AI 出图糊 / 细节少：6 类原因 + 最快修复

Q: 为什么图在软件里清晰，下载后却糊？

那是 JPEG 导出，不是生成的问题。分享/预览文件被重新压缩过。下载原始 PNG（Step 6），再放大看保存的文件确认。

Q: Midjourney 里 `--quality` 调高是不是等于分辨率更高？

不是。`--quality` 只接受 `0.25`、`0.5`、`1`，改的是细节和 GPU 耗时，不是像素数。要更大更清晰的文件，用 V8.1 的 HD 模式（或 `--hd`），它原生出 2K。

Q: 步数越多细节就越多，对吧？

有上限。SDXL 配 `DPM++ 2M Karras` 大概 25-30 步就收敛了，再加基本是白烧 GPU、收益极小。Flux 需要的步数更少（Euler 大约 28-35 步）。超出这些区间，就该改 Prompt 或换 checkpoint，而不是继续堆步数。

Q: ChatGPT 以前用 DALL-E 3，现在找不到那些设置了，发生了什么？

DALL-E 3 已于 2025 年 12 月从 ChatGPT 下线，API 也在 2026-05-12 弃用。软件内的生成器现在是 GPT Image（截至 2026-04-21 为 GPT Image 2.0 / `gpt-image-2`），原生最高出 2K。直接在 Prompt 里指定尺寸（如 `1536x1024`）并要求"high-resolution"即可。

Q: 不管怎么调脸都软，最有效的那根杠杆是哪个？

checkpoint。SDXL 基础模型对脸只是中等细节。固定同一 seed 和设置，换写实 checkpoint（Juggernaut XL 或 RealVisXL），这一招对脸部细节通常比加步数或加分辨率更管用。

出图模糊、软、塑料感重？原因几乎都是分辨率、采样步数、或 Prompt 没有细节锚词。60 秒定位，再逐个修。

发布于: 2026/05/17 更新于: 2026/06/17 作者: AI Productivity Guide Team 🌐 查看英文版本

你期望睫毛根根分明、织物纹理可辨、地板能看到灰尘，结果出来的图像 2010 年的手机 JPEG：主体、姿势都对，但软、塑料感重，扫一眼就”质量差”。

最快修复（90 秒）： 把生成分辨率拉到 1024 或更高，采样步数提到 30，再往 Prompt 末尾贴 3-4 个细节锚词。Midjourney（V8.1，2026-06-10 起为默认版本）直接在 Settings 里打开 HD，原生出 2K，连放大步骤都省了。这一步就能解决大多数”出图发软”的抱怨。如果还缺细节，再照下面的表往下排查。

你属于哪一类？

按顺序逐项检查，第一个对上的基本就是真正的原因。

检查项	如果成立	原因	跳到
任一边分辨率 `< 1024`（SDXL/Flux）	整张图都软，连主体都不清	像素太少	Step 1
步数 20-25，sampler 是 `Euler` / `DDIM`	构图没问题，但发丝、毛孔、布料这些细纹糊	denoising 不够	Step 2
Prompt 里没有任何细节字眼	图”没毛病”但平、没有亮眼细节	缺细节锚词	Step 3
换 checkpoint 后细节立刻上来	基础模型就是天花板	用错 checkpoint	Step 5
CFG / guidance 卡在最低	Prompt 被松散听从，锚词被忽略	CFG 偏低	常见原因 #5
软件里看着好，下载后变糊	只有导出的文件软	JPEG 压缩	Step 6

常见原因

按命中率从高到低：

1. 生成分辨率太低

很多老的默认值还是 512×512 或 768×768。SD 1.5 够用，但 SDXL、Flux、Midjourney V8 的训练分辨率是 1024 起步，低于这个出图会明显发软。低于原生分辨率，模型能放细节的像素就少，只能把纹理平均成一团糊。

如何判断：查工具的分辨率设置。SDXL / Flux / Midjourney 上任一边 < 1024，就是在饿模型。

2. 采样步数 / sampler 选得差

默认 20 步加基础采样器，细节渲染不到位。睫毛、发丝、布料纹理都需要更多 denoising 迭代才能收敛。截至 2026 年 6 月，SDXL 最稳的甜点是 DPM++ 2M Karras 跑 25-30 步——Karras 调度把降噪铺得更均匀，细节更能撑住。

如何判断：步数在 20-25，sampler 是 Euler 或 DDIM。换成 DPM++ 2M Karras、30 步，固定同一个 seed 再跑一遍。

3. Prompt 里没有细节锚词

你写 portrait of a woman，里面没有任何”细节”字样，模型就按”最低美学基线”出图，而不是巅峰。细节锚词能把它往上拽。

如何判断：扫一遍 Prompt 有没有 detailed、sharp、8k、intricate、crisp、fine、texture 或镜头规格。一个都没有 → 出图肯定软。

4. 用错了 checkpoint

通用 checkpoint 出通用结果。SDXL 基础模型对脸只是中等细节、对复杂布料更弱；写实向 checkpoint（Juggernaut XL、RealVisXL）同 Prompt 出来锐度高一截。

如何判断：Prompt、seed、设置全不变，只换写实 checkpoint。细节立刻上来 → 基础模型是瓶颈。

5. CFG 偏低

Classifier-Free Guidance 在 SDXL 上低于 4、或 Flux 上 guidance 低于 2.5，会让模型”松散听从 Prompt”，包括细节锚词都被半忽略。

如何判断：CFG / guidance 卡在默认值或更低。上调 1-2 档（SDXL 5-7，Flux 3-4）再试。

6. 输出被压缩成低质量 JPEG

平台分享时可能自动导出 70 质量的 JPEG。生成的像素本身是好的，是导出阶段毁了。这是唯一一类”软件内预览清晰、下载下来却糊”的情况。

如何判断：把下载的文件放大看。如果原本在软件里清晰的边缘，下载后出现块状压缩噪点，那就是导出问题，不是生成问题。

最短修复路径

Step 1：拉高分辨率

# Midjourney（V8.1，2026-06-10 起为默认）
- 打开 HD：Settings 面板 -> Version 区 -> HD，
  或在 Prompt 末尾加 --hd。HD 原生出 2K（尺寸是 V7 的 2 倍、
  分辨率 4 倍），不需要单独再放大。
- --hd 约耗 1.3 GPU 分钟（SD 约 0.8）；多出来的像素让 HD 出图比 SD 明显慢一些。
- 用 --ar 1:1 / 4:5 / 9:16 选比例；MJ 会把每边尺寸做到 1024+。

# Stable Diffusion / SDXL via Forge / A1111
- 宽 x 高：1024x1024 起步
- 开 "Hires. fix" -> R-ESRGAN 4x+ 放大 2x
- Denoising 强度 0.35-0.5

# Flux dev (ComfyUI)
- 1024x1024 起步
- 可选：再串一个 2x 放大节点

# ChatGPT（GPT Image 2.0，gpt-image-2，2026-04-21 起为默认）
- DALL-E 3 已于 2025 年 12 月从 ChatGPT 下线；现在软件内的
  生成器是 GPT Image，原生最高出到 2K。
- 直接明说："Generate a high-resolution 1536x1024 image of ..."
- Plus/Pro 用户：用 Thinking 模式可做自校验和批量出图。

注意：Midjourney 的 --quality（别名 --q）只接受 0.25、0.5、1（默认 1），它改的是细节和处理时间，不是像素分辨率。要更多像素得用 HD 模式或放大，而不是 --quality。

Step 2：步数 + sampler 调起来

# A1111 / Forge / SDXL
- Steps: 30（原 20）；25-30 是 DPM++ 2M Karras 的甜点
- Sampler: DPM++ 2M Karras 或 DPM++ SDE Karras
- CFG: 5-7

# ComfyUI Flux
- Steps: 28-35（Flux 比 SDXL 需要的步数少）
- Sampler: euler + simple/normal scheduler
  （Karras 对 Flux 几乎没影响，别硬上）
- Guidance: 3-4

# Midjourney
- --quality 保持默认的 1。老套餐可能默认 0.5，
  如果细节像被砍了一半，就显式写 --quality 1。

Step 3：Prompt 加细节锚词

挑相关的一组贴到 Prompt 末尾，别全部堆上去。

# 人像
intricate skin texture, fine pore detail, individual eyelashes,
crisp focus on the eyes, 50mm lens, f/2.8 portrait,
shot on Hasselblad H6D

# 商品 / 物件
hyperdetailed, fabric weave visible, micro-texture,
macro photography, focus stacking, 100mm macro lens

# 环境
dust particles in light beams, weathered surface texture,
fine architectural details, sharp foreground bokeh background

# 通用增强
hyperdetailed, intricate, sharp focus, photorealistic, 8k,
masterpiece, professional photography, ultra-detailed

Step 4：跑一道专门的 upscale

基础出图之后（如果已经用了 Midjourney HD，本身就是 2K，可跳过）：

# 内建放大器
- Midjourney："Upscale (Subtle)" 忠实于原图；
  "Upscale (Creative)" 会脑补新细节（只在你想要时用）
- SDXL Forge：Extras 页 -> R-ESRGAN 4x+
- ComfyUI：UltimateSDUpscale (USDU) 自定义节点

# 外部放大器（质量更好）
- Topaz Gigapixel / Topaz Photo AI（付费订阅；人像最好）
- Upscayl（免费、开源，Real-ESRGAN 模型；通用够用）
- Real-ESRGAN x4+ via Replicate

Step 5：换写实 checkpoint

模型本身是瓶颈时：

# SDXL 写实
- Juggernaut XL
- RealVisXL
- Realism Engine SDXL
- DreamShaper XL Turbo（更快）

# Flux 写实
- Flux dev + Flux Realism LoRA（Civitai）
- Flux dev + Skin Realism LoRA

Step 6：导出走 PNG，别用自动 JPEG 预览

永远下载原始 PNG，不要用平台分享时自动压缩的预览图。Midjourney 上打开图片、用下载/保存操作拿完整质量的文件，别直接复制网格里的缩略图。

如何确认已修好

把新图放大到 100%（1:1 像素）。高频区域（发丝、毛孔、布料纹理、文字边缘）应该保持清晰，不糊成一片。
用同一裁切位置和旧图对比。如果之前糊的地方现在能看到纹理细节，就修好了。
看保存的文件，别看预览。重新打开下载的 PNG，确认边缘没有 JPEG 块状噪点。
想做受控测试，就固定同一个 seed、一次只改一个变量（先分辨率、再步数、再 Prompt），这样你才知道是哪根杠杆真正起了作用。

预防建议

主图标准设置：1024+ 分辨率（或 Midjourney HD）、30 步、CFG 5-7、写实 checkpoint、Prompt 含细节锚词。
出货前先跑一道放大；2K+ 显示器永远别直接喂 1024 原图。
保存原始 PNG；不要把自动分享的 JPEG 预览当成成品。
每个常用模型都存一套能默认命中这些设置的预设 / 配置，省得每次重新排查。

常见问题

为什么图在软件里清晰，下载后却糊？ 那是 JPEG 导出，不是生成的问题。分享/预览文件被重新压缩过。下载原始 PNG（Step 6），再放大看保存的文件确认。

Midjourney 里 --quality 调高是不是等于分辨率更高？ 不是。--quality 只接受 0.25、0.5、1，改的是细节和 GPU 耗时，不是像素数。要更大更清晰的文件，用 V8.1 的 HD 模式（或 --hd），它原生出 2K。

步数越多细节就越多，对吧？ 有上限。SDXL 配 DPM++ 2M Karras 大概 25-30 步就收敛了，再加基本是白烧 GPU、收益极小。Flux 需要的步数更少（Euler 大约 28-35 步）。超出这些区间，就该改 Prompt 或换 checkpoint，而不是继续堆步数。

ChatGPT 以前用 DALL-E 3，现在找不到那些设置了，发生了什么？ DALL-E 3 已于 2025 年 12 月从 ChatGPT 下线，API 也在 2026-05-12 弃用。软件内的生成器现在是 GPT Image（截至 2026-04-21 为 GPT Image 2.0 / gpt-image-2），原生最高出 2K。直接在 Prompt 里指定尺寸（如 1536x1024）并要求”high-resolution”即可。

不管怎么调脸都软，最有效的那根杠杆是哪个？ checkpoint。SDXL 基础模型对脸只是中等细节。固定同一 seed 和设置，换写实 checkpoint（Juggernaut XL 或 RealVisXL），这一招对脸部细节通常比加步数或加分辨率更管用。