教程:放大

用 NovelAI 的独立放大器把图像分辨率提高 4×。相比以更高分辨率重新生成, 放大器更快,结果也更干净。

1. 放大一张图像

import base64
from pathlib import Path

image_b64 = base64.b64encode(Path("portrait.png").read_bytes()).decode("ascii")

result = await ctx.session.call_tool("upscale_image", {
    "image": image_b64,
    "factor": 4,
})

输出的 PNG 是源分辨率的 4×。832×1216 的输入会变成 3328×4864。

2. factor 固定为 4

NovelAI 的独立放大器只提供单一 4× 档位,所以 factor 只接受 4 —— 没有 2× 模式。请以较低分辨率生成后放大一次,而不是寻找更小的倍率。

Anlas 消耗随源分辨率增长。如果要在批量场景下放大,先调用 estimate_anlas_cost。

3. 等价的 CLI 命令

uv run python -m novelai_image_mcp upscale ./portrait.png --factor 4

4. 工作流:生成 → 放大

一个常见做法是先用低分辨率快速迭代,再放大最终留下的那张:

# Step 1: iterate at 832×1216 (cheap, ~5 Anlas each)
result = await ctx.session.call_tool("generate_image", {
    "prompt": "1girl, masterpiece",
    "width": 832, "height": 1216,
    "n_samples": 4,
})
# (you pick the best of the 4 — say, outputs/generate-...003.png)

# Step 2: upscale the keeper to 3328×4864
import base64
from pathlib import Path
keeper_b64 = base64.b64encode(
    Path("outputs/generate-...003.png").read_bytes()
).decode("ascii")

result = await ctx.session.call_tool("upscale_image", {
    "image": keeper_b64,
    "factor": 4,
})

这样一批约花 5 Anlas,加上放大约 10 Anlas,合计约 15 Anlas —— 比直接生成四张 4× 图像(约 80 Anlas)便宜得多。

5. 坑

警告

内存占用。 把 1024×1024 的图像放大 4× 会得到 4096×4096 的 PNG (未压缩约 64 MB)。请据此规划磁盘空间。

小技巧

先放大再局部重绘。 如果你需要修补小细节,先放大能让 inpaint 模型有更多 像素可用 —— 蒙版更精细,细节更好。

下一步