ComfyUI FLUX：设置指南，FLUX-ControlNet，FLUX-LoRA和FLUX-IPAdapter等工作流...以及在线访问

你好，AI爱好者们！👋 欢迎来到我们关于在ComfyUI中使用FLUX的介绍指南。FLUX是由Black Forest Labs开发的前沿模型。🌟 在本教程中，我们将深入探讨ComfyUI FLUX的基本知识，展示这个强大模型如何增强你的创作过程，并帮助你突破AI生成艺术的边界。🚀

我们将涵盖：

1. FLUX简介

2. FLUX的不同版本

3. FLUX硬件要求

• 3.1. FLUX.1 [Pro] 硬件要求
• 3.2. FLUX.1 [Dev] 硬件要求
• 3.3. FLUX.1 [Schnell] 硬件要求

4. 如何在ComfyUI中安装FLUX

• 4.1. 安装或更新ComfyUI
• 4.2. 下载ComfyUI FLUX文本编码器和CLIP模型
• 4.3. 下载FLUX.1 VAE模型
• 4.4. 下载FLUX.1 UNET模型

5. ComfyUI FLUX工作流 | 下载，在线访问和指南

• 5.1. ComfyUI工作流：FLUX Txt2Img
• 5.2. ComfyUI工作流：FLUX Img2Img
• 5.3. ComfyUI工作流：FLUX LoRA
• 5.4. ComfyUI工作流：FLUX ControlNet
• 5.5. ComfyUI工作流：FLUX修复
• 5.6. ComfyUI工作流：FLUX NF4和Upscale
• 5.7. ComfyUI工作流：FLUX IPAdapter
• 5.8. ComfyUI工作流：Flux LoRA训练器
• 5.9. ComfyUI工作流：Flux潜变量Upscale

1. FLUX简介

FLUX.1是Black Forest Labs开发的前沿AI模型，它正在改变我们从文本描述中创建图像的方式。凭借其无与伦比的能力，FLUX.1能够生成与输入提示紧密匹配的令人惊叹的详细和复杂图像，使其从竞争中脱颖而出。FLUX.1成功的秘密在于其独特的混合架构，结合了不同类型的变压器块，并由惊人的120亿参数提供支持。这使得FLUX.1能够生成视觉上引人注目的图像，并以惊人的精确度准确地表示文本描述。

FLUX.1最令人兴奋的方面之一是它在生成各种风格的图像方面的多功能性，从写实到艺术风格。FLUX.1甚至具有将文本无缝集成到生成图像中的显著能力，这是许多其他模型难以实现的壮举。此外，FLUX.1以其出色的提示遵从性而闻名，无论是简单还是复杂的描述，都能轻松处理。这使得FLUX.1经常与其他知名模型如Stable Diffusion和Midjourney进行比较，FLUX.1通常因其用户友好性和顶级结果而成为首选。

FLUX.1的令人印象深刻的能力使其成为广泛应用的宝贵工具，从创建令人惊叹的视觉内容和激发创新设计到促进科学可视化。FLUX.1从文本描述中生成高度详细和准确的图像的能力为创意专业人士，研究人员和爱好者开辟了无限可能的世界。随着AI生成图像领域的不断发展，FLUX.1处于前沿，树立了质量，多样性和易用性的新的标准。

Black Forest Labs是开发革命性FLUX.1的先锋AI公司，由AI行业知名人物Robin Rombach创立，他曾是Stability AI的核心成员。如果你渴望了解更多关于Black Forest Labs及其与FLUX.1的革命性工作，请务必访问他们的官方网站：https://blackforestlabs.ai/。

2. FLUX的不同版本

FLUX.1有三个不同的版本，每个版本都旨在满足特定用户的需求：

1. FLUX.1 [pro]：这是顶级版本，提供最佳质量和性能，非常适合专业用途和高端项目。
2. FLUX.1 [dev]：为非商业用途优化，该版本保持高质量输出，同时更高效，非常适合开发人员和爱好者。
3. FLUX.1 [schnell]：这是关于速度和轻量化的版本，非常适合本地开发和个人项目。它也是开源的，并在Apache 2.0许可证下提供，因此对各种用户都很容易访问。

名称	HuggingFace仓库	许可证	md5sum
FLUX.1 [pro]	仅在我们的API中提供。
FLUX.1 [dev]	https://huggingface.co/black-forest-labs/FLUX.1-dev	FLUX.1-dev 非商业许可证	a6bd8c16dfc23db6aee2f63a2eba78c0
FLUX.1 [schnell]	https://huggingface.co/black-forest-labs/FLUX.1-schnell	apache-2.0	a9e1e277b9b16add186f38e3f5a34044

3. FLUX硬件要求

3.1. FLUX.1 [Pro] 硬件要求

• 推荐GPU：NVIDIA RTX 4090或同等配置，具有24 GB或更多VRAM。该模型针对高端GPU进行了优化，以处理其复杂的操作。
• 内存：32 GB或更多系统内存。
• 磁盘空间：大约30 GB。
• 计算要求：需要高精度；使用FP16（半精度）以避免内存不足错误。为了获得最佳效果，建议使用fp16 Clip模型变体以获得最大质量。
• 其他要求：推荐使用快速SSD以加快加载时间和整体性能。

3.2. FLUX.1 [Dev] 硬件要求

• 推荐GPU：NVIDIA RTX 3080/3090或同等配置，至少具有16 GB VRAM。与Pro模型相比，该版本对硬件要求稍微宽松，但仍需要相当的GPU功率。
• 内存：16 GB或更多系统内存。
• 磁盘空间：大约25 GB。
• 计算要求：与Pro类似，使用FP16模型，但对较低精度计算有轻微容忍度。可以根据GPU能力使用fp16或fp8 Clip模型。
• 其他要求：推荐使用快速SSD以获得最佳性能。

3.3. FLUX.1 [Schnell] 硬件要求

• 推荐GPU：NVIDIA RTX 3060/4060或同等配置，具有12 GB VRAM。该版本针对更快的推理和较低的硬件要求进行了优化。
• 内存：8 GB或更多系统内存。
• 磁盘空间：大约15 GB。
• 计算要求：该版本要求较低，允许使用fp8计算以避免内存不足。设计为快速高效，重点在于速度而非超高质量。
• 其他要求：SSD有用但不像Pro和Dev版本那样关键。

4. 如何在ComfyUI中安装FLUX

4.1. 安装或更新ComfyUI

要在ComfyUI环境中有效使用FLUX.1，关键是确保安装最新版本的ComfyUI。该版本支持FLUX.1模型所需的必要功能和集成。

4.2. 下载ComfyUI FLUX文本编码器和CLIP模型

为了使用FLUX.1实现最佳性能和准确的文本到图像生成，你需要下载特定的文本编码器和CLIP模型。根据你的系统硬件，以下模型是必需的：

模型文件名	大小	备注	链接
t5xxl_fp16.safetensors	9.79 GB	如果你有高VRAM和RAM（超过32GB RAM），效果更好。	下载
t5xxl_fp8_e4m3fn.safetensors	4.89 GB	用于较低内存使用（8-12GB）	下载
clip_l.safetensors	246 MB		下载

下载和安装步骤：

1. 下载clip_l.safetensors模型。
2. 根据你的系统VRAM和RAM，下载t5xxl_fp8_e4m3fn.safetensors（用于较低VRAM）或t5xxl_fp16.safetensors（用于较高VRAM和RAM）。
3. 将下载的模型放置在ComfyUI/models/clip/目录中。注意：如果你以前使用过SD 3 Medium，你可能已经有这些模型。

4.3. 下载FLUX.1 VAE模型

变分自编码器（VAE）模型对于提高FLUX.1的图像生成质量至关重要。以下VAE模型可供下载：

文件名	大小	链接
ae.safetensors	335 MB	下载（在新标签中打开）

下载和安装步骤：

1. 下载ae.safetensors模型文件。
2. 将下载的文件放置在ComfyUI/models/vae目录中。
3. 为了便于识别，建议将文件重命名为flux_ae.safetensors。

4.4. 下载FLUX.1 UNET模型

UNET模型是FLUX.1中图像合成的骨干。根据系统规格，可以选择不同的变体：

文件名	大小	链接	备注
flux1-dev.safetensors	23.8GB	下载	如果你有高VRAM和RAM。
flux1-schnell.safetensors	23.8GB	下载	用于较低内存使用

下载和安装步骤：

1. 根据系统的内存配置下载适当的UNET模型。
2. 将下载的模型文件放置在ComfyUI/models/unet/目录中。

5. ComfyUI FLUX工作流 | 下载，在线访问和指南

我们将不断更新ComfyUI FLUX工作流，为你提供最新和最全面的工作流，以使用ComfyUI FLUX生成令人惊叹的图像。

5.1. ComfyUI工作流：FLUX Txt2Img

5.1.1. ComfyUI FLUX Txt2Img : 下载

5.1.2. ComfyUI FLUX Txt2Img在线版本：ComfyUI FLUX Txt2Img

在RunComfy平台，我们的在线版本预加载了所有必要的模式和节点。此外，我们提供高性能GPU机器，确保你可以轻松享受ComfyUI FLUX Txt2Img体验。

5.1.3. ComfyUI FLUX Txt2Img解释：

ComfyUI FLUX Txt2Img工作流首先加载基本组件，包括FLUX UNET（UNETLoader），FLUX CLIP（DualCLIPLoader）和FLUX VAE（VAELoader）。这些构成了ComfyUI FLUX图像生成过程的基础。

• UNETLoader：加载用于图像生成的UNET模型。
  • 检查点：flux/flux1-schnell.sft；flux/flux1-dev.sft
• DualCLIPLoader：加载用于文本编码的CLIP模型。
  • 嵌入模型1：sd3m/t5xxl_fp8_e4m3fn.safetensors；sd3m/t5xxl_fp16.safetensors
  • 嵌入模型2：sd3m/clip_g.safetensors；sd3m/clip_l.safetensors
  • 分组：CLIP模型的分组策略是flux
• VAELoader：加载用于解码潜在表示的变分自编码器（VAE）模型。
  • VAE模型：flux/ae.sft

文本提示，它描述了所需的输出，使用CLIPTextEncode进行编码。该节点将文本提示作为输入，并输出编码的文本条件，这在生成过程中引导ComfyUI FLUX。

要启动ComfyUI FLUX生成过程，使用EmptyLatentImage创建一个空的潜在表示。这作为ComfyUI FLUX的起点。

BasicGuider在ComfyUI FLUX生成过程中起着关键作用。它将编码的文本条件和加载的FLUX UNET作为输入，确保生成的输出与提供的文本描述一致。

KSamplerSelect允许你选择ComfyUI FLUX生成的采样方法，而RandomNoise则生成随机噪声作为ComfyUI FLUX的输入。BasicScheduler为生成过程中的每一步调度噪声级别（sigmas），控制最终输出的细节和清晰度。

SamplerCustomAdvanced汇集了ComfyUI FLUX Txt2Img工作流的所有组件。它将随机噪声，指南，选择的采样器，调度的sigmas和空的潜在表示作为输入。通过高级采样过程，它生成一个表示文本提示的潜在表示。

最后，VAEDecode使用加载的FLUX VAE将生成的潜在表示解码为最终输出。SaveImage允许你将生成的输出保存到指定位置，保留由ComfyUI FLUX Txt2Img工作流生成的令人惊叹的创作。

5.2. ComfyUI工作流：FLUX Img2Img

5.2.1. ComfyUI FLUX Img2Img: 下载

5.2.2. ComfyUI FLUX Img2Img在线版本：ComfyUI FLUX Img2Img

在RunComfy平台，我们的在线版本预加载了所有必要的模式和节点。此外，我们提供高性能GPU机器，确保你可以轻松享受ComfyUI FLUX Img2Img体验。

5.2.3. ComfyUI FLUX Img2Img解释：

ComfyUI FLUX Img2Img工作流基于ComfyUI FLUX的强大功能生成基于文本提示和输入表示的输出。它首先加载必要的组件，包括CLIP模型（DualCLIPLoader），UNET模型（UNETLoader）和VAE模型（VAELoader）。

• UNETLoader：加载用于图像生成的UNET模型。
  • 检查点：flux/flux1-schnell.sft；flux/flux1-dev.sft
• DualCLIPLoader：加载用于文本编码的CLIP模型。
  • 嵌入模型1：sd3m/t5xxl_fp8_e4m3fn.safetensors；sd3m/t5xxl_fp16.safetensors
  • 嵌入模型2：sd3m/clip_g.safetensors；sd3m/clip_l.safetensors
  • 分组：CLIP模型的分组策略是flux
• VAELoader：加载用于解码潜在表示的变分自编码器（VAE）模型。
  • VAE模型：flux/ae.sft

输入表示，作为ComfyUI FLUX Img2Img过程的起点，使用LoadImage加载。ImageScale然后将输入表示缩放到所需大小，确保与ComfyUI FLUX兼容。

缩放后的输入表示通过VAEEncode进行编码，将其转换为潜在表示。该潜在表示捕获了输入的基本特征和细节，为ComfyUI FLUX提供了基础。

描述所需修改或增强的文本提示使用CLIPTextEncode进行编码。FluxGuidance然后根据指定的指导规模应用指导，影响文本提示对最终输出的影响强度。

ModelSamplingFlux设置ComfyUI FLUX的采样参数，包括时间步重新采样，填充比率和输出维度。这些参数控制生成输出的粒度和分辨率。

KSamplerSelect允许你选择ComfyUI FLUX生成的采样方法，而BasicGuider根据编码的文本条件和加载的FLUX UNET指导生成过程。

使用RandomNoise生成随机噪声，BasicScheduler调度生成过程中的噪声级别（sigmas）。这些组件引入受控的变化，并微调最终输出的细节。

SamplerCustomAdvanced汇集了随机噪声，指南，选择的采样器，调度的sigmas和输入的潜在表示。通过高级采样过程，它生成一个潜在表示，结合了文本提示指定的修改，同时保留了输入的基本特征。

最后，VAEDecode使用加载的FLUX VAE将生成的潜在表示解码为最终输出。PreviewImage显示生成输出的预览，展示了由ComfyUI FLUX Img2Img工作流实现的令人惊叹的结果。

5.3. ComfyUI工作流：FLUX LoRA

5.3.1. ComfyUI FLUX LoRA: 下载

5.3.2. ComfyUI FLUX LoRA在线版本：ComfyUI FLUX LoRA

在RunComfy平台，我们的在线版本预加载了所有必要的模式和节点。此外，我们提供高性能GPU机器，确保你可以轻松享受ComfyUI FLUX LoRA体验。

5.3.3. ComfyUI FLUX LoRA解释：

ComfyUI FLUX LoRA工作流利用低秩适应（LoRA）的强大功能来增强ComfyUI FLUX的性能。它首先加载必要的组件，包括UNET模型（UNETLoader），CLIP模型（DualCLIPLoader），VAE模型（VAELoader）和LoRA模型（LoraLoaderModelOnly）。

• UNETLoader：加载用于图像生成的UNET模型。
  • 检查点：flux/flux1-dev.sft
• DualCLIPLoader：加载用于文本编码的CLIP模型。
  • 嵌入模型1：sd3m/t5xxl_fp8_e4m3fn.safetensors；sd3m/t5xxl_fp16.safetensors
  • 嵌入模型2：sd3m/clip_g.safetensors；sd3m/clip_l.safetensors
  • 分组：CLIP模型的分组策略是flux
• VAELoader：加载用于解码潜在表示的变分自编码器（VAE）模型。
  • VAE模型：flux/ae.sft
• LoraLoaderModelOnly：加载用于增强UNET模型的LoRA（低秩适应）模型。
  • LoaderModel：flux/realism_lora.safetensors

描述所需输出的文本提示使用String Literal指定。CLIPTextEncode然后对文本提示进行编码，生成指导ComfyUI FLUX生成过程的编码文本条件。

FluxGuidance应用指导到编码的文本条件，影响ComfyUI FLUX对文本提示的遵从性和方向。

使用EmptyLatentImage创建一个空的潜在表示，作为生成的起点。使用Int Literal指定生成输出的宽度和高度，确保最终结果的所需尺寸。

ModelSamplingFlux设置ComfyUI FLUX的采样参数，包括填充比率和时间步重新采样。这些参数控制生成输出的分辨率和粒度。

KSamplerSelect允许你选择ComfyUI FLUX生成的采样方法，而BasicGuider根据编码的文本条件和加载的FLUX UNET（增强了FLUX LoRA）指导生成过程。

使用RandomNoise生成随机噪声，BasicScheduler调度生成过程中的噪声级别（sigmas）。这些组件引入受控的变化，并微调最终输出的细节。

SamplerCustomAdvanced汇集了随机噪声，指南，选择的采样器，调度的sigmas和空的潜在表示。通过高级采样过程，它生成一个代表文本提示的潜在表示，利用FLUX和FLUX LoRA增强的力量。

最后，VAEDecode使用加载的FLUX VAE将生成的潜在表示解码为最终输出。SaveImage允许你将生成的输出保存到指定位置，保留由ComfyUI FLUX LoRA工作流生成的令人惊叹的创作。

5.4. ComfyUI工作流：FLUX ControlNet

5.4.1. ComfyUI FLUX ControlNet: 下载

5.4.2. ComfyUI FLUX ControlNet在线版本：ComfyUI FLUX ControlNet

在RunComfy平台，我们的在线版本预加载了所有必要的模式和节点。此外，我们提供高性能GPU机器，确保你可以轻松享受ComfyUI FLUX ControlNet体验。

5.4.3. ComfyUI FLUX ControlNet解释：

ComfyUI FLUX ControlNet工作流展示了ControlNet与ComfyUI FLUX的集成，以增强输出生成。工作流展示了两个示例：基于深度的条件和基于Canny边缘的条件。

• UNETLoader：加载用于图像生成的UNET模型。
  • 检查点：flux/flux1-dev.sft
• DualCLIPLoader：加载用于文本编码的CLIP模型。
  • 嵌入模型1：sd3m/t5xxl_fp8_e4m3fn.safetensors；sd3m/t5xxl_fp16.safetensors
  • 嵌入模型2：sd3m/clip_g.safetensors；sd3m/clip_l.safetensors
  • 分组：CLIP模型的分组策略是flux
• VAELoader：加载用于解码潜在表示的变分自编码器（VAE）模型。
  • VAE模型：flux/ae.sft

在基于深度的工作流中，输入表示通过MiDaS-DepthMapPreprocessor进行预处理，生成深度图。然后将深度图通过ApplyFluxControlNet（Depth）与加载的FLUX ControlNet进行深度条件处理。生成的FLUX ControlNet条件作为XlabsSampler（Depth）的输入，结合加载的FLUX UNET，编码的文本条件，负面文本条件和空的潜在表示。XlabsSampler根据这些输入生成潜在表示，然后通过VAEDecode解码为最终输出。

• MiDaS-DepthMapPreprocessor（Depth）：使用MiDaS对输入图像进行深度估计预处理。
• LoadFluxControlNet：加载ControlNet模型。
  • 路径：flux-depth-controlnet.safetensors

类似地，在基于Canny边缘的工作流中，输入表示通过CannyEdgePreprocessor进行预处理，生成Canny边缘表示。然后将Canny边缘表示通过ApplyFluxControlNet（Canny）与加载的FLUX ControlNet进行Canny边缘条件处理。生成的FLUX ControlNet条件作为XlabsSampler（Canny）的输入，结合加载的FLUX UNET，编码的文本条件，负面文本条件和空的潜在表示。XlabsSampler根据这些输入生成潜在表示，然后通过VAEDecode解码为最终输出。

• CannyEdgePreprocessor（Canny）：对输入图像进行Canny边缘检测预处理。
• LoadFluxControlNet：加载ControlNet模型。
  • 路径：flux-canny-controlnet.safetensors

ComfyUI FLUX ControlNet工作流包含用于加载必要组件（DualCLIPLoader，UNETLoader，VAELoader，LoadFluxControlNet），编码文本提示（CLIPTextEncodeFlux），创建空的潜在表示（EmptyLatentImage）和预览生成和预处理输出（PreviewImage）的节点。

通过利用FLUX ControlNet的强大功能，ComfyUI FLUX ControlNet工作流能够生成符合特定条件（如深度图或Canny边缘）的输出。这种额外的控制和指导增强了生成过程的灵活性和精确性，允许使用ComfyUI FLUX创建令人惊叹和符合背景的输出。

5.5. ComfyUI工作流：FLUX修复

5.5.1. ComfyUI FLUX Inpainting: 下载

5.5.2. ComfyUI FLUX Inpainting在线版本：ComfyUI FLUX Inpainting

在RunComfy平台，我们的在线版本预加载了所有必要的模式和节点。此外，我们提供高性能GPU机器，确保你可以轻松享受ComfyUI FLUX Inpainting体验。

5.5.3. ComfyUI FLUX Inpainting解释：

ComfyUI FLUX Inpainting工作流展示了ComfyUI FLUX执行修复的能力，即根据周围的上下文和提供的文本提示填充缺失或遮蔽的区域。工作流首先加载必要的组件，包括UNET模型（UNETLoader），VAE模型（VAELoader）和CLIP模型（DualCLIPLoader）。

• UNETLoader：加载用于图像生成的UNET模型。
  • 检查点：flux/flux1-schnell.sft；flux/flux1-dev.sft
• DualCLIPLoader：加载用于文本编码的CLIP模型。
  • 嵌入模型1：sd3m/t5xxl_fp8_e4m3fn.safetensors；sd3m/t5xxl_fp16.safetensors
  • 嵌入模型2：sd3m/clip_g.safetensors；sd3m/clip_l.safetensors
  • 分组：CLIP模型的分组策略是flux
• VAELoader：加载用于解码潜在表示的变分自编码器（VAE）模型。
  • VAE模型：flux/ae.sft

正面和负面的文本提示，描述了修复区域的所需内容和风格，使用CLIPTextEncodes进行编码。正面文本条件进一步通过FluxGuidance进行指导，以影响ComfyUI FLUX的修复过程。

使用LoadAndResizeImage加载和调整输入表示和遮罩的大小，确保与ComfyUI FLUX的要求兼容。ImpactGaussianBlurMask对遮罩应用高斯模糊，创建修复区域和原始表示之间的平滑过渡。

InpaintModelConditioning通过结合指导的正面文本条件，编码的负面文本条件，加载的FLUX VAE，加载和调整大小的输入表示和模糊遮罩来准备FLUX修复的条件。这些条件作为ComfyUI FLUX修复过程的基础。

使用RandomNoise生成随机噪声，KSamplerSelect选择采样方法。BasicScheduler调度ComfyUI FLUX修复过程中的噪声级别（sigmas），控制修复区域的细节和清晰度。

BasicGuider根据准备的条件和加载的FLUX UNET指导ComfyUI FLUX修复过程。SamplerCustomAdvanced执行高级采样过程，将生成的随机噪声，指南，选择的采样器，调度的sigmas和输入的潜在表示作为输入。它输出修复的潜在表示。

最后，VAEDecode使用加载的FLUX VAE将修复的潜在表示解码为最终输出，无缝融合修复区域和原始表示。PreviewImage显示最终输出，展示了FLUX的令人印象深刻的修复能力。

通过利用FLUX的强大功能和精心设计的修复工作流，FLUX Inpainting使得创建视觉一致和符合上下文的修复输出成为可能。无论是恢复缺失部分，移除不需要的对象，还是修改特定区域，ComfyUI FLUX修复工作流为编辑和操纵提供了强大的工具。

5.6. ComfyUI工作流：FLUX NF4

5.6.1. ComfyUI FLUX NF4: 下载

5.6.2. ComfyUI FLUX NF4在线版本：ComfyUI FLUX NF4

在RunComfy平台，我们的在线版本预加载了所有必要的模式和节点。此外，我们提供高性能GPU机器，确保你可以轻松享受ComfyUI FLUX NF4体验。

5.6.3. ComfyUI FLUX NF4解释：

ComfyUI FLUX NF4工作流展示了ComfyUI FLUX与NF4（Normalizing Flow 4）架构的集成，以生成高质量的输出。工作流首先使用CheckpointLoaderNF4加载必要的组件，包括FLUX UNET，FLUX CLIP和FLUX VAE。

• UNETLoader：加载用于图像生成的UNET模型。
  • 检查点：TBD

PrimitiveNode（高度）和PrimitiveNode（宽度）节点指定生成输出的所需高度和宽度。ModelSamplingFlux节点基于加载的FLUX UNET和指定的高度和宽度设置ComfyUI FLUX的采样参数。

EmptySD3LatentImage节点创建一个空的潜在表示，作为生成的起点。BasicScheduler节点调度ComfyUI FLUX生成过程中的噪声级别（sigmas）。

RandomNoise节点生成ComfyUI FLUX生成过程的随机噪声。BasicGuider节点根据条件化的ComfyUI FLUX指导生成过程。

KSamplerSelect节点选择ComfyUI FLUX生成的采样方法。SamplerCustomAdvanced节点执行高级采样过程，将生成的随机噪声，指南，选择的采样器，调度的sigmas和空的潜在表示作为输入。它输出生成的潜在表示。

VAEDecode节点使用加载的FLUX VAE将生成的潜在表示解码为最终输出。SaveImage节点将生成的输出保存到指定位置。

对于放大，使用UltimateSDUpscale节点。它将生成的输出，加载的FLUX，正面和负面放大条件，加载的FLUX VAE和加载的FLUX放大作为输入。CLIPTextEncode（Upscale Positive Prompt）节点对用于放大的正面文本提示进行编码。UpscaleModelLoader节点加载FLUX放大。UltimateSDUpscale节点执行放大过程并输出放大的表示。最后，SaveImage（Upscaled）节点将放大的输出保存到指定位置。

通过利用ComfyUI FLUX和NF4架构的强大功能，ComfyUI FLUX NF4工作流能够生成具有增强保真度和真实感的高质量输出。ComfyUI FLUX与NF4架构的无缝集成提供了一个强大的工具，用于创建令人惊叹和引人入胜的输出。

5.7. ComfyUI工作流：FLUX IPAdapter

5.7.1. ComfyUI FLUX IPAdapter: 下载

5.7.2. ComfyUI FLUX IPAdapter在线版本：ComfyUI FLUX IPAdapter

在RunComfy平台，我们的在线版本预加载了所有必要的模式和节点。此外，我们提供高性能GPU机器，确保你可以轻松享受ComfyUI FLUX IPAdapter体验。

5.7.3. ComfyUI FLUX IPAdapter解释：

ComfyUI FLUX IPAdapter工作流首先加载必要的模型，包括UNET模型（UNETLoader），CLIP模型（DualCLIPLoader）和VAE模型（VAELoader）。

正面和负面的文本提示使用CLIPTextEncodeFlux进行编码。正面文本条件用于指导ComfyUI FLUX生成过程。

使用LoadImage加载输入图像。LoadFluxIPAdapter加载FLUX模型的IP-Adapter，然后应用于加载的UNET模型使用ApplyFluxIPAdapter。ImageScale将输入图像缩放到所需大小，然后应用IP-Adapter。

• LoadFluxIPAdapter：加载FLUX模型的IP-Adapter。
  • IP Adapter模型：flux-ip-adapter.safetensors
  • CLIP视觉编码器：clip_vision_l.safetensors

EmptyLatentImage创建一个空的潜在表示，作为ComfyUI FLUX生成的起点。

XlabsSampler执行采样过程，将FLUX UNET与应用的IP-Adapter，编码的正面和负面文本条件和空的潜在表示作为输入。它生成潜在表示。

VAEDecode使用加载的FLUX VAE将生成的潜在表示解码为最终输出。PreviewImage节点显示最终输出的预览。

ComfyUI FLUX IPAdapter工作流利用ComfyUI FLUX和IP-Adapter的强大功能生成符合提供的文本提示的高质量输出。通过将IP-Adapter应用于FLUX UNET，工作流能够生成捕捉文本条件指定的特征和风格的输出。

5.8. ComfyUI工作流：Flux LoRA训练器

5.8.1. ComfyUI FLUX LoRA训练器: 下载

5.8.2. ComfyUI Flux LoRA训练器解释：

ComfyUI FLUX LoRA训练器工作流由多个阶段组成，用于在ComfyUI中使用FLUX架构训练LoRA。

ComfyUI FLUX选择和配置： FluxTrainModelSelect节点用于选择训练组件，包括UNET，VAE，CLIP和CLIP文本编码器。 OptimizerConfig节点配置ComfyUI FLUX训练的优化器设置，如优化器类型，学习率和权重衰减。 TrainDatasetGeneralConfig和TrainDatasetAdd节点用于配置训练数据集，包括分辨率，增强设置和批次大小。

ComfyUI FLUX训练初始化： InitFluxLoRATraining节点使用选定的组件，数据集配置和优化器设置初始化LoRA训练过程。 FluxTrainValidationSettings节点配置训练的验证设置，如验证样本数量，分辨率和批次大小。

ComfyUI FLUX训练循环： FluxTrainLoop节点执行LoRA的训练循环，迭代指定步数。 在每个训练循环后，FluxTrainValidate节点使用验证设置验证训练的LoRA并生成验证输出。 PreviewImage节点显示验证结果的预览。 FluxTrainSave节点在指定间隔保存训练的LoRA。

ComfyUI FLUX损失可视化： VisualizeLoss节点可视化训练过程中损失的变化。 SaveImage节点保存损失图以供进一步分析。

ComfyUI FLUX验证输出处理： AddLabel和SomethingToString节点用于给验证输出添加标签，指示训练步骤。 ImageBatchMulti和ImageConcatFromBatch节点将验证输出组合和拼接为一个结果，以便于可视化。

ComfyUI FLUX训练结束： FluxTrainEnd节点完成LoRA的训练过程并保存训练的LoRA。 UploadToHuggingFace节点可用于将训练的LoRA上传到Hugging Face，以便与ComfyUI FLUX共享和进一步使用。

5.9. ComfyUI工作流：Flux Latent Upscaler

5.9.1. ComfyUI Flux Latent Upscaler: 下载

5.9.2. ComfyUI Flux Latent Upscaler解释：

ComfyUI Flux Latent Upscale工作流首先加载必要的组件，包括CLIP（DualCLIPLoader），UNET（UNETLoader）和VAE（VAELoader）。文本提示使用CLIPTextEncode节点进行编码，并使用FluxGuidance节点应用指导。

SDXLEmptyLatentSizePicker+节点指定空的潜在表示的大小，作为FLUX放大过程的起点。然后潜在表示通过一系列放大和裁剪步骤使用LatentUpscale和LatentCrop节点进行处理。

放大过程由编码的文本条件指导，并使用SamplerCustomAdvanced节点与选择的采样方法（KSamplerSelect）和调度的噪声级别（BasicScheduler）。ModelSamplingFlux节点设置采样参数。

然后使用SolidMask和FeatherMask节点生成的遮罩，将放大的潜在表示与原始潜在表示组合使用LatentCompositeMasked节点。使用InjectLatentNoise+节点将噪声注入放大的潜在表示。

最后，VAEDecode节点将放大的潜在表示解码为最终输出，并使用ImageSmartSharpen+节点应用智能锐化。PreviewImage节点显示由ComfyUI FLUX生成的最终输出的预览。

ComfyUI FLUX Latent Upscaler工作流还包括使用SimpleMath+，SimpleMathFloat+，SimpleMathInt+和SimpleMathPercent+节点进行的各种数学运算，以计算放大过程的尺寸比例和其他参数。