ComfyUI 放大與臉部修復大評比：37 條路線同圖實測，從 ESRGAN、Real-ESRGAN、GFPGAN、CodeFormer、GPEN 到 SeedVR2、FlashVSR、FaceDetailer

為什麼要做這篇

上一篇把去背模型全部排在一起比過之後，下一個最常用、選項也最亂的功能就是「放大」。我這台機器的 upscale_models 資料夾裡躺著 19 款 ESRGAN 系的放大模型，很多是這幾年零零星星載下來的：UltraSharp、ClearReality、Nomos8k、FFHQDAT、FaceUpDAT、Real-ESRGAN 全家、AnimeSharp……名字一個比一個厲害，但我從來沒有把它們放在同一張圖上比過，每次要放大都憑印象挑一款。

臉部修復又是另一堆：GFPGAN、CodeFormer、GPEN 三家各有兩三個版本，Impact Pack 的 FaceDetailer 用擴散模型重畫臉，最近又多了 SeedVR2、FlashVSR 這種「用影片模型來放大」的新路線。網路上的比較文大多是 2024 年的三方對比（GPEN／GFPGAN／CodeFormer），或是 2026 年英文圈的 SeedVR2 對 SUPIR 對 FlashVSR，沒有人把「傳統放大模型＋臉部修復＋生成式重繪」放在同一張圖上比，繁中更是零篇。

這篇還有一個上一篇沒有的東西：標準答案。去背的好壞只能用眼睛看，但放大不一樣——我可以先生成一張高清原圖，把它故意弄糊、縮小、壓壞，再交給每一款模型放大回來，這樣每個結果都能跟原圖對照，除了看圖，還能算出「像不像原人」的分數。這點對臉部修復特別重要，因為修臉模型最大的爭議就是：它修出來的那張臉，還是不是原來那個人。

所以這篇的做法是：把所有放大與臉部修復模型接進同一張工作流，46 張測試輸入一次跑完 37 條路線，每條結果都放回原圖大小存檔，排在一起比，再對原圖算分。

快速結論

• 糊掉的、小的、壓縮過的照片，日常主力選 SeedVR2 3B：128／256 像素輸入、仿老照片、小臉群像，它在所有題目都排第一，而且是最像原人的一款——這是這次最重要的結論。傳統 ESRGAN 系模型碰到真正糊的圖會把小臉放大成面具，SeedVR2 會把臉重建回來
• 本來就清晰的圖只是要變大，傳統 ESRGAN 系反而更忠實也更快：4xNomos8kSCHAT-L、2xNomosUni SPAN、4xFFHQDAT 在輕微降質的輸入上分數比 SeedVR2 好
• GFPGAN／CodeFormer／GPEN 會把臉修乾淨，代價是身份相似度下降：三家都比「只放大不修臉」更不像本人，CodeFormer 把 fidelity 拉到 1.0 最保守。它們適合「想看起來好看」，不適合「想還原這個人」
• FaceDetailer 與 Ultimate SD Upscale 是換臉，不是修臉：身份相似度全場最低，老照片上直接變成另一個人；只適合自己生成的 AI 圖想補細節的場合
• 老照片交給 SeedVR2 3B，想順便修臉接 CodeFormer（fidelity 1.0）；GPEN 與 GFPGAN 會給黑白照上色，FaceDetailer 會換臉，都不要用
• 真正需要留的模型不多：SeedVR2 3B、一款通用 4x（4x-UltraSharp 或 4xNomos8kSCHAT-L）、一款快速 2x（2xNomosUni SPAN）、動漫用 Real-ESRGAN anime 6B、修臉用 CodeFormer，就能覆蓋幾乎所有情境

先懂三件事：放大、修復、重繪

放大（upscale） 是把一張小圖變大。最簡單的做法是插值——電腦在相鄰像素之間算出中間值填進去，結果就是放大後那種糊糊的樣子；這次的「純插值放大」就是這種，當基準用。AI 放大模型（ESRGAN 系）多了一件事：它看過大量「清晰圖與對應的糊圖」，學會從糊的樣子猜出原本應該有的邊緣和紋理，所以放大後會變銳利。但它只能「銳化既有的線索」，線索本身不夠的時候，它會把錯的東西銳化得很有自信——這次小臉群像的面具臉就是這樣來的。

臉部修復（face restoration） 做的事情不一樣：GFPGAN、CodeFormer、GPEN 這類模型在腦子裡存了「一張正常的人臉長什麼樣」的知識，碰到糊臉時不是在銳化，而是把一張合理的臉「套」上去。所以它們的結果幾乎永遠很乾淨、很好看，問題是那張臉有多少成分是原來那個人的，有多少是它腦子裡那張「正常臉」的。這就是「修臉會換臉」的原因，也是我這次一定要算身份相似度的原因。

生成式重繪（generative redraw） 更進一步：FaceDetailer 和 Ultimate SD Upscale 是把圖丟回文生圖模型（這次用 Krea2 Turbo 與 SDXL），讓它以原圖為底重新畫一遍。重繪強度低的時候像是在補細節，強度高就是新畫一張。它能補出最多的紋理（毛孔、雀斑、皺紋），但跟原圖的關係最鬆。

SeedVR2 與 FlashVSR 則是第四種：它們是為影片放大設計的擴散模型，單張圖也能用。它們像生成式重繪一樣有「世界知識」，能把糊掉的小臉重建回來，但訓練目標是「忠實放大」而不是「重新創作」，所以這次它們同時拿到最好的畫質分數和最高的身份相似度——兩邊的優點都佔到。

模型演進小史

• 2018 ESRGAN：第一代用對抗訓練的放大模型，開啟了社群自己訓練放大模型的風氣。原版在這次是倒數，但它的架構被後來幾百款模型沿用
• 2021 Real-ESRGAN：騰訊 ARC 實驗室的改良版，訓練時把圖故意加上真實世界會有的模糊、壓縮、雜訊再學著還原，所以對「真的壞掉的照片」比原版穩很多；x4plus 與動漫專用的 anime 6B 到現在還是很多人的預設
• 2021 GFPGAN：同一個實驗室的臉部修復模型，借 StyleGAN 的人臉知識把糊臉修好。v1.4 是最後一版
• 2021 GPEN：阿里的臉部修復，概念類似，後來出了 512／1024／2048 三種輸出解析度
• 2022 CodeFormer：新加坡南洋理工的作法，多了一個 fidelity 參數讓你在「修得漂亮」和「像本人」之間自己調——這次實測這個參數確實有用
• 2022–2024 社群自訓 ESRGAN 模型：UltraSharp、Nomos8k、ClearReality、FFHQDAT、FaceUpDAT 等等，在 OpenModelDB 上有幾百款，各自針對不同素材訓練
• 2024 SUPIR：用 SDXL 做高保真放大，畫質很好但吃資源，這次沒有安裝所以沒測
• 2025 SeedVR2：字節跳動的影片放大擴散模型，一步取樣，有 3B 與 7B 兩個尺寸
• 2025 FlashVSR：專門追求速度的影片放大模型，這次用 1.1 版的完整模式測單張圖

測試方法

測試圖與標準答案。 我先用 Krea2 Turbo 生成 12 張高清原圖，涵蓋正臉、側臉、戴眼鏡、老人皺紋、雙人、八人小臉群像、動漫臉、貓毛、文字招牌、建築細節、風景、花與書頁文字。然後用程式把每張原圖降質成三個等級：長邊 512 像素加輕微 JPEG 壓縮（像老手機照片）、256 像素加模糊與較重壓縮（像論壇縮圖）、128 像素加模糊、雜訊與重壓縮（像小頭像或低解析掃描）。七張有臉的圖另外做一版「仿老照片」：縮到 320 像素、泛黃褪色、加顆粒、降對比。這樣每個結果都有原圖可以對照。

真老照片。 程式做的仿舊畢竟不是真的，所以另外從 Wikimedia Commons 抓了三張公有領域的老照片（1936 年的《移民母親》、1863 年的林肯肖像、1927 年的索爾維會議合照），縮到 400 像素當輸入。這三張沒有標準答案，只看圖。

37 條路線。 分五組：純插值放大 1 條當基準；ESRGAN 系 18 條（含兩條先過 1x 前處理模型再放大）；擴散式放大 5 條（SeedVR2 3B 兩個版本、7B 兩個版本、FlashVSR）；放大後修臉 10 條（4x-UltraSharp 放大後分別接 GFPGAN 1.3／1.4、CodeFormer fidelity 0.5／1.0、GPEN 512／1024／2048，另外兩條測「先修臉再放大」的順序，一條測 SeedVR2 之後再接 CodeFormer）；生成式重繪 3 條（FaceDetailer 配 Krea2 Turbo、Ultimate SD Upscale 配 Krea2 與 SDXL）。每條最後都放回原圖大小（1024 像素）存檔，拼接圖上的局部放大是 1:1 像素。

分數。 每張結果對原圖算四個數：PSNR、SSIM（兩個傳統的像素相似度）、LPIPS（用神經網路算的感知距離，比前兩個更接近人眼，越低越像）、還有 FaceID——用 ArcFace 人臉辨識模型算原圖的臉與結果的臉的餘弦相似度，越高越是同一個人。文章裡主要看 LPIPS 和 FaceID，因為 PSNR 有個陷阱：純插值的糊圖 PSNR 反而最高，糊本身就是一種「平均」，分數好看但人眼一看就知道不對。

兩個誠實揭露。 第一，SeedVR2 7B 的 fp16 版在我的環境跑完取樣、要釋放模型時會讓整個 ComfyUI 崩潰，試了三次都一樣，所以 7B 這次用 fp8 版代表，文中的「7B」都是指 fp8 版。第二，標準答案是 AI 生成的圖，不是真實照片；AI 圖本身的紋理分布跟相機照片不完全一樣，所以分數的絕對值不要過度解讀，看排名就好。三張真老照片放在那裡就是為了補這個缺口。

小臉群像：傳統放大的面具臉，SeedVR2 的重建

先看最能說明問題的一題。八人合照縮到 256 像素，每張臉只剩十幾個像素高。

ESRGAN 系全部失敗，而且是同一種失敗法：每張臉都被銳化成一個「面具」——眼睛、嘴巴的位置對了，但五官像是用麥克筆描出來的。4x-UltraSharp、Real-ESRGAN x4plus、連訓練在人臉上的 4xFaceUpLDAT 都一樣。這不是模型不好，是這類模型的原理決定的：它只能銳化輸入裡有的線索，十幾個像素的臉根本沒有線索可銳化。

SeedVR2 把每張臉都重建回來了，3B 與 7B 都是，而且重建出來的臉跟原圖對得上。看整張圖更明顯：

這題 SeedVR2 3B 的 LPIPS 是 0.110，4x-UltraSharp 是 0.27，純插值 0.49。

嚴重低解析的正臉：誰能把 128 像素的臉救回來

正臉縮到 128 像素，加模糊、雜訊與重壓縮，大概是網路上最糟的那種大頭貼。

ESRGAN 系全數糊掉，4xFaceUpLDAT 算是裡面最好的，能看到一點皮膚質感，但跟原圖還差很遠。SeedVR2 3B 與 FlashVSR 都把臉救回來了，膚質、鼻翼、嘴唇的形狀跟原圖對得上。CodeFormer 修出來的臉乾淨漂亮，但仔細對原圖會發現眼型和嘴型都「標準化」了一點。FaceDetailer 補出最多的毛孔與雀斑，可是原圖根本沒有雀斑——這就是生成式重繪的本質，它在畫它覺得合理的臉。

128 像素等級的 FaceID（身份相似度，有臉的幾張圖平均）：SeedVR2 3B 0.60、FlashVSR 0.55、4x-UltraSharp 0.37、CodeFormer 0.34、FaceDetailer 0.33。在這種輸入下，所有修臉路線的相似度都不如 SeedVR2 直接放大。（這張正臉特寫因為臉佔滿整個畫面，人臉辨識模型在原圖上抓不到臉，所以它本身沒有 FaceID，數字來自同等級其他有臉的圖。）

本來就清晰的圖：傳統模型反而贏

換一個方向：輸入只有輕微降質（512 像素、輕微 JPEG），這是「AI 生圖想放大」或「相機照片要放大輸出」的常見情境。

這裡排名翻過來了。LPIPS 最好的前五名全是 ESRGAN 系：4xFFHQDAT 0.080、2xNomosUni SPAN 0.089、Real-ESRGAN x2plus 0.089、4xFaceUpDAT 0.101、4xNomos8kSCHAT-L 0.101，SeedVR2 3B 是 0.107。差距不大，但方向很清楚：輸入本身乾淨的時候，不需要「重建」，只需要「銳化」，這正是傳統模型的專長，而且它們快非常多。SeedVR2 在這種輸入上會微幅改寫紋理，分數反而被拉下來。

所以日常流程可以這樣分：圖本來就清楚、只是要變大，用 Nomos8k 或 NomosUni SPAN；圖糊了、小了、壓壞了，用 SeedVR2。

三家修臉模型：GFPGAN、CodeFormer、GPEN 怎麼選

戴眼鏡的男人縮到 256 像素，眼鏡是修臉模型的經典難題。

三家在這張圖上都把眼鏡處理得不錯，差別在細節：GFPGAN 1.3 的眼型有點變、嘴唇偏紅，1.4 自然得多；CodeFormer fidelity 0.5 的皮膚最平滑，1.0 保留較多原本的紋理；GPEN 2048 的五官最銳利，但也最有「證件照」的感覺。

看 20 張有臉的測試（三個降質等級加仿老照片）合併的 FaceID：GFPGAN 1.4 是 0.585、CodeFormer 0.5 是 0.571、CodeFormer 1.0 是 0.603、GPEN 512／1024／2048 是 0.589／0.583／0.572，GFPGAN 1.3 只有 0.521。對照組：只用 4x-UltraSharp 放大不修臉是 0.608，SeedVR2 3B 是 0.739。也就是說，三家修臉模型都讓臉變得「不那麼像本人」一點，CodeFormer 的 fidelity 參數確實按它宣稱的在運作（1.0 比 0.5 更像本人），GFPGAN 1.3 可以直接刪了。

另外測了「先修臉再放大」與「先放大再修臉」兩種順序。結果是先放大再修比較穩定；先修後放的版本（尤其 GPEN 2048 先修）會出現上妝般的塑膠感，因為修臉模型在小圖上套出來的臉再被放大一次。

修臉會變年輕：皺紋是第一個被修掉的東西

老婦人縮到 256 像素。

SeedVR2 3B 把皺紋、老人斑、膚質都還原回來，跟原圖對得上。三家修臉模型都把她修年輕了——皺紋變淺、皮膚變平，這是它們「正常臉」知識的副作用。GPEN 2048 先修後放的版本最明顯。FaceDetailer 則走向另一個極端：皺紋被畫得比原圖更深更多，紋理誇張到像是另一張臉。

如果你的目的是「把阿嬤的照片修回來」，這題告訴你該選誰；如果目的是「把這張臉修得更好看」，那修臉模型反而正中需求。沒有對錯，只是要知道自己在做哪一件事。

真老照片：換臉與上色

1936 年的《移民母親》縮到 400 像素當輸入。這張沒有標準答案，但每個人都知道她長什麼樣。

SeedVR2 3B 與 FlashVSR 都保留了顆粒與年代感，五官的張力也在。GFPGAN 1.4 和 CodeFormer 1.0 修得乾淨，但臉變得太平、太新。GPEN 2048 做了一件誰都沒料到的事：它給黑白照片上了膚色——整張臉變成淡橘色，這是它訓練資料裡人臉都是彩色的後果。FaceDetailer 和 Ultimate SD Upscale 則直接換了一張臉，表情和骨架都不是她了。

林肯肖像與索爾維會議合照的結果在文末完整對照圖裡，結論一樣：老照片請用 SeedVR2 3B，想修臉接 CodeFormer fidelity 1.0，GPEN／GFPGAN／FaceDetailer 都不要碰黑白照。

文字招牌：7B 的強項

麵包店招牌縮到 128 像素，文字是最容易看出「有沒有重建對」的題目。

SeedVR2 7B 把 FRESH BREAD 的每個字母都重建得乾淨，3B 的字母也對，但招牌木紋上出現了波浪狀的條紋——3B 在規則紋理上偶爾會有這種假紋理。Real-ESRGAN x4plus 對邊緣清楚的文字意外地好，字母邊緣銳利，速度又快。4x-UltraSharp 的字是糊的。Ultimate SD Upscale（Krea2）把店裡的櫃子和麵包都重畫了一遍，文字也變了形。

文字招牌、建築直線這類邊緣清楚的畫面，是 7B 唯一明顯贏過 3B 的地方；其他題目 3B 的分數都更好或持平。

動漫：專用模型與 SeedVR2 並列

Real-ESRGAN anime 6B 與 4x-AnimeSharp 這兩款動漫專用模型在這裡表現很好，線條乾淨、色塊平整；4x-UltraSharp 這種照片向的模型會把線條弄糊。SeedVR2 3B 的 LPIPS 是全場最低（0.068），線條與色塊都還原得很準。FaceDetailer 改了眼睛的畫法，動漫圖的「畫風」被重繪成另一種。

毛髮：細節與忠實的平衡

256 像素的貓臉，鬍鬚與毛流是難點。SeedVR2 3B 與 7B sharp 把毛流重建得最完整，FlashVSR 次之，Real-ESRGAN x2plus 與 4xNomos8kSCHAT-L 在 ESRGAN 系裡最好，4x-UltraSharp 偏糊。7B sharp 版的毛髮確實比一般版更銳利一點，但整體分數沒有比較好。

數字怎麼說

完整的分數表太長（37 條路線乘四個等級），這裡放每個降質等級 LPIPS 最好的前六名，與 20 張有臉圖合併的 FaceID 排名前段。

LPIPS（越低越像原圖）

FaceID（越高越像本人，20 張有臉圖合併）

兩件值得注意的事。第一，純插值放大的 FaceID 很高（0.712），因為糊掉的臉對人臉辨識模型來說「還是那張臉」，它只是糊；這再次說明 FaceID 要跟 LPIPS 一起看，單看一個會被騙。第二，SeedVR2 的 3B「ema」版在每個等級都比非 ema 版好，兩個都裝的話留 ema 那個就好。

建議留下的模型

測完之後，我的 upscale_models 從 19 款整理成下面這幾款，已經足夠覆蓋日常所有情境：

• SeedVR2 3B（ema）：糊圖、小臉、老照片的主力；7B fp8 兩版留給文字招牌與建築直線
• 4x-UltraSharp：通用 4x，也是接修臉模型前的標準放大
• 4xNomos8kSCHAT-L 與 2xNomosUni SPAN：本來就清晰的圖要變大時用，後者特別快
• 4xFFHQDAT、4xFaceUpDAT、4xFaceUpLDAT：人臉向的傳統放大，輕微降質的人像上分數最好
• Real-ESRGAN x4plus / x2plus / anime 6B、4x-AnimeSharp：x4plus 對文字邊緣穩、x2plus 在中度降質的 ESRGAN 系裡最好、後兩款給動漫
• 4x-ClearRealityV1：通用備用
• 修臉：CodeFormer（可調保真）、GFPGAN 1.4、GPEN 512／1024／2048；GFPGAN 1.3 不用留
• FlashVSR：影片向，單張圖的表現接近 SeedVR2 3B，要放大影片時的選擇

至於其他幾款——同一個檔案換名字的重複品、2018 年的原版 ESRGAN、接在前面反而弄壞圖的 1x 前處理模型——在文末完整對照圖裡都看得到它們的表現，讀者可以自己判斷。

情境推薦

完整對照圖

以下是 22 組完整對照（37 條路線 1:1 局部），依序是 12 題的 256 像素等級、7 題的仿老照片等級、3 張真老照片。每張圖第一格是輸入、第二格是原圖（真老照片沒有原圖）。

模型下載

相關文章

• ComfyUI 去背模型大評比：30 條路線同圖實測——同一套方法的上一篇