一句话定义：高清修复（Hires Fix）是 AI 绘画里常见的两步生成策略——先用较低分辨率出一张小图把构图定下来，再把它放大，并在放大后的画布上做一次轻微重绘，把细节补回来。
为什么不能一步到位出大图
扩散模型（diffusion model）生成图像时，是在一张噪声画布上反复去噪，逐步"显影"。分辨率越高，画布上的像素越多，模型要同时安排的信息就越多：既要摆好人物位置、画面结构，又要照顾发丝、纹理、光影。一步生成大图，相当于让一个新手在巨幅画布上直接起稿，比例和结构很容易失控——多出一只手、两个人头、建筑扭曲，都是这么来的。
更关键的是，模型是在特定分辨率区间上训练的。直接让它画远超这个区间的尺寸，等于让它做没练过的题。
另一个常见误区是"放大就等于变清楚"。用插值把 512 像素拉成 2048 像素，只是把像素摊开，细节并没有增加，结果往往是糊的——因为小图里本来就没有那些信息。
打个比方
这就像画大幅油画：先画一张小稿把构图、人物位置定下来，再把它投影放大到画布上，照着投影描细节。如果一上来就在大画布上直接画，很容易画歪。
它和相邻概念的区别
| 做法 | 做什么 | 结果 |
|---|---|---|
| 直接出大图 | 一次生成高分辨率 | 成本高、构图易崩 |
| 纯放大（Upscale） | 插值或超分补像素 | 变清晰但不产生新细节，可能发糊 |
| 高清修复（Hires Fix） | 小图定构图 → 放大 → 低强度重绘 | 构图稳，细节补得自然 |
| 局部重绘（Inpaint） | 只改指定区域 | 修手修脸，不改整体分辨率 |
高清修复的核心在于那次"低强度重绘"：模型在更大的画布上重新看一遍，用学过的纹理知识补上皮肤、布料、发丝，但因为只改动一点点（重绘强度低），原来的构图不会被推翻。强度调高，细节更多但容易变形；调低，安全但提升有限，需要在中间找平衡。
对从业者和普通人的意义
做图的人可以把"构图"和"细节"当成两件事分开处理：先用小图快速试稿、批量筛选，选定后再做高清修复，省算力也省时间。参数上重点看放大倍数与重绘强度。
普通人看到"AI 高清修复"这类功能时，也能明白一件事：它是在"合理猜测"细节，不是还原真实信息。老照片里模糊的脸被修清晰了，那张脸未必真的长那样。
不同工具里这个功能的叫法不一，有的叫"高分辨率修复"，有的叫"二次采样"，具体参数名称和取值范围以官方页面为准。