ComfyUI-VOSR2：为 ComfyUI 引入一步式 VOSR 2.0 图像放大模型

VOSR 2.0 是什么

VOSR 2.0 是一个一步式超分辨率模型，由三个固定组件构成：LightningDiT 主干、作为其 Latent 空间的 Qwen-Image 2D VAE，以及用于条件的 DINOv2-L 视觉编码器。它属于生成式方法，而不是经典的调整大小加锐化流程，因此能够重建低分辨率输入中并不真实存在的结构，例如文字字形、面部特征和建筑边缘。

模型卡在精细结构与小号文字上的对比，论文认为 VOSR 2.0 在这类场景中最强。

由于这些组件属于同一套训练产物，节点包将它们作为一个捆绑包处理：DiT 只能与它训练时对应的 Qwen 2D VAE 配合使用，视觉编码器也以同样方式匹配。没有可单独替换的 VAE 或编码器输入。

两个节点

两个节点都位于 image/upscaling/VOSR2 下：

图像放大节点接受一个 upscale 倍数（默认 4，不设上限）、用于 Latent 噪波的 seed（其中批处理第 i 项使用 seed + i）、对双三次目标进行后处理的 color_alignment 模式（wavelet、adain 或 none），以及独立的 DiT 与 VAE 分块控制。

超过 512px 后分块不是可选项

这部分值得在你提交任务之前先读一读：VOSR 2.0 的原生训练分辨率最高为 512 px，因此只要放大后的输出超过 512x512，就需要设置 tile_size（文档给出的值为 512），否则质量会下降。对于远超 1024 px 的输出，还应设置 vae_tile_size，约为 1024，否则整图 VAE 解码很可能会内存不足。

含小号文字的低分辨率输入	VOSR 2.0 输出

加载器会在构建任何内容之前，依据固定的 VOSR 2.0 架构校验 args.json，因此不兼容的 checkpoint 会以清晰的提示信息报错，而不是部分加载。任何带有 args.json 的捆绑包文件夹只要放在 models/vosr2/ 下，就会出现在模型下拉列表中，但只有 VOSR2 会自动下载。

工作流

示例工作流：两组加载器与放大节点配对，让已加载的捆绑包不进入逐图像处理路径。

可用性

将 ylchen333/ComfyUI-VOSR2 克隆到 ComfyUI/custom_nodes 并重新启动。它需要搭配较新 PyTorch 的 ComfyUI，且该包会预先进行检查，因此旧环境只会记录一条清晰的错误，而不会从节点列表中消失。

首次运行时，加载器会把所有缺失的组件从固定的 CSWRY/VOSR 仓库下载到 models/vosr2/VOSR2/ 捆绑包中，之后便会跳过下载。该仓库中的 DINOv2-L 文件是原始 PyTorch pickle；加载器会自动将其转换为 safetensors，README 也记录了离线安装时的手动转换方法。