https://www.luyingzhi.cn/zh-cn/Recent content in Home on 造梦者Hugozh-CN© 2026 luyingzhiWed, 28 Oct 2026 05:00:00 +0800https://www.luyingzhi.cn/zh-cn/posts/krea2-model-review.htmlWed, 28 Oct 2026 05:00:00 +0800https://www.luyingzhi.cn/zh-cn/posts/krea2-model-review.html<p>用 Krea 2 出了几个月的图，从一开始的惊喜到后来摸清它的脾气。这篇文章不谈参数表，只谈<strong>实际用下来它到底擅长什么、什么地方踩坑，以及怎么写提示词才有效</strong>。</p> <p>先给结论：</p> <ul> <li><strong>细节完成度是它最强的</strong> —— 发丝、眼神光、光线过渡，放大看明显比同类模型「完成」</li> <li><strong>底子是动漫</strong> —— 不挂写实 LoRA，出的永远是二次元，拍不了真人</li> <li><strong>不会中文</strong> —— 图里要出现中文文字，换 Qwen 系列</li> <li><strong>原生上限 1536</strong> —— 要 2K+ 得靠放大流程</li> <li><strong>慢 1.7 倍</strong>，但瓶颈在模型本身，不在 LoRA</li> </ul> <p>文中耗时基于 RTX 2080 Ti 22GB 实测，不同硬件请自行核对。</p> <h2 id="1-它最强的地方细节完成度">1. 它最强的地方：细节「完成度」</h2> <p>这是 Krea 2 和同类模型拉开差距的地方，也是最容易被忽略的一点。</p> <p>把同一句提示词生成的两张图放大到 200% 对比，差异立刻出来：</p> <table> <thead> <tr> <th>细节项</th> <th>Krea 2 的表现</th> <th>常见同类模型</th> </tr> </thead> <tbody> <tr> <td>发丝</td> <td>一组一组画清楚，有走向和分叉</td> <td>常糊成一片，或过度锐化</td> </tr> <tr> <td>眼神光</td> <td>位置准确，有高光层次</td> <td>经常缺失或位置不对</td> </tr> <tr> <td>侧逆光过渡</td> <td>层次分明，不突兀</td> <td>容易过曝或过渡生硬</td> </tr> <tr> <td>衣料褶皱</td> <td>有体积感，符合布料物理</td> <td>常出现无意义的纹理</td> </tr> </tbody> </table> <p><strong>为什么会有这个差异</strong>：Krea 2 是 12.8B 的单流 DiT，参数量大且架构更集中。它把算力用在了「把画面做完」上，而不是「让画面像拍的」。</p> <p>这带来一个具体的好处：<strong>交付前的修图工作量小很多</strong>。发丝不用修、眼神光不用补，直接能用。</p> <h3 id="代价太完成反而带修图感">代价：太「完成」反而带修图感</h3> <p>这是它的隐藏缺点。因为细节太完美，人脸和光线会带一点<strong>杂志精修</strong>的味道，不像随手拍的照片。</p> <p>如果你要的是「这人真的存在」的纪实感，它给不了。要那种感觉，得看 Qwen 系列。</p>https://www.luyingzhi.cn/zh-cn/posts/krea2-4k-upscale.htmlWed, 28 Oct 2026 04:00:00 +0800https://www.luyingzhi.cn/zh-cn/posts/krea2-4k-upscale.html<p>这次要解决的是一个很具体的问题：<strong>手上有一张不错的中等分辨率 AI 图，怎么把它变成能印刷、能上大屏的 4K 成品。</strong></p> <p>大多数人第一反应是用放大工具直接拉 —— 无论是 PS 的「保留细节 2.0」，还是各种在线超分服务。结果通常是：尺寸是大了，但凑近看全是糊的，皮肤没有纹理，发丝粘成一片，织物看不出材质。</p> <p>这篇文章讲的是另一条路：<strong>用 Krea2 的三段放大配合加噪重绘，让模型真正「重新画」出细节</strong>，而不是插值猜像素。</p> <p>先给结论：</p> <ul> <li><strong>显存 16GB 以上</strong>能完整跑 4K，12GB 跑 2K 舒服，8GB 建议停在 2K</li> <li><strong>2048×2048 约 30 秒到 1 分钟</strong>，4096×4096 约 1 到 3 分钟</li> <li><strong>核心不是放大倍数，是每一段的重绘强度设置</strong> —— 这是整篇文章的重点</li> <li>适合：要把 AI 图做成印刷品、海报、大屏素材的人</li> </ul> <blockquote> <p>说明：文中的耗时和显存数字基于 RTX 2080 Ti 22GB 实测。不同显卡差异明显，<strong>实际数字请以本机跑出来的为准</strong>，不要照抄。</p> </blockquote> <h2 id="1-核心能力速览">1. 核心能力速览</h2> <table> <thead> <tr> <th>能力项</th> <th>说明</th> </tr> </thead> <tbody> <tr> <td>项目类型</td> <td>基于 ComfyUI 内核的本地 AI 出图工作台</td> </tr> <tr> <td>放大方式</td> <td>三段式：2× 补结构 → 2× 补纹理 → 原尺寸统一质感</td> </tr> <tr> <td>最大输出</td> <td>受显存限制，16GB 可到 4096×4096</td> </tr> <tr> <td>重绘控制</td> <td>每段独立设置重绘强度，可精细调节</td> </tr> <tr> <td>硬件要求</td> <td>NVIDIA 显卡，8GB 起（2K），16GB+（4K）</td> </tr> <tr> <td>运行方式</td> <td>完全本地，内核随安装包分发，图片不上传</td> </tr> <tr> <td>输入格式</td> <td>支持任意来源的图片，不限于 Krea2 自己生成的</td> </tr> <tr> <td>适合场景</td> <td>印刷品、海报、大屏素材、需要高细节的交付物</td> </tr> </tbody> </table> <p>需要明确一个边界：<strong>三段放大不是万能的</strong>。它能补出合理细节，但补不出原图里完全没有的信息。如果原图只有 512×512 且非常模糊，放大到 4K 也只是「合理的模糊」，不会变成清晰照片。<strong>输入质量决定输出上限。</strong></p>https://www.luyingzhi.cn/zh-cn/posts/voice-cloning-local-vs-cloud.htmlFri, 23 Oct 2026 10:00:00 +0800https://www.luyingzhi.cn/zh-cn/posts/voice-cloning-local-vs-cloud.html<h2 id="先给判断标准">先给判断标准</h2> <table> <thead> <tr> <th>你的情况</th> <th>选云端</th> <th>选本地</th> </tr> </thead> <tbody> <tr> <td>每月生成 &lt; 10 万字</td> <td>✅</td> <td></td> </tr> <tr> <td>需要批量生成</td> <td></td> <td>✅</td> </tr> <tr> <td>内容敏感（内部培训、未发布产品）</td> <td></td> <td>✅</td> </tr> <tr> <td>只需要标准音色</td> <td>✅</td> <td></td> </tr> <tr> <td>需要克隆特定人声</td> <td></td> <td>✅</td> </tr> <tr> <td>没有 GPU</td> <td>✅</td> <td></td> </tr> </tbody> </table> <p>云端 TTS 的核心优势是<strong>省事</strong>。本地克隆的核心优势是<strong>免费 + 可控 + 隐私</strong>。</p> <h2 id="成本对比">成本对比</h2> <p>云端主流 TTS 服务大约 0.1–0.3 元/千字。按每月 50 万字算，是 50–150 元/月，一年 600–1800 元。</p> <p>本地跑的电费：一张 3060 持续推理，功耗约 150W，一小时生成约 3 万字，电费约 0.09 元。<strong>同样 50 万字，电费不到 2 元。</strong></p> <p>差距主要在倍率上。用得越多，本地越划算。</p> <h2 id="克隆质量的真实差异">克隆质量的真实差异</h2> <p>云端和本地用的是不同的技术路线：</p> <ul> <li><strong>云端大厂</strong> — 自研模型，音色自然度高，但<strong>通常不支持任意声音克隆</strong>（合规原因）</li> <li><strong>本地开源</strong> — 基于 few-shot 克隆，<strong>3–10 秒参考音频就能复刻音色</strong></li> </ul> <p>具体到相似度：</p>https://www.luyingzhi.cn/zh-cn/posts/krea2-workflow-pipelines.htmlThu, 22 Oct 2026 14:00:00 +0800https://www.luyingzhi.cn/zh-cn/posts/krea2-workflow-pipelines.html<h2 id="1-先搞清楚你要交付什么">1. 先搞清楚你要交付什么</h2> <p>选流水线之前，先问自己一个问题：<strong>这张图拿去干嘛？</strong></p> <p>这个答案决定了一切。我按实际使用场景做了个判断表：</p> <table> <thead> <tr> <th>你的目标</th> <th>用哪条</th> <th>大概耗时</th> </tr> </thead> <tbody> <tr> <td>试试提示词，看看出什么</td> <td>写实生成（单段）</td> <td>1–3 秒</td> </tr> <tr> <td>出一张能发的成品图</td> <td>写实生成（双段）</td> <td>3–15 秒</td> </tr> <tr> <td>同一个人要出现在多张图里</td> <td>角色选角</td> <td>20–60 秒/张</td> </tr> <tr> <td>图要印出来 / 上大屏</td> <td>写实 + 三段放大</td> <td>1–3 分钟</td> </tr> <tr> <td>已有图要放大补细节</td> <td>只跑三段放大</td> <td>30 秒–2 分钟</td> </tr> </tbody> </table> <p><strong>常见错误</strong>：一上来就开双段 + 三段放大，等三分钟出一张图，结果提示词完全不对，白等。</p> <p>正确顺序是<strong>先单段试构图，确定方向后再上重流程</strong>。</p> <h2 id="2-界面里这三条流水线在哪">2. 界面里这三条流水线在哪</h2> <p>打开工作台，左侧是参数面板，顶部有三个标签页，对应三条流水线：</p> <pre tabindex="0"><code>[ 写实生成 ] [ 角色选角 ] [ 放大精修 ] ↑ 默认在这里 </code></pre><p>右侧是出图预览区。切换标签页时，左侧参数会整体替换 —— 因为三条流水线需要的参数完全不同。</p> <p><strong>为什么不做成一个表单</strong>：写实生成和角色选角的 CFG 需求是相反的。前者要 7–9 拉高细节，后者要 3–5 保住参考图特征。塞进一个表单就没法给好默认值，用户每次都要手动改。</p> <h2 id="3-第一条写实生成怎么用">3. 第一条：写实生成怎么用</h2> <h3 id="参数只有-5-个要调">参数只有 5 个要调</h3> <table> <thead> <tr> <th>参数</th> <th>默认值</th> <th>什么时候改</th> </tr> </thead> <tbody> <tr> <td>主体</td> <td>空</td> <td>必填，写清楚&quot;谁/什么&quot;</td> </tr> <tr> <td>场景</td> <td>空</td> <td>必填，写清楚&quot;在哪&quot;</td> </tr> <tr> <td>光线</td> <td>自然光</td> <td>逆光/夜景/棚拍时改</td> </tr> <tr> <td>画幅</td> <td>1:1</td> <td>出手机壁纸改 9:16，出横版改 16:9</td> </tr> <tr> <td>采样强度</td> <td>7.0</td> <td>细节不够调高，画面糊调低</td> </tr> </tbody> </table> <p>其余参数（采样器、调度器、步数）都用调好的默认值。<strong>不要动它们</strong>，除非你很清楚自己在做什么。</p>https://www.luyingzhi.cn/zh-cn/posts/local-ai-image-generation.htmlTue, 20 Oct 2026 10:00:00 +0800https://www.luyingzhi.cn/zh-cn/posts/local-ai-image-generation.html<h2 id="先说结论">先说结论</h2> <p><strong>如果你每月出图超过 300 张，本地跑比云端便宜得多，而且快得多。</strong></p> <p>代价是初始配置麻烦、要一块像样的显卡、模型管理要自己操心。</p> <p>这张表是半年实际使用的数据：</p> <table> <thead> <tr> <th>维度</th> <th>云端服务</th> <th>本地桌面</th> </tr> </thead> <tbody> <tr> <td>单张成本</td> <td>0.05–0.3 元</td> <td>约 0.002 元（电费）</td> </tr> <tr> <td>首次出图延迟</td> <td>2–8 秒（含排队）</td> <td>3–15 秒（首次加载模型）</td> </tr> <tr> <td>后续出图</td> <td>2–8 秒</td> <td><strong>1–3 秒</strong></td> </tr> <tr> <td>隐私</td> <td>图片上传到第三方</td> <td><strong>完全本地</strong></td> </tr> <tr> <td>硬件要求</td> <td>无</td> <td>8GB+ 显存</td> </tr> <tr> <td>分辨率上限</td> <td>服务商限制</td> <td><strong>仅受显存限制</strong></td> </tr> </tbody> </table> <h2 id="为什么网页服务慢">为什么网页服务慢</h2> <p>网页服务的时间分成三段：</p> <ol> <li><strong>上传提示词</strong> — 几十毫秒，忽略不计</li> <li><strong>排队等 GPU</strong> — 免费额度下可能 30 秒以上</li> <li><strong>推理 + 下载</strong> — 取决于分辨率和步数</li> </ol> <p>第 2 段是弹性的，第 3 段还要加上下载 5MB 图片的时间。本地跑的时候，第 2、3 段基本消失。</p> <h2 id="本地跑的真实门槛">本地跑的真实门槛</h2> <p>别被「本地部署」这四个字骗了，实际要处理这些东西：</p> <h3 id="模型管理">模型管理</h3> <p>ComfyUI 的模型散在多个目录：<code>checkpoints/</code>、<code>loras/</code>、<code>vae/</code>、<code>controlnet/</code>、<code>upscale_models/</code>。下载错版本、放错目录、文件名带空格导致加载失败，是新手最常踩的三个坑。</p> <h3 id="工作流配置">工作流配置</h3> <p>ComfyUI 的节点图对新手不友好。一个基础的 txt2img 工作流就有十几个节点，采样器、调度器、CFG、步数这些参数互相影响。</p>