大人，文生图的时代又变了！SD核心成员自立门户，首个模型FLUX.1硬刚SD 3和Midjourney

作者：李宝珠，xixi 编辑：李宝珠 HyperAI超神级官网 (hyper.ai) 的教程版块现已上线「FLUX ComfyUI（含黑神话悟空 LoRA 训练版）」，一键部署，速来体验文生图顶流！

长久以来，从艺术风格多样化的 Midjourney，到背靠 OpenAI 的 DALL-E，再到开源的 Stable Diffusion（简称 SD），文生图模型的生成质量与速度都在持续升级，prompt 理解与细节处理也成为了各大模型内卷的新方向。

进入 2024 年后，处于「双雄鼎立」阶段的 Midjourney 与 Stable Diffusion 接连发力，SD 3 率先发布，随后 Midjourney V6.1 也更新迭代。然而，当人们还沉浸在 SD 3 与 Midjourney 的对比时，新一代「魔王」悄然降生——FLUX 横空出世。

FLUX 在生成人物、尤其是真实人物的场景时，效果已经非常接近真人实拍了，人物表情、皮肤光泽、发型发色等细节都十分逼真。其也一度被誉为 Stable Diffusion 的继承者， 有意思的是，二者确实颇具渊源。

FLUX 背后团队 Black Forest Labs 的创始人 Robin Rombach，正是 Stable Diffusion 的共同开发者之一 。Robin 在离开 Stability AI 后成立了 Black Forest Labs， 并推出了 FLUX.1 模型。

目前，FLUX.1 提供了 3 个版本：Pro、Dev 和 Schnell。 Pro 版是通过 API 提供的闭源版本，可用于商业，也是最强大的版本；Dev 版是直接从 Pro 版本「蒸馏」而来的开源版本，具有非商业许可；Schnell 版是速度最快的精简版本，据称运行速度最高可提高 10 倍，开放源代码，采用 Apache 2 许可，适用于本地开发和个人使用。

相信不少小伙伴都想实际上手体验一下这个新一代文生图顶流！HyperAI超神级官网 (hyper.ai) 的教程版块现已上线「FLUX ComfyUI（含黑神话悟空 LoRA 训练版）」，是 ComfyUI 版 FLUX[dev]，还支持 LoRA 训练。

感兴趣的小伙伴速来体验吧！小编已经替大家试过了，效果完全不输 SD 3 与 Midjourney ↓

相同 prompt，分别由 3 个模型生成的效果 * prompt：a girl is holding a sign that says 「I am an AI」

此外，B 站热门 Up 主 Jack-Cui 也制作了详细的操作教程，手把手教会大家！

教程地址：

https://go.hyper.ai/trQhv

操作视频：

https://www.bilibili.com/video/BV1xSpKeVEeM

Demo 运行

FLUX ComfyUI 运行

1. 登录 hyper.ai，在「教程」页面，点击「在线运行此教程」。「FLUX ComfyUI（含黑神话悟空 LoRA 训练版）」，点击「在线运行此教程」。

2. 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

3. 点击右下角「下一步：选择算力」。

4. 页面跳转后，选择「NVIDIA RTX 4090」以及 「PyTorch」镜像，点击「下一步：审核」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！

HyperAI超神经专属邀请链接（直接复制到浏览器打开）：

https://openbayes.com/console/signup?r=6bJ0ljLFsFh_Vvej

5. 确认无误后，点击「继续执行」，等待分配资源，首次克隆需等待 1-2 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至 Demo 页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。
   
   

6. 打开 Demo 后，点击「Switch Locale」将语言切换为中文。

7. 切换语言后，点击左上角的文件夹图标选择所需工作流。

• wukong：黑神话悟空形象 Demo

• TED：TED 真人演讲 demo

• 3mm4w：图片上写文本 demo
  

8. 选择「wukong」工作流，在 CLIP 文本生成器中输入 Prompt （例如：the back of wukong, holding one golden cudgel，colorfull clouds，headdress crown），点击「添加提示词队列就可以生成图片」，可以看到生成图片十分精美。

FLUX LoRA 训练

1. 想要定制工作流，我们需要先训练 LoRA 模型，回到刚刚的容器界面，点击「打开工作空间」，新建一个终端。
   

2. 在终端输入「sh train.sh」，敲回车运行，待「Running on public URL」出现后，点击该链接。
   
   

3. 页面跳转后，输入模型的模型，并上传图片，这里上传 5 张霉霉的照片，请注意，图像需要是高分辨率正脸照片，人脸的比例大一些。图像的质量越好训练出来的效果越好，

4. 上传成功后，在每一个图像的后面手动添加英文文本描述，也可以点击「Add AI captions with Florence-2」自动生成文本描述。
   

5. 下拉至页面底部，输入一个 Test prompt（例如：A person is drinking coffee）后，点击「Start training」。

6. 等待几分钟后，我们回到刚刚的终端界面，可以看到训练的进度条，大概 40 分钟即可训练完成。待「Saved to output/taylor-swift/optimizer.pt」出现，表示训练已完成。
   
   

7. 在左侧「ai-toolkit」-「output」-「taylor swift」-「sample」文件里，可以看到我们刚刚 Test Prompt 的效果，如果效果还不错，就证明我们的模型已经训练成功了。

8. 模型训练好后，我们需要关掉训练服务，释放 GPU 资源，回到刚刚的重点界面，按「Ctrl+C」终止训练。

9. 运行「sh copy.sh」，再运行「sh dependencies.sh」启动 ComfyUI，等待 2 分钟后，打开右侧 API 地址。
   

10. 页面跳转后，在「LoRA 加载器」中选择刚刚训练好的模型，在「CLIP」中输入 Prompt（例如：a person is drinking coffee），点击「添加提示词队列」即可生成图像。