FLUX NF4 | Fremskynd FLUX ImgGen

FLUX er en ny billedgenereringsmodel udviklet af . Denne FLUX NF4-model er skabt af lllyasviel, besøg venligst for mere information.

Om FLUX

FLUX-modellerne er forudindlæst på RunComfy, navngivet flux/flux-schnell og flux/flux-dev.

• Når du starter en RunComfy Medium-Sized Machine: Vælg checkpointet flux-schnell, fp8 og klip t5_xxl_fp8 for at undgå hukommelsesproblemer.
• Når du starter en RunComfy Large-Sized eller Above Machine: Vælg et stort checkpoint flux-dev, default og et højt klip t5_xxl_fp16.

For flere detaljer, besøg: 

Introduktion til FLUX NF4

FLUX NF4 er et specialiseret modelcheckpoint designet til ydeevneoptimering i Stable Diffusion-arbejdsgange. Udviklet af forfatteren lllyasviel, denne model bruger NF4 (Normal Float 4-bit) kvantisering til markant at forbedre inferenshastigheden og reducere hukommelsesforbruget sammenlignet med traditionelle FP8 (Float 8-bit) modeller. FLUX NF4 er en del af en serie af modeller, der sigter mod at forbedre effektiviteten, især på nyere GPU-arkitekturer som NVIDIA RTX 3000 og 4000 serierne. Modellen inkluderer avancerede funktioner som "Distilled CFG Guidance," som forfiner processen med at generere billeder med mere præcise prompts. På en high-end GPU som RTX 4090 tager den almindelige FLUX-model omkring 50 sekunder at generere et billede, mens FLUX NF4 kun tager omkring 13-14 sekunder. Dette gør FLUX NF4 tilgængelig for en bredere række af brugere, som måske ikke har top-of-the-line hardware.

Sådan bruger du ComfyUI FLUX NF4

1. Indlæsning af modellen: CheckpointLoaderNF4

Denne node indlæser FLUX-modellen (flux/flux1-dev-bnb-nf4-v2.safetensors). Modellen er ansvarlig for at styre hele billedgenereringsprocessen ved at levere den underliggende ramme, der kontrollerer adfærden og egenskaberne af de genererede billeder.

2. Generering af tilfældig støj: RandomNoise

Denne node genererer et tilfældigt støjmønster, som fungerer som den indledende input til billedgenerering. Støjen fungerer som udgangspunktet, der vil blive transformeret til et endeligt resultat.

3. Model Sampling Flux: ModelSamplingFlux

ModelSamplingFlux-noden justerer modellens sampling-adfærd baseret på opløsning og andre parametre. Den optimerer modellens output og sikrer, at billedkvaliteten opretholdes, mens transformationer anvendes. Hvis du foretrækker ikke at justere sampling-adfærden, kan denne node omgås.

4. Indstilling af billeddimensioner: PrimitiveNode (Bredde og Højde)

Disse noder definerer billedets dimensioner (bredde og højde), typisk indstillet til 1024x1024. De specificerede dimensioner påvirker opløsningen og detaljeniveauet af det genererede billede.

5. Konditionering med CLIP Text: CLIPTextEncode (Positive og Negative)

CLIPTextEncode-noderne koder tekstprompts til konditioneringsdata, der styrer billedgenereringsprocessen. Positive prompts forbedrer ønskede funktioner, mens negative prompts undertrykker uønskede, hvilket giver dig kontrol over indholdet og stilen af outputtet.

6. Anvendelse af Flux Guidance: FluxGuidance

FluxGuidance-noden anvender en vejledningeskala (f.eks. 3.5) til konditioneringsdataene. Denne skala justerer indflydelsen af tekstprompts på det endelige resultat, hvilket giver mulighed for finjustering af det genererede output.

7. Planlægning med BasicScheduler: BasicScheduler

Denne node styrer planlægningen af billedgenereringsprocessen og kontrollerer overgangen fra støj til det endelige billede. Planlægningsparametrene påvirker, hvor hurtigt og glat billedet udvikler sig under genereringen.

8. Tilpasset sampling: SamplerCustomAdvanced

Denne avancerede sampler-node forfiner billedet ved at anvende yderligere transformationer på det latente billede. Den integrerer støjen, vejlederen, sampleren, sigmas og latente billeddata for at producere et høj kvalitet output.

9. Dekodning af VAE: VAEDecode

VAEDecode-noden dekoder det latente billede til et faktisk visuelt billede ved hjælp af en VAE (Variational Autoencoder). Dette trin er afgørende for at oversætte det abstrakte latente rum til et synligt og fortolkeligt billede.

10. Opskalering af billedet: UpscaleModelLoader og UltimateSDUpscale

UpscaleModelLoader indlæser en opskaleringsmodel (f.eks. 4x-UltraSharp.pth), og UltimateSDUpscale-noden anvender denne model for at forbedre billedopløsningen. Dette trin sikrer, at det endelige billede er skarpt og detaljeret, selv ved højere opløsninger.

Licens

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.

UNDER INGEN OMSTÆNDIGHEDER SKAL BLACK FOREST LABS, INC. VÆRE ANSVARLIG FOR NOGEN KRAV, SKADER ELLER ANDEN ANSVAR, HVAD ENTEN I EN KONTRAKTHANDLING, TORT ELLER ANDET, DER OPSTÅR FRA, UD AF ELLER I FORBINDELSE MED BRUGEN AF DENNE MODEL.