%20(1).png)
ComfyUI 插件完全攻略：Pyramid Noise For Inference 金字塔噪声插件
1. 插件简介
插件原地址： https://github.com/Koishi-Star/Pyramid_Noise_For_Inference
这个插件的作用就像是给你的AI绘画加了一个特殊的"噪声滤镜"。你知道我们用相机拍照时，有时候会故意加一点胶片颗粒感让照片更好看吗？这个插件就是做类似的事情，但是是在AI生成图片的过程中。
它能带来什么效果？ - 让AI生成的图片质量更好一些 - 在放大图片（高分辨率）时效果更明显 - 给图片增加一种特殊的"质感" - 就像是给你的AI绘画师换了一套更好的画笔
需要注意的是： - 目前不支持图生图功能（作者还在修复中） - 作者说不能显著改善光影效果 - 效果可能不会比其他插件明显很多
2. 如何安装
方法一：通过ComfyUI管理器安装（推荐）
- 打开ComfyUI
- 找到管理器（Manager）按钮
- 点击"Install Custom Nodes"（安装自定义节点）
- 搜索"Pyramid Noise"
- 点击安装，重启ComfyUI
方法二：手动安装
- 打开ComfyUI的安装文件夹
- 进入
custom_nodes文件夹 - 打开命令行窗口
- 输入命令：
git clone https://github.com/Koishi-Star/Pyramid_Noise_For_Inference - 重启ComfyUI
3. 节点详细解析
3.1 金字塔欧拉采样器（SampleEulerPyramid）
这个节点就像是一个"特殊的画笔"，它会用金字塔噪声来代替普通的噪声来生成图片。就好比原来用普通铅笔画画，现在换成了有特殊纹理的炭笔。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | Model对象 | 必填 | 就像选择哪个AI画师来画画 | 输入要使用的扩散模型 | 连接你加载的SD模型 |
| 潜在空间 | latent | Latent对象 | 必填 | 就像画布的初始状态 | 输入的潜在表示数据 | 连接空白潜在空间或其他潜在空间 |
| 采样步数 | steps | 整数 | 20-30 | 就像画画要涂几遍颜料 | 扩散模型的去噪步数 | 步数越多质量越好但速度越慢 |
| 配置强度 | cfg | 浮点数 | 7.0 | 就像告诉AI要多听你的话 | 分类器引导强度 | 越高越按提示词生成，但过高会失真 |
| 采样器名称 | sampler_name | 字符串 | euler_pyramid | 就像选择哪种画笔类型 | 采样器的名称标识 | 使用金字塔欧拉采样器 |
| 调度器 | scheduler | 字符串 | normal | 就像选择涂色的节奏 | 噪声调度器类型 | 控制去噪过程的时间安排 |
| 正向提示词 | positive | Conditioning | 必填 | 告诉AI你想要什么 | 正向条件引导 | 连接你的提示词编码 |
| 负向提示词 | negative | Conditioning | 必填 | 告诉AI你不想要什么 | 负向条件引导 | 连接你的负面提示词编码 |
| 噪声种子 | seed | 整数 | 随机 | 就像抽奖的号码，控制随机性 | 随机数种子 | 相同种子生成相同结果 |
| 迭代次数 | iterations | 整数 | 5 | 金字塔噪声要叠加几层 | 金字塔噪声的层数 | 越多层次越丰富但计算越慢 |
| 衰减系数 | discount | 浮点数 | 0.4 | 每层噪声的强度衰减 | 噪声强度的衰减因子 | 越小高频细节越少 |
3.2 金字塔Heun采样器（SampleHeunPyramid）
这个节点就像是另一种"特殊画笔"，基于Heun方法（一种数学算法），画出来的效果会有些不同。就好比从油画笔换成了水彩笔。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | Model对象 | 必填 | 就像选择哪个AI画师来画画 | 输入要使用的扩散模型 | 连接你加载的SD模型 |
| 潜在空间 | latent | Latent对象 | 必填 | 就像画布的初始状态 | 输入的潜在表示数据 | 连接空白潜在空间或其他潜在空间 |
| 采样步数 | steps | 整数 | 20-30 | 就像画画要涂几遍颜料 | 扩散模型的去噪步数 | 步数越多质量越好但速度越慢 |
| 配置强度 | cfg | 浮点数 | 7.0 | 就像告诉AI要多听你的话 | 分类器引导强度 | 越高越按提示词生成，但过高会失真 |
| 采样器名称 | sampler_name | 字符串 | heun_pyramid | 就像选择哪种画笔类型 | 采样器的名称标识 | 使用金字塔Heun采样器 |
| 调度器 | scheduler | 字符串 | normal | 就像选择涂色的节奏 | 噪声调度器类型 | 控制去噪过程的时间安排 |
| 正向提示词 | positive | Conditioning | 必填 | 告诉AI你想要什么 | 正向条件引导 | 连接你的提示词编码 |
| 负向提示词 | negative | Conditioning | 必填 | 告诉AI你不想要什么 | 负向条件引导 | 连接你的负面提示词编码 |
| 噪声种子 | seed | 整数 | 随机 | 就像抽奖的号码，控制随机性 | 随机数种子 | 相同种子生成相同结果 |
| 迭代次数 | iterations | 整数 | 5 | 金字塔噪声要叠加几层 | 金字塔噪声的层数 | 建议保持默认值 |
| 衰减系数 | discount | 浮点数 | 0.3 | 每层噪声的强度衰减 | 噪声强度的衰减因子 | Heun方法建议用更小的值 |
3.3 金字塔DPM++2S采样器（SampleDPMPP2SPyramid）
这个节点基于DPM++2M算法，就像是第三种"特殊画笔"。如果说前两个是铅笔和炭笔，这个就像是马克笔，画出来的效果又不一样。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | Model对象 | 必填 | 就像选择哪个AI画师来画画 | 输入要使用的扩散模型 | 连接你加载的SD模型 |
| 潜在空间 | latent | Latent对象 | 必填 | 就像画布的初始状态 | 输入的潜在表示数据 | 连接空白潜在空间或其他潜在空间 |
| 采样步数 | steps | 整数 | 20-30 | 就像画画要涂几遍颜料 | 扩散模型的去噪步数 | 步数越多质量越好但速度越慢 |
| 配置强度 | cfg | 浮点数 | 7.0 | 就像告诉AI要多听你的话 | 分类器引导强度 | 越高越按提示词生成，但过高会失真 |
| 采样器名称 | sampler_name | 字符串 | dpmpp_2s_pyramid | 就像选择哪种画笔类型 | 采样器的名称标识 | 使用金字塔DPM++2S采样器 |
| 调度器 | scheduler | 字符串 | normal | 就像选择涂色的节奏 | 噪声调度器类型 | 控制去噪过程的时间安排 |
| 正向提示词 | positive | Conditioning | 必填 | 告诉AI你想要什么 | 正向条件引导 | 连接你的提示词编码 |
| 负向提示词 | negative | Conditioning | 必填 | 告诉AI你不想要什么 | 负向条件引导 | 连接你的负面提示词编码 |
| 噪声种子 | seed | 整数 | 随机 | 就像抽奖的号码，控制随机性 | 随机数种子 | 相同种子生成相同结果 |
| 迭代次数 | iterations | 整数 | 5 | 金字塔噪声要叠加几层 | 金字塔噪声的层数 | 建议保持默认值 |
| 衰减系数 | discount | 浮点数 | 0.2 | 每层噪声的强度衰减 | 噪声强度的衰减因子 | DPM++方法建议用更小的值 |
4. 使用技巧和建议
4.1 参数搭配建议
关键规则： 迭代次数 × 衰减系数 要小于特定值
- 欧拉金字塔采样器： 迭代次数 × 衰减系数 < 2
- 例如：迭代次数=5，衰减系数=0.4，相乘=2.0（刚好在边界）
-
例如：迭代次数=4，衰减系数=0.3，相乘=1.2（很安全）
-
Heun和DPM++采样器： 迭代次数 × 衰减系数 < 1.2
- 例如：迭代次数=5，衰减系数=0.2，相乘=1.0（很安全）
- 例如：迭代次数=4，衰减系数=0.3，相乘=1.2（刚好在边界）
4.2 什么时候用哪个采样器
- 欧拉金字塔： 适合日常使用，效果均衡，速度较快
- Heun金字塔： 适合要求更高质量的场景，速度较慢但效果更精细
- DPM++金字塔： 适合复杂图像，在细节处理上有优势
4.3 高分辨率优化建议
这个插件在高分辨率（放大）时效果更明显，建议： - 先用512x512生成基础图 - 再用hires fix或其他放大方法配合金字塔噪声 - 放大时可以适当降低迭代次数（比如从5降到3）
5. 常见问题解答
Q1: 为什么我的图片质量没有明显改善？
A: 这是正常的。作者也说了这个插件不能显著改善所有方面，特别是光影效果。它主要是在纹理和细节方面有轻微提升。
Q2: 可以在图生图中使用吗？
A: 目前不可以。作者还在修复图生图的兼容性问题。
Q3: 迭代次数越多越好吗？
A: 不一定。迭代次数太多会让图片过于"噪点化"，而且要遵守"迭代次数×衰减系数"的规则。
Q4: 和其他采样器比有什么区别？
A: 主要区别在于噪声生成方式。普通采样器用的是简单随机噪声，这个插件用的是"金字塔结构"的噪声，理论上能产生更丰富的纹理层次。
Q5: 插件运行速度如何？
A: 会比普通采样器慢一些，因为需要额外计算金字塔噪声。如果你的显卡性能一般，建议降低迭代次数。
6. 总结和进阶建议
插件价值
这个插件就像是给AI绘画加了一个"纹理滤镜"，虽然不会产生翻天覆地的变化，但在某些情况下（特别是高分辨率）能让图片的质感更好一些。
适用场景
- 需要高质量纹理的图片
- 大分辨率图片生成
- 对细节有较高要求的创作
- 想要尝试不同风格效果的时候
注意事项
- 不要期望过高的改善效果
- 注意参数搭配规则
- 暂时不要用于图生图
- 如果效果不理想，可以回到普通采样器
记住，AI绘画是个需要不断尝试和调整的过程，这个插件只是众多工具中的一个。最重要的还是你的提示词、模型选择和参数调整。把这个插件当作一个"小调料"来使用，而不是期望它能解决所有问题。