数保持在中等区间。官方入门教程将 15–25 步作为常用起点，并指出继续增加步数未必会带来明显提升，因此可先从 20–22 步观察。

固定种子非常重要。随机种子变化时，花瓣与叶片细节也会变化，容易把随机差异误判为参数效果。先锁定一张结构较好的结果，再对重绘幅度或提示词做单变量测试；确认线条恢复后，再生成多张候选寻找更好的细节。

如果轮廓清楚但细节太少，应该怎么调

当低重绘幅度保住了轮廓，却让花蕊、叶脉或阴影层次不足，不要一次把幅度拉高很多。先小幅增加重绘幅度，例如每次增加 0.05；或者保持幅度不变，在正向提示词中补充“精细叶脉、完整花蕊、均匀墨线、层次清楚”等具体目标。每次调整后只比较同一局部，确认细节增益是否超过轮廓损失。

如果某个模型天然偏向厚涂或写实材质，即使提示词正确也持续给线条加灰，可更换更适合线稿的模型或风格资源。模型选择通常比无限堆叠提示词更直接。更换模型后要重新建立基准值，不要照搬旧模型的重绘幅度与 CFG。

高清修复应该放在哪一步

高清修复用于方向已经正确后的二次放大，不负责替你纠正错误轮廓。官方教程将其解释为借助图生图对已有结果进行二次高清处理。如果小图里的线条已经变形，放大只会生成更清楚的错误；如果小图轮廓正确但细节不足，高清阶段才有价值。

进入高清修复后，重绘幅度应比探索阶段更保守，并继续保持线稿提示词。放大结果要重点检查交叉线、密集叶脉、花蕊、边框和留白区域。出现新纹理时先降低高清阶段的重绘，而不是继续叠加锐化词。最终用于印刷或排版的线稿仍建议人工检查断线、脏点和线宽一致性。

按症状快速定位

最终排查清单

1. 以 100% 比例检查原线稿是否清楚、干净且没有压缩光晕。
2. 固定模型、采样方法、步数、尺寸、提示词和种子。
3. 先比较三档较低到中等的重绘幅度，确认轮廓变化点。
4. 保持原图比例，提高到能承载最细线条的测试尺寸。
5. 移除与线稿冲突的水彩、厚涂、柔焦和颗粒词。
6. 确认小图轮廓稳定后，再生成候选并进入高清修复。
7. 对印刷、产品或品牌用途，最后人工检查文字、标识、断线与脏点。

解决线稿发糊的核心不是把所有参数都调高，而是让图生图少做不必要的重构，让尺寸能装下线条，让提示词只服务于清晰轮廓。按“原图—重绘幅度—尺寸—提示词—模型—高清修复”的顺序单变量排查，通常能比反复随机抽图更快找到原因。