【人工智能绘画】“现代最强”vs“历史上最强”(AI高级文章:FLUX模型下载)

大家好，我是超超超程序员。

在上一篇笔记中，我简单了解了FLUX模型比其他市场模型更好的点，例如，在庞大的训练集的帮助下，FLUX具有很强的提取关键元素的能力，简而言之，它更“听话”，能准确捕捉提示词中的关键信息。

当然，你还是要体验跑图试试#xff00c;让我们来看看FLUX模型是否能动摇Stable Diffusion模型的地位，所以今天的文章将讨论如何下载模型以及如何操作。

模型下载。

虽然FLUX是开源，但也需要“三件套”才能顺利运行，需要下载基本模型、文本编码器和VAE（#xfff09编码器;。

这些都是可以在hugingface下载的，需要准备大约55G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，FLUX模型在本地运行的最佳选择是在ComfyUI上，人工智能绘画应用是ComfyUI最受欢迎的节点。

但在使用FLUX之前，最好将ComfyUI更新到最新版本�在ComfyUI界面中直接更新即可。

还有一点需要注意的是，刚下载的文件需要放在ComfyUI的根目录文件下：

1. 路径上放置了两个20多GB的基本模型：。 ComfyUI/models/unet。

2. 路径࿱放置两个文本编码器a;ComfyUI/models/clip。

3. VAE编解码器放在路径࿱上a;ComfyUI/models/vae。

放置上述文件后，可以完全关闭（后台󿼉包括后台󿼉并重启ComfyUI。

FLUX操作。

ComfyUI官员还提供了FLUX模型的标准工作流，获取方法也很简单󿀌直接来到GitHub页面󿀌然后将图片直接拖入ComfyUI。

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

这是DEV模型的标准工作流，至于怎么操作。

第一步。：首先，在右上角找到三个节点，加载刚刚下载的扩散模型Unet、CLIPVAE和文本编码器。

第二步：找到这个绿色的文本编码器框，也就是说，在输入提示词的地方，用英语输入想要生成的内容，如果你不知道该写什么，请参考以下段落。

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

在这个绿色节点上方还有一个FluxGuidance，即Flux引导系数值，控制提示词的强度，数值越低，AI发挥越自由，相反，越忠诚。

第三步：下面有两个节点分别填写生成图片的宽度和高度，根据自己的需要决定󿀌也可根据图片中的参数进行更改。

宽1024 高576。

第四步：以下参数将部分影响生成结果，一些使用过WebUI的小伙伴非常熟悉，但以防万一我在这里再次提示（所有以下设置都可以保持默认）。

batch_size（批次尺寸）：指一次性生成图片的数量，数值高会显著提高占用值c;一般默认1.。

noise_seed（随机种子）：决定生成图片的初始噪声，相同的随机种子可以在同一提示词下生成相似的图片，如果要固定种子，请从第二个选项开始。randomize。改为。fix。

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

Scheduler（xff09调度器;：也用于决定模型去噪生产图片的方式，一般保持默认。

Steps（步数）：去噪模型生产图片的步数，Dev模型一般为20步，如果是Schnell模型，只需要4步。

Denoise（降噪）：默认按1设置󿀌在图生图等输入原图的过程中，可用于控制“重绘”范围（即与原始图像的相似性）。范围一般为0-1间，0时与原图完全一致。

max_shift&base_shift（最大偏移&#xfff09基础偏移;：设置#xff0用于稳定图像生成过程c;自动调整默认流程。

第五步：完成上述操作后，可以点击生成图片。

然后你可以在最右边的输出节点看到生成的图片！

这是在ComfyUI中使用DEV模型的过程，Schnell模型相似，#xff0c;只需将生成的Steps步数设置为4步，它的生成速度会很快，但质量不如DEV。

ComfyUI的一个好点是，从文生图到图生图的过程可以改变下一个节点。

根据原教程UP的视频截图，我改变了，这里的微信官方账号图片可能比较小，不太清楚󿀌推荐感兴趣的朋友直接在文末原教材链接的简介中下载。

当然，除了ComfyUI，还有SD WebUI FLUX￰也可以使用FLUXc;这个Forge相当于一个SD WebUI 改进版本。

当然，上面下载的三件套也需要复制粘贴在ForgeUI下面。

flux1-dev.safetensors和flux1-schnell.safetensors放在这条路径上：

WebUI/models/stable-diffusion。

clip_l.safetensors和t5xxl_fp16.safetensors放在这条路径上：

WebUI/models/text_encoder。

ae.safetensors放在这条路径上：

**WebUI/models/VAE。
**。

放好所有这些文件后，可以点击run.bat来启动forgeUI。

打开后，主界面左上角有四个UI选项，FLUX的选择。

flux1选择checkpoint选项-dev.safetensors选项。

VAE/Text 选择Encoder时，按键盘Ctrl将aencoder选择.safetensors、clip_1.safetensors和t5xxl_fp16.选择safetensors。

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生成图片！

然而，一些朋友可能会发现下面的Negative prompt是锁定的，这是因为FLUX不需要负面提示来限制。

Distilledd下方 CFG Scale是之前提到的FLUX引导值。

这样，FLUX就可以简单地在本地生成图片，如果选择Schnell模型，记得将采样迭代步数从20改为4。

---

今天的内容到此为止！

你可以先试试FLUX的生成结果，看看哪个模型是你最喜欢的，至于FLUX和Stable 我还需要几个笔记来验证Diffusion到底谁更适合我。

在接下来的几篇笔记中，我们将尝试如何减少显存并结合LoRA、看看ControlNet等插件的效果。

下一篇笔记大家都会看到，崇拜！

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c;使游戏和计算系统具有更高效、更智能、更灵活的特点。同时，AIGC技术也将与人工智能技术紧密结合c;广泛应用于更多领域，对程序员的影响至关重要。未来，AIGC技术将继续改进，同时也将与人工智能技术紧密结合，广泛应用于更多领域。

感兴趣的朋友，赠送全套AIGC学习资料和安装工具c;AI绘画、AI人工智能等前沿技术教程，模型插件󿀌具体看下面。

AIGC各个方向的学习路线。

整理AIGC各个方向的技术点，形成各领域的知识点总结，它的用途在于，您可以根据以下知识点找到相应的学习资源，确保自己学得更全面。

二、AIGC必备工具。

所有的工具都帮你整理好了，安装可直接启动！

三、最新AIGC学习笔记。

当我学到一定的基础࿰时c;当你有自己的理解能力时，阅读前人整理的一些书籍或手写笔记资料，这些笔记详细记录了他们对某些技术点的理解，这些理解比较独特，你可以学到不同的想法。

四、AIGC视频教程集合。

观看全面零基础学习视频󿀌看视频学习是最快最有效的方式，跟随视频中老师的想法，从基础到深度，还是很容易入门的。

五、实战案例。

纸上得到的时候感觉很浅，学会和视频一起敲#xff0c;动手实操，只有这样，我们才能把所学应用到实践中去，这个时候可以搞点实战案例学习。

插入图片描述。

侵权，请联系删除。

本文地址：http://cdn.baiduyun.im/video/www.bfzx365.com/video/633b62098746.html