Gehen Sie zu ComfyUI/custom_nodes
Klonen Sie dieses Repo. Der Pfad sollte ComfyUI/custom_nodes/x-flux-comfyui/*
lauten, wobei * für alle Dateien in diesem Repo steht
Gehen Sie zu ComfyUI/custom_nodes/x-flux-comfyui/
und führen Sie python setup.py
aus
Führen Sie ComfyUI nach der Installation aus und genießen Sie es!
Nach dem ersten Start werden die Ordner ComfyUI/models/xlabs/loras
und ComfyUI/models/xlabs/controlnets
automatisch erstellt.
Um also Lora oder Controlnet zu verwenden, legen Sie einfach Modelle in diesen Ordnern ab.
Danach müssen Sie möglicherweise in der benutzerfreundlichen Oberfläche auf „Aktualisieren“ klicken, um die Modelle zu verwenden.
Für Controlnet müssen Sie https://github.com/Fannovel16/comfyui_controlnet_aux installieren
Sie können Flux mit einer Speichernutzung von 12 GB VRAM starten.
Befolgen Sie die Installation wie im Repo https://github.com/city96/ComfyUI-GGUF beschrieben
Verwenden Sie „flux1-dev-Q4_0.gguf“ aus dem Repo https://github.com/city96/ComfyUI-GGUF
Starten Sie ComfyUI mit folgenden Parametern:
python3 main.py --lowvram --preview-method auto --use-split-cross-attention
Ersetzen Sie in unseren Workflows den Knoten „Load Diffusion Model“ durch „Unet Loader (GGUF)“.
Wir haben Canny ControlNet , Depth ControlNet , HED ControlNet und LoRA -Kontrollpunkte für FLUX.1 [dev]
trainiert.
Sie können sie auf HuggingFace herunterladen:
Flux-Controlnet-Sammlungen
Flux-Controlnet-Canny
Flux-RealismusLora
Flux-Lora-Sammlungen
Flux-furry-lora
Flux-IP-Adapter
Aktualisieren Sie x-flux-comfy mit git pull
oder installieren Sie es neu.
Laden Sie Clip-L model.safetensors
von OpenAI VIT CLIP Large herunter und legen Sie es in ComfyUI/models/clip_vision/*
ab.
Laden Sie unseren IPAdapter von Huggingface herunter und legen Sie ihn in ComfyUI/models/xlabs/ipadapters/*
ab.
Verwenden Sie die Knoten Flux Load IPAdapter
und Apply Flux IPAdapter
, wählen Sie das richtige CLIP-Modell und genießen Sie Ihre Generierungen.
Beispiel-Workflows in Ordner-Workflows finden Sie in diesem Repo.
Der IP-Adapter befindet sich derzeit in der Betaphase. Wir garantieren nicht, dass Sie sofort ein gutes Ergebnis erzielen. Es können mehrere Versuche erforderlich sein, bis Sie ein Ergebnis erhalten. Aber wir werden uns bemühen, diesen Prozess im Laufe der Zeit einfacher und effizienter zu gestalten.