FLUX er en ny billedgenereringsmodel udviklet af , FLUX-ControlNet-Depth og FLUX-ControlNet-Canny modellerne blev skabt af XLabs AI teamet. Denne ComfyUI FLUX ControlNet workflow blev også skabt af XLabs AI teamet. For flere detaljer, besøg venligst . Al credit går til deres bidrag.
FLUX modellerne er forudindlæst på RunComfy, navngivet flux/flux-schnell
og flux/flux-dev
.
flux-schnell, fp8
og clip t5_xxl_fp8
for at undgå hukommelsesproblemer.flux-dev, default
og en høj clip t5_xxl_fp16
.For flere detaljer, besøg:
🌟Den følgende FLUX-ControlNet Workflow er specifikt designet til modellen.🌟
Vi præsenterer to enestående FLUX-ControlNet Workflows: FLUX-ControlNet-Depth og FLUX-ControlNet-Canny, som hver tilbyder unikke muligheder for at forbedre din kreative proces.
FLUX-ControlNet Depth modellen indlæses først ved hjælp af "LoadFluxControlNet" noden. Vælg "flux-depth-controlnet.safetensors" modellen for optimal dybdekontrol.
Forbind outputtet fra denne node til "ApplyFluxControlNet" noden. Forbind også dit dybdekortbillede til billedindgangen på denne node. Dybdekortet skal være et gråtonebillede, hvor nærmere objekter er lysere og fjernere objekter er mørkere, hvilket giver FLUX-ControlNet mulighed for at tolke dybdeinformation præcist.
Du kan generere dybdekortet fra et inputbillede ved hjælp af en dybdestimeringsmodel. Her bruges "MiDaS-DepthMapPreprocessor" noden til at konvertere det indlæste billede til et dybdekort, der er egnet til FLUX-ControlNet. Nøgleparametre:
I "ApplyFluxControlNet" noden bestemmer Strength parameteren, hvor meget det genererede billede påvirkes af FLUX-ControlNet dybdekonditionering. Højere styrke vil få outputtet til at følge dybdens struktur tættere.
Processen er meget lig FLUX-ControlNet-Depth workflow. Først indlæses FLUX-ControlNet Canny modellen ved hjælp af "LoadFluxControlNet". Derefter forbindes den til "ApplyFluxControlNet" noden.
Inputbilledet konverteres til et Canny kantkort ved hjælp af "CannyEdgePreprocessor" noden, hvilket optimerer det til FLUX-ControlNet. Nøgleparametre:
Det resulterende Canny kantkort forbindes til "ApplyFluxControlNet" noden. Igen, brug Strength parameteren til at kontrollere, hvor meget kantkortet påvirker FLUX-ControlNet genereringen.
I begge FLUX-ControlNet workflows er CLIP kodet tekstprompt forbundet til at drive billedindholdet, mens FLUX-ControlNet konditioneringen kontrollerer strukturen og geometrien baseret på dybde- eller kantkort.
Ved at kombinere forskellige FLUX-ControlNets, inputmodaliteter som dybde og kanter, og justere deres styrke, kan du opnå finjusteret kontrol over både det semantiske indhold og strukturen af de billeder, der genereres af FLUX-ControlNet.
Licens: controlnet.safetensors falder under Non-Commercial License
Se licensfiler:
FLUX.1 [dev] modellen er licenseret af Black Forest Labs. Inc. under FLUX.1 [dev] Non-Commercial License. Copyright Black Forest Labs. Inc.
IN NO EVENT SHALL BLACK FOREST LABS, INC. BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH USE OF THIS MODEL.
© Ophavsret 2024 RunComfy. Alle rettigheder forbeholdes.