ComfyUI教程：FLUX模型全解析与快速上手

最新推荐文章于 2025-03-25 11:38:55 发布

AIGC阿道夫

最新推荐文章于 2025-03-25 11:38:55 发布

阅读量3.4k

点赞数 17

文章标签： stable diffusion 人工智能 AI作画 flux comfyui 计算机视觉 AIGC

本文链接：https://blog.csdn.net/text2203/article/details/144801342

版权

大家好我是AIGC阿道夫

前言

随着生成式AI技术的快速发展，Flux模型正以其卓越的生成质量和多风格支持，成为开源图像生成领域的焦点。相比传统模型，Flux能一站式满足多种风格需求，节省了创作者的切换成本和时间。本文将深入解析Flux模型的强大功能，提供模型的下载与部署指导，并揭示关键参数的调节建议，助你更轻松快速地掌握这一最新的创作利器。

本文介绍了在ComfyUI环境中对Flux模型的应用，其中模型适用于其他GUI平台。

所有的AI设计工具，安装包、模型和插件，都已经整理好了，👇获取~

请添加图片描述

一、FLUX 是什么？

FLUX是由前 Stability AI 核心员工团队创立的黑森林实验室（Black Forest Labs）于 2024 年 8 月 1 日发布的一款开源图像生成模型，其效果可与 Midjourney V6 和 SD3 相媲美。

FLUX 模型一共有三个版本：

Pro版：闭源模型，性能最强，仅支持API，普通用户涉及不到。
Dev版：开源模型，性能也很强，显存占用大（我用的RTX4070TI可以驾驭）。
Schnell版：开源模型，画面的细节处理略有降低，但生成速度有提升，4-8步采样即可。

二、FLUX 的特点与优点

当前最佳开源图像生成模型：Flux模型在开源图像生成模型中表现出色，特别是在高质量图像生成和多风格适应方面处于领先地位。

参数大，多风格支持：Flux拥有约120亿参数，具备丰富的细节生成能力，对复杂提示词的理解能力也更强。
手部和字体效果优化：相较于许多图像生成模型，Flux对手部细节的生成较为精细，且对英文字体有很好的支持（暂不支持中文字体）。
分辨率设置灵活：Flux支持灵活的分辨率设置，但由于其模型规模较大，运行时需要较高的GPU VRAM，特别是生成高分辨率图像时。
无需负面提示词：此模型在生成过程中无需添加负面提示词即可生成高质量图像，因而提示词编写更为简便。

三、FLUX 模型本地部署（ComfyUI）

由于黑森林发布的原版模型为bf16格式，文件大，资源占用高，生成速度慢。因此，社区开发了多种优化版模型，成图质量略有下降，但大幅降低了资源占用，并显著提升了生成速度。

Flux模型在完整部署时需要三类专用模型：Flux 模型、CLIP模型、VAE模型，但个别优化板模型将三种模型做了集成，接下来逐一介绍，下载链接见文章结尾附录。

1. FLUX 模型

黑森林原版模型

黑森林原版FLUX模型需要分别安装Flux模型、CLIP模型、VAE模型

black-forest-labs丨Flux.1-pro：性能最强，闭源，仅API。
black-forest-labs丨Flux.1-dev：性能较好，开源，非商业许可，实测RTX4070Ti可以驾驭，20步。
black-forest-labs丨Flux.1-schnell：开源，效果换速度，Apache2.0商用，4-8步。

FLUX 模型存放路径：ComfyUI\models\unet\

优化模型 - Kijai

Kijai版FLUX模型需要分别安装FLUX模型、CLIP模型、VAE模型

Kijai/flux1-dev-fp8：生成图像与原版接近，显存占用更低，速度更快，效果比原版略有降低。
Kijai/flux1-schnell-fp8：生成图像与原版接近，显存占用更低，速度更快，效果略逊色于dev版模型。

Kijai - FLUX模型存放路径：ComfyUI\models\unet\

优化模型 - GGUF

GGUF版FLUX模型需要分别安装FLUX模型、CLIP模型、VAE模型

FLUX.1-dev-gguf：显存占用更低，速度更快，优秀的提示语理解能力，效果比原版略有降低。

GGUF版FLUX有很多版本可以选择，对应不同的显存要求，例如Q4要求6GB显存，Q5要求8GB显存。作者建议使用Q5_K_M及以上的模型。

GGUF - FLUX模型存放路径：ComfyUI\models\unet\

Comfy Org 模型

Comfyorg版本的FLUX是个三合一模型，集成了Kijai版Flux模型、CLIP模型、AVE模型。因此工作流使用的节点也有区别。

Comfy-Org-flux1-dev：实测速度最快，效果表现也最弱，工作流搭建最简单。
Comfy-Org-flux1-schnell：同上

Comfy Org - FLUX模型存放位置：ComfyUI\models\checkpoints\

2. CLIP 模型

clip_l模型必选，t5xxl模型根据显卡情况选其一。

clip_l.safetensors
t5xxl_fp16.safetensors：显存>32GB可选
t5xxl_fp8_e4m3fn.safetensors
t5-v1_1-xxl-encoder-gguf（搭配GGUF版FLUX模型使用）

CLIP模型存放路径：ComfyUI\models\clip\

3. VAE模型

flux_ave.safetensors

VAE模型存放路径：ComfyUI\models\vae\

4. 模型效果对比

提示语：

masterpiece, 18-year-old Asina girl, solo, close-up, blue hat, wearing a white dress, beautiful eyes, cloused mouth, heart of the ocean crystal necklace, gold-rimmed glasses, looking at the viewer, holding a big “FLUX”, smiling,sitting outside a coffee shop, upper body, vibrant, a giant teddy bear behind her, highty detailed,

以上测试仅FLUX模型不同，提示语和参数设置均相同，由结果得出：

优化版FLUX模型与原版模型的生成结果存在差异
Kijai版FLUX模型与原版的生成图像最接近
GGUF版FLUX模型的生成图像对提示词的遵循最好
Comfy Org版FLUX模型的生成速度最快，但效果最差

四、FLUX 工作流

FLUX - 标准工作流

需要分别独立加载 Checkpoit、VAE、CLIP。

FLUX - GGUF 模型工作流

GGUF模型需要专用节点来加载：ComfyUI-GGUF

FLUX - Comfy Org 三合一模型工作流

使用 ComfyUI 默认工作流即可。

五、关键参数建议

Guidance

值=1，效果粗糙，细节差，颜色暗淡，视觉表现较为抽象。
值=2，画面偏灰，饱和度和对比度略低，光影及立体效果偏弱。
值=3，图像较为自然，细节丰富，饱和度、对比度、光影及景深等表现自然。
值＞4，饱和度、对比度等效果明显增强，甚至是过度增强；细节有所精简，更突出主体。总体效果对比guidance值为3~4没有明显提升，某些案例还出现了失真现象。

通常将guidance值设置为3~4即可满足大多数需求；若需要画面简洁且突出主体，可以尝试guidance值＞4；而生成抽象或古怪风格的作品时，可尝试将guidance值调低至1。

CFG

如效果所示，保持CFG值为1即可。

Sampler（采样器）与 Scheduler（去噪表）

由测试结果得出的推荐组合：

euler + simple
uni_pc + beta
ipdmn + beta

其他看似不错的生成图像，均有细微瑕疵。

总结

FLUX模型凭借卓越的生成能力成为当前最佳的开源图像生成模型，对比SD1.5、SDXL等早期模型具备显著优势，吸引了大量社区关注，助力其生态快速发展。ControlNet、IP-Adapter等控制插件的支持逐渐完善，应用潜力不断增强。后续文章中将分享更多FLUX生态的进阶应用，希望本文对你有所帮助。

附录

我整理了网盘下载资源，留言获取提取码。诚请转赞支持，让更多学习爱好者看到。

模型下载：

FLUX模型：https://pan.baidu.com/s/1uK2xS3OiJi9YL9vWFroKDA
CLIP模型：https://pan.baidu.com/s/1SYRm5hbaE7vGCs10zfjSUg
VAE模型：https://pan.baidu.com/s/1udQb5c8G3HKCgzeIWbwQ7g

模型安装路径：

Flux模型（原版、Kijai、GGUF）：ComfyUI\models\unet\
Flux模型（Comfy Org）：ComfyUI\models\checkpoints\
CLIP模型：ComfyUI\models\clip\
VAE模型：ComfyUI\models\vae\

为了帮助大家更好地掌握 ComfyUI，我在去年花了几个月的时间，撰写并录制了一套ComfyUI的基础教程，共六篇。这套教程详细介绍了选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。