今天给大家演示的是一个基于 Wan2.2 模型的人像去 AI 痕迹 ComfyUI 工作流。它通过加载原图、智能切片、批处理修复、模型采样、人像细节增强和最终图像重建，让一张带有明显 AI 痕迹的图像恢复为更自然、更真实的版本。整套流程结合瓦片化重建和高质量采样，让人像的皮肤质感、五官结构、光影过渡都能获得更真实的还原，同时保持画面干净细腻。无论是想提升照片真实度，还是想对 AI 人像进行修复润色，这个工作流都能提供稳定可靠的效果。文章目录工作流介绍核心模型Node节点工作流程大模型应用CLIPTextEncode 语义提示解析与风格引导UNETLoader 生成模型核心能力调度KSampler 提示驱动的核心采样器VAELoader / VAEEncode / VAEDecode Prompt 辅助下的潜空间建构使用方法应用场景开发与应用工作流介绍这个工作流主要围绕“人像去 AI 感”展开，通过 CLIP 文本编码、Wan2.2 模型采样、VAE 编码解码、图像切片重建和插值放大等过程，将输入图像分解、修复并重新整合。核心逻辑是利用 Wan2.2 模型的自然人像生成特性，对原图进行基于正负向提示的再采样，再结合瓦片化处理保持高分辨率细节。Upscale 模型进一步提升画面清晰度，使最终输出更逼真、更有真实摄影质感。核心模型核心模型由 Wan2.2 UNET 采样模型、Wan 系列 VAE，以及 4x 高清放大模型构成。UNET 模块承担主要的图像重绘与生成任务，结合 CLIP 编码的提示词指引模型朝着更真实的方向收敛。VAE 编码与解码则负责将图像在像素与 latent 空间之间转换，以保证修复的精细度。Upscale 模型负责最终的清晰化，使图像在大尺寸下依然保持锐利。模型名称说明wan2.2_t2v_low_noise_14B_fp16.safetensors核心人像生成与去 AI 重绘模型，负责主要采样工作wan_2.1_vae.safetensors