【AI绘画】“现代最强”vs“史上最强”（AI进阶篇：FLUX模型下载）

大家好，我是程序员超超。

在上篇笔记中简单了解了一下FLUX这个模型比起其他市面上模型较为不错的点，例如在庞大的训练集辅助下FLUX有着强大的关键元素提取能力，简单来说就是更加“听话”，能够准确捕捉到提示词中的关键信息。

当然具体成图怎么样还是得自己体验跑图试试，让我来看看FLUX模型是否能撼动Stable Diffusion模型的地位，所以今天这篇文章就说一下怎么下载模型以及如何操作。

模型下载

虽说FLUX是开源的，不过也是需要“三件套”才能顺利运行起来，分别需要下载基础模型、文本编码器和VAE（编解码器）。

这些都是可以在huggingface下载到的，需要准备约55G左右的空间:

Dev模型：https://huggingface.co/black-forest-labs/FLUX.1-dev/tree/main

文件名：flux1-dev.safetensors(23.8GB)

Schnell模型：https://huggingface.co/black-forest-labs/FLUX.1-schnell/tree/main

文件名：flux1-schnell.safetensors(23.8GB)

文本编码器： https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main

文件名：

clip_l.safetensors(234MB)

t5xxl_fp16.safetensors(9.79GB)

VAE编码器：https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main

文件名：ae.safetensors(335MB)

目前来说在本地运行FLUX模型最优选是在ComfyUI上，ComfyUI是目前最为流行的节点是AI绘画应用。

不过在使用FLUX之前最好先将ComfyUI更新至最新版本，直接在ComfyUI界面中更新即可。

还有一点要注意的是刚刚下载的那些文件都是需要放到ComfyUI的根目录文件下方：

1. 两个20多GB的基础模型放在路径: ComfyUI/models/unet

2. 两个文本编码器放在路径：ComfyUI/models/clip

3. VAE编解码器放在路径：ComfyUI/models/vae

在放置好上述文件之后就可以完全关闭（包括后台）并重启ComfyUI

FLUX的操作

ComfyUI官方也提供了FLUX模型的标准工作流，获取方式也很简单，直接来到这个GitHub页面，然后将图片直接拖拽到ComfyUI中即可。

https://comfyanonymous.github.io/ComfyUI_examples/flux/

这个是一个DEV模型的标准工作流，至于如何操作嘛。

第一步 ：首先在右上角找到红框处这三个节点，分别加载刚下载完的扩散模型Unet、VAE和文本编码器CLIP。

第二步： 找到这个绿色的文本编码器框，也就是输入提示词的地方用英文输入想要生成的内容，如果不知道写什么可以参考下面这段话:

A filmic upper body portrait of a young woman in black forest, holding a paper showing words “FLUX Dev”

在这个绿色的节点上方还有一个FluxGuidance也就是FLUX引导系数数值，用于控制提示词的强度，数值越低AI发挥越自由，反之越忠实。

第三步： 在下方有两个节点分别填写生成图片的宽和高，根据自己需求决定，也可以照图中的参数更改。

宽1024 高576

第四步： 下方这些参数会部分影响生成结果，有些用过WebUI的小伙伴就很熟悉了，但是以防万一我这里再提示一下（以下设置全部维持默认即可）。

batch_size（批次大小）：指一次性生成图片的数量，数值高会显著提高占用数值，一般默认1.

noise_seed（随机种子）：决定生成图片的初始噪声，同一提示词下相同的随机种子可以生成相似的图片，如果要固定种子的话讲第二个选项从randomize改为fix

KSamplerSelect（采样器选择）：决定模型去噪生成图片的方式，一般维持默认。

Scheduler（调度器）：同样用于决定好模型去噪生产图片的方式，一般维持默认。

Steps（步数）：模型去噪生产图片的步数，Dev模型一般为20步，如果是Schnell模型的话只需要4步即可。

Denoise（降噪）：默认按1设置，在图生图等输入原图的流程中可以用于控制“重绘”的幅度（即与原图的相似度）。范围一般在0-1间，为0时与原图完全一致。

max_shift&base_shift（最大偏移&基础偏移）：一个用以稳定图像生成过程的设置，默认流程下会自动调整。

第五步：在完成上述操作之后可以点击生成图片了。

然后在最右侧的输出节点那里就可以看到生成的图片啦！

这就是在ComfyUI中使用Dev模型的流程，Schnell模型大同小异，只需要把生成的Steps步数设置为4步即可，其生成速度会很快但是质量就不如Dev了。

ComfyUI有个不错的点就是更改下几个节点就可以从文生图变成图生图流程。

我是按照原教程UP的视频截图更改的，公众号图片这里可能比较小看不太清楚，推荐感兴趣的小伙伴直接去文末原教材链接的简介中进行下载。

当然除了ComfyUI以外还有SD WebUI Forge也可以使用FLUX，这个Forge相当于是一个SD WebUI 的改良版本。

当然上面下载的三件套也是需要复制粘贴到ForgeUI下方的。

flux1-dev.safetensors和flux1-schnell.safetensors放到这个路径：

WebUI/models/stable-diffusion

clip_l.safetensors和t5xxl_fp16.safetensors放到这个路径：

WebUI/models/text_encoder

ae.safetensors放到这个路径：

**WebUI/models/VAE
**

将这些文件都放好后就可以点击run.bat来启动ForgeUI了

打开后主界面的左上角有四个UI选项，选择FLUX。

Checkpoint选项选择flux1-dev.safetensors选项

VAE/Text Encoder选项选择时按住键盘Ctrl将ae.safetensors、clip_1.safetensors和t5xxl_fp16.safetensors都选上。

然后在下面的框中简单输入提示词：

A filmic upper body portrait of a young woman in black forest, holding a paper showing words “FLUX in Forge”

然后点击右侧的Generate就可以生成图片啦！

不过有小伙伴可能发现了下方的Negative prompt是锁定的，这是因为FLUX是不需要负面提示词来限制的。

下方的Distilled CFG Scale就是之前提到的FLUX引导数值

这样就可以简单地用FLUX在本地生成图片了，如果选择的是Schnell模型的话记得把采样迭代步数从20改为4。

---

今天的内容就到这里啦！

可以先多试试看FLUX的生成结果看看哪个模型是自己比较喜欢的，至于FLUX和Stable Diffusion究竟谁更适合我还需要几篇笔记的时间来验证。

之后几篇笔记会尝试一下如何降低显存和结合LoRA、ControlNet等插件来看看效果。

大伙就下篇笔记见啦，拜了个拜！

写在最后

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

在这里插入图片描述

若有侵权，请联系删除