简介：面向 ComfyUI 与 Stable Diffusion 1.5、Flux 用户的去AI感洗图工作流资源，适合批量出图后仍觉得画面带有明显算法痕迹、希望进一步优化为自然质感的创作者。资源以单个 JSON 工作流文件为核心，文件总数 1 个，大小仅 9KB，导入 ComfyUI 后即可查看节点编排与关键参数配置，直接理解“去AI感”处理流程的搭建方式，也适合在此基础上替换模型、调整采样参数做进一步试验。已有 146 人学习/下载，适用人群包括 AI 绘画初学者、自媒体配图制作者，以及尝试将 AI 出图融入实际项目的设计师。借助这份工作流，用户可以快速定位生成图中偏“数码味”的环节，结合 SD1.5 与 Flux 的模型特性进行二次润色与细节修正；轻量的文件体积便于按需修改参数或迁移到其他配置，作为入门参考或日常洗图模板都较为合适，是一份指向明确的 ComfyUI 实作资料。 AI绘画玩久了，最怕朋友一句：“这图一看就是AI生成的。”问题还真不是模型不够强，反而恰恰是它太“完美”了。皮肤光滑得像蜡像、边缘锐利到失真、光影干净得没有一点点镜头该有的瑕疵。要消掉这种AI感，我的做法是用ComfyUI把SD1.5和Flux串联起来，让Flux负责构图和光影，让SD1.5负责“洗掉”那层精致的塑料味。这套“去AI感洗图”流程我跑了快两个月，从秋叶整合包到手动部署都试过，今天把这套工作流、参数和经验一次说清楚。
所谓“洗图”并不是简单的图生图降噪，而是把AI生成的原图当成一张“数字底片”，重新做一遍模拟真实摄影的后期。这篇文章适合已经能用ComfyUI出图、但对画质不满意的人，也适合刚接触ComfyUI、想直接抄一套去AI感工作流的新手。我不讲玄学，只讲我实际反复调过的节点和参数。
1. “AI感”到底从哪里来？先搞清楚要洗掉什么
1.1 三种最典型的AI味
先说最常见的“塑料脸”。AI生成的人像皮肤非常均匀，毛孔、细纹、绒毛全被磨掉了，看上去像涂抹了一层柔光滤镜。这是SD1.5系列最明显的问题，尤其在使用写实类底模时，面部会被模型默认成“美颜后”的状态。Flux在这方面好一些，但它又容易走向另一个极端：画面太干净，干净到像渲染图，缺少真实照片里那种由镜头和光线造成的随机瑕疵。
第二种是过度锐化的结构感。很多AI图在放大后，头发的边缘会有一圈白边，衣服纤维、草地纹理等高频细节会呈现“伪细节”——看起来很清楚，但放大后全是像素噪声或重复的纹理。这种结构感其实来自模型训练时对高频特征的过度拟合，人类视觉会下意识觉得“不对劲”。
第三种是光影和空间逻辑错误。AI能画出合理的光，但常常在物理上不成立。比如人物面部有伦勃朗光，背后墙面却完全没有对应的光照方向；前景虚化很重，背景却依然保持着不可思议的清晰度。真实相机因为镜头光圈、像差、镀膜的原因，会在焦外产生独特的球面像差和二线性虚化，AI模型目前还很难完整模拟这一点。
1.2 SD1.5和Flux的“味”不一样，洗法也不同
很多人以为去AI感就是加噪点、加暗角，太表面了。SD1.5和Flux生成图像时的人工痕迹来源完全不同。
SD1.5的底模大多基于CLIP文本编码器，对自然语言的理解有限，所以生成的画面往往更“讨好”提示词里的名词，而忽略物理逻辑。它的AI感更多来自皮肤过渡、眼睛高光、牙齿边缘这类局部细节。洗它的重点在“局部重绘”和“低步数二次采样”。
Flux的底模用了更大的文本编码器和更强的扩散架构，生成结果在构图上甩SD1.5一大截，光影更接近真实渲染。但Flux有个很微妙的问题：它生成的“完美”缺乏随机性，多次出图构图变化很小，色彩过渡过分顺滑，像专业修图软件里被大幅磨皮的商业片。洗它的重点在于“打破完美”：加颗粒、加镜头像差、做局部结构扰动，让图像的熵值回到正常范围。
1.3 去AI感的核心思路：生成—识别痕迹—回洗
我在工作流里反复验证下来的核心思路其实很简单：先用一个模型生成，再用另一个模型去“回洗”。这跟修图软件里的高低频分离很像。Flux负责低频信息，也就是构图、光比、色彩大关系；SD1.5负责高频信息，也就是皮肤纹理、头发丝、物体边缘的随机性。回洗的本质，是用SD1.5的扩散过程把Flux那种“过于合理”的高频特征打乱，打乱之后再重新收敛到更接近真实照片的分布上。
这个“生成—识别痕迹—回洗”的循环，说起来容易，但在ComfyUI里搭起来需要格外注意模型的潜空间差异。Flux和SD1.5使用不同的文本编码器和VAE，直接在同一个K采样器里切换模型会导致色彩漂移、结构错乱。所以整套工作流不是简单的两个采样器串联，需要加VAE转换和样本对齐。
2. ComfyUI工作流整体设计：Flux定调、SD1.5回洗
2.1 为什么整套流程要放在ComfyUI里跑
用WebUI也能做图生图，但去AI感洗图需要频繁调试节点顺序、可视化对比中间结果。ComfyUI最大的优势是能同时加载两套模型管线，并且随时断开任意节点看输出，不用把中间结果存盘再拖进另一个页面。如果你用的是秋叶整合包，直接打开ComfyUI启动器就能在“工作流”面板里拖节点，不需要单独装环境。不过要注意：秋叶整合包里Flux和SD1.5的模型目录是分开的，但可以手动指定同一个models/checkpoints目录，方便在同一个工作流里调用。
我建议本地部署时先跑通一套最小的“Flux文生图→SD1.5图生图”流程，再逐渐加ControlNet和放大节点。不然一上来就搭几十个节点，报错时根本定位不了问题。
2.2 我用的工作流骨架
下面这个骨架是我在V9.5整合包上稳定跑通的版本，节点连接顺序如下：
- Flux文生图：Flux底模 + T5文本编码器 + Flux VAE → 第一次K采样，生成基础构图。
- VAE解码 → 加载图像为Image对象，作为下一步的输入。
- SD1.5图生图：加载SD1.5底模 + CLIP编码器，将第一步输出的图像通过SD1.5 VAE编码到潜空间。
- 第二次K采样：设置较低的denoise强度，对潜空间做“回洗”，结束后用SD1.5 VAE解码。
- 可选ControlNet：在第二步和第三步之间插入ControlNet，锁住深度或线稿结构。
- 后期节点：放大模型、胶片颗粒节点、暗角节点，全部串联到最后。
注意，Flux和SD1.5的VAE完全不同，不要在Flux采样后直接接SD1.5的VAE解码器。正确做法是：先用Flux VAE解码成普通图像，再重新加载SD1.5 VAE把图像编码回潜空间。这一步虽然看起来多绕了一圈，但能避免色彩发灰和结构畸形。
2.3 模型加载与显存管理细节
如果你用秋叶整合包，需要去“模型管理”里把Flux模型和SD1.5模型都添加成checkpoint类型。ComfyUI在同一个工作流中允许添加多个CheckpointLoader节点，我通常会放两个加载器，分别命名为“FluxLoader”和“SD15Loader”，采样时手动把模型输出接到对应的K采样器上。
显存方面，Flux模型很大，如果显卡只有8G，建议打开启动器的“低显存模式”，同时把Flux的采样步数控制在20步以内。回洗用的SD1.5模型显存占用小很多，但两个模型同时加载时，峰值显存可能达到12G以上。我的经验是给ComfyUI开“智能卸载”，让Flux采样结束后自动释放显存，再加载SD1.5做回洗。节点上可以加一个“ModelUnload”节点，放在Flux采样器的输出端，能明显减少中途爆显存的情况。
3. 关键节点参数精调：把“洗图”落到实处
3.1 采样器与CFG：降低塑料感的第一刀
采样器选择上，Flux阶段我固定用Euler，CFG保持1.0。Flux模型对CFG极不敏感，调高到2以上画面会过曝，1.0是最稳的。SD1.5回洗阶段则相反，CFG直接影响“AI味”的残留量。我实测下来，CFG在4.5到5.5之间能保留原图主要结构，同时把皮肤质地带入更多随机性；CFG一旦超过7，SD1.5会重新“一本正经”地过度拟合提示词，塑料感又回来了。
采样器推荐用DPM++ 2M Karras，步数在20到28之间。回洗阶段不建议用Euler a，因为它的随机性太强，容易把Flux辛苦做的光影结构洗乱。DPM++ 2M Karras在低denoise下能保持更好的色彩一致性。当然，如果你的显卡性能很强，可以试试DPM++ SDE Karras，它在纹理细节上更“碎”，接近真实照片的噪点结构，但速度慢不少。
注意：回洗时SD1.5的负面提示词尽量简单。不要堆“低质量、模糊、噪点”这类词，否则采样器会刻意向干净方向走，跟去AI感的目标相反。我通常只用空负面或“text, watermark, signature”。
3.2 重绘幅度denoise怎么控制
denoise是整套工作流里最核心的参数，它决定了SD1.5对Flux输出有多大“修改权”。我的经验分成三档：
- 0.2到0.3：轻度回洗，只做纹理层面的柔化和颗粒重建，构图、色彩基本不变。适合Flux直出质量已经很高、只想消掉“塑料感”的情况。
- 0.35到0.5：中度回洗，色彩关系和光影会向SD1.5的分布偏移，适合需要统一风格或改变画质的场景。
- 0.5以上：重度回洗，基本等于重新绘制，只保留大致构图。除非你想彻底改变画面风格，否则不推荐在去AI感流程里使用。
我之前用一张Flux生成的街拍图测试，denoise设为0.3时，人物皮肤出现自然毛孔，但石墙纹理有点糊；提高到0.4后石墙纹理回来了，但面部光影开始出现SD1.5特有的“油光”。最后我采用分区域处理：全图denoise 0.35，面部单独局部重绘0.25，两者互不干扰。这也说明“洗图”不是一个参数走到底，需要针对不同区域分别控制。
3.3 ControlNet + 局部重绘：保留构图，只洗风格
全图重绘最大的风险是结构漂移。Flux生成的人物手、建筑线条如果被SD1.5“洗”得太狠，会出现明显形变。我的做法是在回洗阶段加入ControlNet，让SD1.5在保留结构的前提下重新生成纹理。
具体来说，Flux阶段已经拿到清晰的构图，我通常用Depth或Lineart作为控制条件。SD1.5对应的ControlNet模型要选后缀为“_depth”或“_lineart”的版本，不要用SDXL模型。ControlNet的强度建议在0.5到0.7之间，太高会让画面僵硬，回到钢铁般的边缘；太低又起不到锁结构的作用。
局部重绘方面，我在ComfyUI里用“Load Image → 手绘蒙版”的方式，把脸部、手部单独圈出来，接到一个独立的SD1.5采样子流程，denoise设为0.25。这样既能精细控制最容易露馅的部位，又不会拖慢整张图的回洗速度。如果你用的是秋叶整合包，可以直接在ControlNet节点前加一个“ImageToMask”节点，把蒙版图像转成二进制mask，再接入“Inpaint”相关节点。
3.4 放大与锐化的最后一步：别把洗好的图再毁掉
很多人在最后放大环节把去AI感的成果全毁了。直接使用普通放大模型会让边缘重新变得锐利，AI感瞬间回来。我建议遵循“先轻度放大，再做柔化处理”的顺序。
放大环节我用“UpscaleLatent”节点，把潜空间分辨率放大1.5倍，然后接一个Ultimate SD Upscale的脚本节点，用SD1.5二次采样。放大模型的权重选0.4左右，太高会让皮肤出现明显的“塑料光泽”。放大完成后，加一个低强度的“FilmGrain”节点，颗粒大小建议2到4像素，透明度在0.1到0.2之间，模拟真实胶片的随机颗粒。如果ComfyUI里没有这个节点，可以用后处理软件加，效果差不多。最后在图像末端套一个“Vignette”暗角节点，阴影不透明度设到0.15，不要过重，否则会掩盖细节。
这一套流程走下来，输出图会同时保留Flux的构图优势和SD1.5的材质随机性，观感上已经非常接近真实照片。
4. 三种实测路线的效果对比
4.1 路线A：Flux直出后轻度SD1.5回洗
这是最省事的一条路线，适合日常快速出图。我用一张描述“雨天街头，霓虹灯下的人像”做测试。Flux步骤生成原图，SD1.5回洗denoise设为0.28，CFG设为5，不做任何ControlNet和局部重绘。
优点是速度快，整张图流程不到两分钟，画面色彩和构图完全保留Flux的优点。缺点是人脸纹理改善有限，因为全图重绘对局部细节的针对性不够强。如果只追求“去掉最明显AI感”，这条路线完全够用。
4.2 路线B：SD1.5底模 + 胶片风格Lora全程控制
跳过Flux，直接用SD1.5底模加胶片Lora生成。我在测试中用了某个复古胶片Lora，出图自带颗粒感和色彩偏移，不需要做太多的后期“洗图”。但问题是SD1.5的构图能力较弱，复杂场景经常需要抽很多次卡才能出满意的构图。
这条路线的AI感确实最低，因为它从一开始就模拟了胶片系统的不完美，画面里有明显的镜头暗角和颗粒。但如果想要高质量画面，对模型和Lora调校要求很高，而且不能灵活控制构图。我更推荐它在“人物半身像、室内氛围图”这类简单构图上使用。
4.3 路线C：Flux生成构图，SD1.5洗细节（推荐）
这条路线结合前两者的优点，也是我目前主力使用的工作流。先用Flux直接生成一张构图精准的原图，然后用SD1.5对全局做0.35的轻度回洗，再配合ControlNet Lineart锁住画面中的主要线条，最后单独对脸部和手部做0.25的局部重绘。
实测这张雨天街拍图时，效果明显好于路线A：脸部皮肤不再是大面积的“磨皮感”，头发边缘出现了自然的碎发；霓虹灯的边缘也不再是整齐锐利的色块，而是带有轻微色散。缺点是需要显存更高、节点更多，调试成本高一些，但最终效果值得投入。
三条路线的差异可以看这张表：
| 对比维度 | 路线A：Flux直出轻度回洗 | 路线B：SD1.5+Lora全程控制 | 路线C：Flux构图+SD1.5洗细节 |
|---|---|---|---|
| 构图质量 | 高 | 低 | 高 |
| 去AI感效果 | 中 | 高 | 高 |
| 风格可控性 | 中 | 高 | 中 |
| 显存占用 | 中高 | 低 | 高 |
| 上手难度 | 低 | 中 | 高 |
如果你只想要一套简单方案，选路线A；如果你对复古质感有特别偏好，选路线B；如果你想兼顾构图和质感，并且不介意偶尔排错节点，请一定要试路线C。
5. 去AI感洗图的常见翻车现场与排查经验
5.1 面部越洗越假：重绘幅度与面部修复的冲突
我第一次跑完整流程时，发现脸部皮肤从Flux的“塑料假”变成了SD1.5的“油光假”。原因是全局回洗的denoise太高，SD1.5自己的肤色分布已经过度平滑，反而强化了假脸感。后来我加了面部局部重绘，单独把denoise压到0.25，并在回洗时不加载任何面部修复模型。如果你需要更精细的面部控制，可以使用Inpaint区域重绘，只选眼睛和嘴周围的皮肤，不要全脸。
另一个常见问题是，一些人习惯在回洗后加“face restore”节点去修五官，这会让脸部和画面其他部分质感脱节。我自己实测，Flux出来的五官本身已经很准，不需要额外修复，强行修复反而会带来SD1.5特有的“油腻高光”。除非你的原图脸部畸形严重，否则不要加。
5.2 背景纹理崩坏：ControlNet权重和重绘幅度问题
有一次，我把一张城市建筑图放到SD1.5里回洗，结果建筑线条全部扭曲，玻璃幕墙上的反射乱成一片。排查后发现问题出在两个方面：ControlNet权重只有0.3，结构锁得不够紧；denoise还设到了0.45，超过了对纹理细节的容忍范围。
后来我把ControlNet权重拉到0.6，denoise降回0.35，建筑线条才恢复正常。如果你遇到类似问题，建议先单独跑一次“原图直传ControlNet预览”，看看生成的深度图或线稿图是否准确。如果ControlNet预览图本身就是模糊的，那要先换更清晰的原图或调高预处理参数，再去调权重。
5.3 ComfyUI节点报错高频问题：failed to execute与显存不足
这个报错大多数出现在跨模型采样时。Flux的K采样器输出节点接入了SD1.5的采样器，但两套模型的潜空间格式不同，直接连接会导致“failed to execute”。解决方法可以看我上面说的：在Flux和SD1.5之间加一个VAE Decode再VAE Encode的过渡段，强制把图像转换为SD1.5可识别的潜空间。
显存不足则更多出现在同时加载Flux和SD1.5的工作流。解决方法是把Flux模型的采样步数降到20，采样器切成Euler；如果还报错，就在Flux采样器后边加一个“ModelUnload”节点，并打开低显存模式。秋叶整合包在V9.5版本后对显存管理有改善，但还是建议先把不必要的插件卸载掉，尤其是ControlNet和Ultimate SD Upscale这类占用显存的大户。
我另外遇到过一个奇怪问题：同样的工作流在秋叶整合包里正常，换到手动部署的ComfyUI就报错“CLIP missing”。这是因为Flux和SD1.5使用了不同的文本编码器，手动部署时没有额外下载T5模型。如果你用的是手动部署环境，请务必把Flux对应的T5编码器放到models/text_encoders目录，否则SD1.5回洗阶段读取提示词时就会找不到CLIP。
6. 一点个人经验：去AI感的本质是给画面“留破绽”
调了这么久的洗图流程，我越来越觉得“去AI感”不是追求绝对真实，而是给画面留出足够多的、合理的“破绽”。人的视觉系统对“过于完美”的东西会自动产生违和感，所以我们需要主动加入噪点、暗角、局部模糊、色散、甚至轻微的对焦误差。这些细节在真实照片里不值一提，但在AI图里它们才是让眼睛相信“这是拍的，而不是生成的”的关键。
如果你刚开始接触ComfyUI，建议直接跟着路线A跑通一次，再慢慢往上加ControlNet和局部重绘。等你能熟练控制Flux和SD1.5两套模型在同一张图里分工协作时，其实你已经不是单纯在“洗图”，而是在用AI模拟一套完整的摄影后期思路。最后再分享一个小技巧：每次洗图前，把原图在Photoshop里调暗一点、提一点对比，再进SD1.5回洗，出来的质感和光影层次会明显更好。这一步不花一分钟，但效果比单纯堆节点参数来得更直接。
本文还有配套的精品资源，点击获取
