最强AI绘画大模型Flux可以在SDWebUI 上使用了！超便捷的Flux模型使用教程

大家好，我是画画的小强

目前最强的AI绘画大模型Flux.1 横空出世有段时间了，模型效果也得到了广泛的认可，但是 Stable Diffusion WebUI 官方迟迟没有跟进，据说是因为要修改很多底层的处理机制，加之ComfyUI如火如荼，可能AUTOMATIC1111大佬的心气也不是很高，选择了躺平，又或者是在秘密的憋大招。

不过在开源的AI绘画界还有另一个大佬，那就是 ControlNet 的作者张吕敏，他搞了一个SD WebUI的衍生版：Stable Diffusion WebUI Forge。Flux发布没多久，Forge就开始了相关的支持工作，虽然目前还有很多特性没有得到支持（这也间接说明WebUI支持Flux的改造难度确实很大），比如ControlNet，但是基本的文生图和图生图已经没有什么问题了，喜欢WebUI的同学可以体验下了。

本地部署

Stable Diffusion WebUI Forge 提供了一个一键安装包：安装包下载请扫描免费获取哦

下载后需要解压，然后进入解压出的文件夹，双击执行 update.bat，将程序升级到最新版本，最后双击执行 run.bat ，启动程序。

其它模型还需要自己手动下载，放到相应的目录中。

使用方法

我这里截了一张在Forge中使用Flux生图的操作过程，大家可以有个基本的认识。

下面分步介绍下：

1、UI

选择Flux。选择不同的UI，下边的一些选项会有所变化，比如宽度和高度、提示词引导系数的默认值等等。

2、模型和VAE/Text Encoder

这里演示用的Flux基础模型自带VAE（潜空间编解码器）和Text Encoder（文本提示词编码器），所以不需要选择VAE/Text Encoder；如果你使用的Flux模型是单独的unet模型，则需要选择VAE和Text Encoder。

Forge支持的Flux基础模型一般有这几种：

• flux1-dev-bnb-nf4-v2.safetensors 张吕敏大佬搞的unet量化模型。

• flux1-dev-fp8_unet.safetensors 只包含unet模型。

• flux1-dev-fp8.safetensors 包含unet、vae和text encoder模型。

这几个模型需要放到 Forge 模型目录的基础模型子目录下。

Forge需要的VAE和Text Encoder模型包括：

• ae.safetensors Flux使用的VAE模型；

• clip_l.safetensors 相对传统的文本提示词编码器模型；

• t5xxl_fp16.safetensors 比较新的文本提示词编码器模型，使用自然语言。

这几个模型需要放到 Forge 模型目录的 vae 子目录下。

这里给出一些模型的搭配组合：

• flux1-dev-fp8.safetensors

• flux1-dev-fp8_unet.safetensors + ae.safetensors + clip_l.safetensors + t5xxl_fp16.safetensors

• flux1-dev-bnb-nf4-v2.safetensors + ae.safetensors + clip_l.safetensors + t5xxl_fp16.safetensors（可选）

3、提示词

只需要正向提示词，Flux目前开放的模型不支持反向提示词。这里演示用的是：

1girl, black hair, smile, a textbox with ‘hello’

4、采样方法和调度器

不是所有的采样方法和调度器都支持Flux。

采样方法我测试了这几个是可以的：

• DPM++ 2M

• Euler

• DPM2

• [Forge] Flux Realistic（速度快，推荐）

调度器（Schedule type）选择 ：Simple、Normal或者SGM Uniform都可以。

5、生成

最后点击生成就可以了，根据机器系统不同，需要的时间会有所差别。

首次生图需要加载模型，可能需要的时间更长一些。

6、其它参数

这里边还有一些其它参数：

• 宽度和高度：可以根据自己的需要进行调整，Flux模型支持的尺寸可以覆盖SD1.5和SDXL支持的尺寸。

• 迭代步数：20-30

• 总批次数：一共生成几次。可以连续生成多次，选择其中最好看的，俗称抽卡。

• 单批数量：每次生成几张图片，比较消耗显存，显存大的话可以设置的多点。

• Distilled CFG Scale 和 提示词引导系数：这两个都不能设置的很大，默认就可以了，绝大部分情况下不需要调整。

• 随机数种子：每次生成都是用不同的随机数，图片会更加多样化。

环境配置

量化之后的Flux模型需要的显存大幅降低，12G显存就能跑起来。

不过要想实现更好的效果，还得是尽量选择损失比较小的模型。演示用的 flux1-dev-fp8 在资源和质量之间取得了一个平衡，推荐大家使用。

资源下载

文章中使用的Flux模型和程序，都已经上传到我整理的 Stable Diffusion 绘画资源中，需要的小伙伴可以看下方扫描免费获取哦

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

（全套教程文末领取哈）

👉AI绘画必备工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频，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。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉12000+AI关键词大合集👈

这份完整版的AI绘画全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】