ComfyUI TTP Toolset 分块重绘完整指南：用 Smart Tile 2.0 给大图逐块精修，显存不够也能玩
ComfyUI TTP Toolset 分块重绘完整指南用 Smart Tile 2.0 给大图逐块精修显存不够也能玩【免费下载链接】Comfyui_TTP_Toolsetfor tile the image for advanced control or modification项目地址: https://gitcode.com/gh_mirrors/co/Comfyui_TTP_ToolsetComfyUI TTP Toolset 是一个围绕分块思路打造的 ComfyUI 节点集它要解决的痛点是当你想把一张大图放大、精修、局部重绘时显卡显存总是不够用。它提供了两代分块方案——固定网格的 TTP Tile 1.0 和语义感知的 Smart Tile 2.0后者能让机器像人一样看哪里重要就重点处理哪里。下面我们从一次真实的修图需求出发把这个工具讲明白。 为什么整张图直接重绘会爆显存先弄懂切蛋糕的代价假设你有一张 8K 分辨率的人像照片想用 Flux 或 Hunyuan 做细节重绘。直接整张喂进 img2imgVAE 编码一次就要占用大量显存采样过程更是动辄吃掉几十 GB——大多数家用显卡只有 12~24GB根本扛不住。分块Tiling的思路就像切蛋糕把大图切成若干小块一块一块送进采样器处理完再拼回去。但这引出两个问题怎么切均匀切成方块最简单但会切到人脸、文字、手部这些关键区域导致拼接处出现断裂。怎么拼块与块交界处如果处理不好会出现明显的接缝和色差。TTP Toolset 的两代方案恰好是这两个问题的两种答案TTP Tile 1.0 用固定网格解决切Smart Tile 2.0 用语义分块解决切得聪明 拼得自然。 Smart Tile 2.0 到底聪明在哪它分块不是按格子是按对象TTP Tile 1.0 是这个项目最早的分块放大流程思路很朴素Image Tile Batch按你指定的宽高把图切成等尺寸小块批量处理后用Image Assembly按原位置拼回再用Padding参数压住接缝。对 Flux、Hunyuan、SD3、ControlNet Tile 这类传统固定网格放大场景它至今依然实用。图注TTP Tile 1.0 的经典放大链路——先整体生成基础图再分块放大并逐块重绘细节。而 Smart Tile 2.0 把分块逻辑从几何网格升级成了视觉对象。它允许你建立可变尺寸的 tile人脸可以是一块小的高细节 tile背景可以是一整块大 tile文字、手部、主体、服装各自成块。这样分块的数量可以自由变化4 块、8 块、16 块都行不再受固定格子约束。官方推荐从TTP Smart Tile Interactive Crop节点入手。这个节点自带可视化编辑器支持加载图片、手动框选 tile、画笔涂蒙版还能一键执行 Auto Tile 自动分块。编辑器会把当前布局存进隐藏的layout_json控件里工作流里随时能复用这套分块方案。️ 编辑器里能做什么从手动框选到 SAM3.1 / QwenVL3 自动分块TTP Smart Tile Interactive Crop的编辑器交互相当完整几个高频操作Replace grid用均匀网格整体替换当前布局Grid in T#只把选中的某个 tile 继续细分不用重建整个布局Mask to Tile把画笔涂出的区域直接变成对象 tileMerge tiles多选后把若干 tile 合并成一个大块Fill gaps为未覆盖区域自动补背景 tileAuto Tile调用 SAM3.1 或 QwenVL3 做对象检测把检测结果写回编辑器。自动分块由auto_detect_mode控制sam3.1模式走 ComfyUI 官方 SAM3 Detect 路径qwenvl3模式通过TTP QwenVL3 Local Loader读取本地模型放在ComfyUI/models/text_encoders下用 QwenVL 返回的 bbox 坐标生成布局。如果 Qwen 只返回一个整图大框Smart Tile 会自动把它拆成有用的细节 tile。auto_max_tiles参数则限制最终 tile 总数防止自动补块后布局失控。图注一个完整的 Smart Tile 2.0 循环工作流从交互分块到循环采样再到最终拼合全部节点一目了然。✍️ 每块配一句提示词QwenVL Prompt Set Builder 怎么自动写词分块之后如果所有 tile 共用同一句提示词细节重绘就失去了意义。Smart Tile 2.0 支持逐 tile 提示词每个 tile 可以有自己的 prompt人脸块强调五官衣服块强调纹理。手写太累官方路径是加一个TTP Smart Tile QwenVL Prompt Set Builder节点放在循环之前Interactive Crop - QwenVL Prompt Set Builder - Semantic Rank - Loop Source它会用 QwenVL 看图生成每块 tile 的提示词支持整图、单块或联系表contact sheet作为视觉上下文还会按模型文件、tile 哈希、提示词和 seed 做结果缓存——重复运行时不打扰没变化的 tile。如果你只想改个别块的提示词TTP Smart Tile Prompt Override可以按 label 或序号筛选 tile做替换、追加、前置或查找替换局部 edit 场景下还能用drop_unmatched让未选中的区域保留原图底子。 一张一张喂给采样器Loop Source 和 Loop Collect 怎么搭循环传统分块放大最繁琐的地方在于16 个块就要手动复制 16 套采样器连线。Smart Tile 2.0 用两个节点解决了这个问题TTP Smart Tile Loop Source每次输出当前一个 tile 图像和对应的提示词送进 VAE Encode / 采样器 / VAE DecodeTTP Smart Tile Loop Collect收集处理完的 tile 并放回 tile set然后自动推进到下一个。采样前还可以接TTP Smart Tile Image Upscale Prep把每个 tile 先放大再采样——它支持连接 ComfyUI 的UPSCALE_MODEL走 tiled upscale-model 路径没接模型时也能用 lanczos、bicubic 等插值方案。scale控制放大倍数max_megapixels用百万像素上限卡住显存round_to让尺寸对齐到 8 的倍数。循环结束后TTP Smart Tile Output Size Estimate会根据处理后的 tile 尺寸估算最终画布大小支持median和focus_weighted两种策略——后者会加权高细节块避免人脸、眼睛、文字这些关键块被大背景块拖低最终分辨率。 拼图不露马脚Assemble 的蒙版羽化、语义层级与 final_only 策略拼回这一步是分块方案最见功力的地方。TTP Smart Tile Assemble提供了大量组装控制assemble_mode默认final_only只在循环全部结束后拼合一次比每步都重拼快得多Loop Collect.done接Assemble.done可让未完成时只输出轻量预览mask_blend_mode有对象蒙版时用蒙版羽化否则用矩形羽化color_correction可接reinhard_lab、mkl_lab、histogram等 Transfer Color 方案参考图默认是原图small_tile_on_top让小的细节块脸、眼睛、文字压在大块之上重叠时优先显示base_canvas_mode设为black可防止原图像素从缝隙里透出来。真正让 Smart Tile 与均匀切块 拼回拉开差距的是语义层级。TTP Smart Tile Semantic Rank会把每个 tile 分类为背景、主体、人脸、眼睛、手、文字、细节等类别并写入推荐 layer、priority、occlusion priority 等元数据。开启apply_composite_rank后人脸/眼睛/文字/细节块会自动被提升到背景块之上并标记为软叠加混合auto_composite_policysafe_auto会优先把这些焦点区域做成软覆盖而不是硬掏洞。配合TTP Smart Tile Composite Override和TTP Smart Tile Stack Order你甚至可以用T1,T3,T2这样的顺序手动指定哪几块在最上层。最后用TTP Smart Tile Save Final Image保存它只保存循环结束后的最终结果天然规避了原生 Save Image 把每个循环帧都存一遍的问题。 别乱调参三套起步配置直接抄如果你刚上手从这些参数组合开始不会错场景推荐设置通用手动网格grid3x3default_pad32default_blend32~64round_to8人像/细节精修Auto Tile Qwen/SAM 提示person, face, eyes, hands, text避免原图透出base_canvas_modeblack并确保 Fill gaps 覆盖空白区小细节要压过大块small_tile_on_toptrueauto_composite_policysafe_auto高开销对齐工作流assemble_modefinal_only接好 Loop Collect 的done自动分块完成后如果你只想检测一次、之后固定手改布局记得把auto_detect_mode改回none否则正式运行会再次替换你的布局。 项目里还有什么值得玩旧工作流与视频加速除了 Smart Tile 2.0 主流程这个工具集还包含几样独立装备TTP Tile 1.0 固定网格Image Tile Batch、Image Assembly、Tile Image Size三个节点构成的传统放大链路适合规整网格够用的场景LTX 首尾帧与中间帧控制examples/目录下有LTX_2_First_Last_I2V_ttp_v2.json等工作流示例对应 LTX 视频的首尾帧和中间帧控制节点Hunyuan Video TeaCache 采样器在 NVIDIA 4090 上测试 720x480、65 帧视频采样约 55 秒加速约 2.1 倍——注意加速倍率过高会影响画质和动态效果需要按项目调节坐标与条件辅助节点Coordinate Splitter、Cond to Batch、Condition Merge一组小工具服务于更精细的条件控制。图注Hunyuan 模型下使用分块控制做 800 万像素级放大右侧小图可见分块处理的中间结果。 想深入从这两份示例工作流开始官方推荐两条上手路径完整的 Smart Tile 循环见examples/smart_tile_qwen_sam_loop_example_v2.jsonKrea2 edit 采样工作流见examples/ttp_smart_tile_example_Krea2_edit.json。前者演示了推荐全链路Interactive Crop 用 SAM3.1 自动分块 → QwenVL Prompt Set Builder 生成逐块提示词 → Semantic Rank 写语义优先级 → Loop Source 逐块送入 img2img → Image Upscale Prep 采样前放大 → Loop Collect 收集 → Output Size Estimate 估算画布 → Assemble 在 final_only 模式下一次拼合 → Save Final Image 只存最终图。运行前只需把工作流里的扩散模型、CLIP/text encoder、VAE、LoRA、放大模型替换成本机已安装的文件即可这份工作流主要作为连线参考模型选择可以自由替换。一句话总结ComfyUI TTP Toolset 的核心价值不是能切图而是知道该怎么切、切完怎么拼。Smart Tile 2.0 把显存受限时的超分辨率、局部重绘和细节精修从一件碰运气的事变成了一条清晰可控、每块都有专属提示词的流水线。【免费下载链接】Comfyui_TTP_Toolsetfor tile the image for advanced control or modification项目地址: https://gitcode.com/gh_mirrors/co/Comfyui_TTP_Toolset创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
