缩放Latent是做什么的？

该节点使用像素空间的像素点计算方式完成latent的点填充，从而增加latent的大小，但是如果只是增加大小而不进行二次去噪的话，会导致解码后的图像纯在噪声。

缩放Latent有哪些输入参数？

共 1 个输入，包括 Latent（samples）。

缩放Latent的输出是什么？

共 1 个输出：Latent（LATENT）。

缩放Latent有哪些可调参数？

共 4 个控件参数，包括缩放算法（upscale_method）、宽度（width）、高度（height）、裁剪（crop）。

缩放Latent属于哪个节点包？

属于「ComfyUI 官方」，节点分类为「原生节点」。

缩放Latent Upscale Latent

Q: 缩放Latent有哪些可调参数？

共 4 个控件参数，包括 缩放算法（upscale_method）、宽度（width）、高度（height）、裁剪（crop）。

节点中英文对比

ComfyUI 结构对照

按当前节点配置，分别展示中文与英文节点结构。面板按 ComfyUI 实际界面还原：左侧圆点是输入，右侧圆点与该行最右的名称为输出，下方胶囊是控件参数；控件两端的三角表示可切换的选项。

中文节点 6 项

缩放Latent

Latent Latent

缩放算法 nearest-exact

宽度 512

高度 512

裁剪 disabled

英文节点 6 项

Upscale Latent

samples LATENT

upscale_method nearest-exact

width 512

height 512

crop disabled

模型条件 / 数值 Latent 其它类型左圆点 = 输入，右圆点 = 输出可切换选项 — 未设置默认值

面板用于对照参数位置与命名，不做交互；实际节点外观以 ComfyUI 内的主题为准。

参数说明

输入 1 · 输出 1 · 控件 4

依据当前节点关联的 NodesItems 数据，按输入、输出、控件三类分别列出名称与说明。

输入参数 1 项

Latent samples

输入的 latent 数据，通常来自 VAE 编码器或采样器输出。

输出参数 1 项

Latent LATENT

放大后的潜空间样本。

控件参数 4 项

缩放算法 upscale_method

下拉菜单。选择上采样算法，包括 nearest-exact、bilinear、area、bicubic、bislerp。- nearest-exact：最邻近插值，保留像素边缘锐度，适合像素风格图像。 - bilinear：双线性插值，平滑过渡但可能模糊边缘。 - area：基于像素面积平均值，适合缩小图像时保持色彩。 - bicubic：双三次插值，图像更平滑，推荐用于图像增强。 - bislerp：平滑线性插值，兼顾速度和质量。

宽度 width

上采样后的目标宽度，单位为像素，必须是 8 的倍数。若设置为 0，则根据 height 等比缩放宽度。常用于缩放时保持比例不变。

高度 height

上采样后的目标高度，单位为像素，必须是 8 的倍数。若设置为 0，则根据 width 等比缩放高度，支持自由缩放或单边指定自动计算比例。

裁剪 crop

裁剪策略，支持 disabled（不裁剪）和 center（居中裁剪）。

节点详解

原理 · 用法 · 常见问题

常见问题

按节点参数整理

缩放Latent是做什么的？: 该节点使用像素空间的像素点计算方式完成latent的点填充，从而增加latent的大小，但是如果只是增加大小而不进行二次去噪的话，会导致解码后的图像纯在噪声。
缩放Latent有哪些输入参数？: 共 1 个输入，包括 Latent（samples）。
缩放Latent的输出是什么？: 共 1 个输出：Latent（LATENT）。
缩放Latent有哪些可调参数？: 共 4 个控件参数，包括缩放算法（upscale_method）、宽度（width）、高度（height）、裁剪（crop）。
缩放Latent属于哪个节点包？: 属于「ComfyUI 官方」，节点分类为「原生节点」。

同类节点

ComfyUI 官方

内补模型条件 InpaintModelConditioning InpaintModelConditioning 是 ComfyUI 中用于**图像修复（Inpainting）**场景的复合节点，功能是将普通的提示词 (positive /... LoRA加载器（仅模型） LoraLoaderModelOnly LoraLoaderModelOnly 节点是对原始 LoraLoader 节点的简化版本，仅用于将 LoRA 模型应用到 diffusion 主模型（即 U-Net），不影响... 条件零化 ConditioningZeroOut ConditioningZeroOut 是一个用于清空/抹除现有文本或视觉条件向量（conditioning embedding）的节点，会把输入的 CONDITIONIN... CLIP视觉编码 CLIP Vision Encode 该节点是一个图像编码节点，使用的是 CLIP Vision 模型 —— 一种能“理解图片”的 AI 模型。你把一张图像输入进来，它会把这张图像转成一种“向量”形式（称为图像... K采样器 KSampler 该节点完成在纯噪声图像的上去噪过程，最终输出干净的潜空间图像，即解码后即可得到最终的结果。在ComfyUI中采样过程是核心内容，基本上工作流都可以分为三个阶段，准备阶段，采样阶... 双CLIP加载器 DualCLIPLoader DualCLIPLoader 是一个加载双 CLIP 编码器模型的节点，通常用于支持多语义、多模态或复杂模型结构（如 SDXL、SD3、HiDream、Flux 等）中需... UNet加载器 Load Diffusion Model UNETLoader 节点的作用是：加载 UNet 模型文件，它是 Stable Diffusion 推理过程中“去噪核心”的一部分，控制着最终图像的生成细节和风格。 Checkpoint加载器 Load Checkpoint Checkpoint加载器（Checkpoint Loader）是 ComfyUI 中用于加载 Stable Diffusion 及其衍生模型的主权重文件（Checkpoin...