大家好，我是三石。

最近發現大家對 Flux 模型及其 ComfyUI 工作流不太清楚，不知道跟 SDXL、SD1.5 的區別是什么，也不太清楚工作流的基礎搭建和 SDXL 這類的工作流的區別，包括后面的 ControlNet 的搭建，感覺暈暈的。

現在我將通過上下兩篇文章幫助大家更好地理解 Flux 模型和工作流的搭建，并共安排 8 個典型的工作流搭建方法（上下兩篇），如文生圖、圖生圖、放大、遮罩重繪、物品替換、風格遷移等。讓大家迅速適應并熟悉 Flux 的工作流搭建方法，為后續的學習打好夯實的基礎！

相關干貨：

本篇我們將學習 Flux 模型解析和 4 個基礎工作流：

一、什么是 Flux 模型？

Flux 模型是由黑森林團隊（Black Forest Labs）于 2024 年 8 月推出的最新一代的文生圖大模型，特點就是分辨率高、提示詞精準和識別能力強。目前是業內開源大模型的標桿。當然，現在 QWEN 已經出來了，后續有機會可以給大家做個模型之間的比較。下方是 FLUX 模型生成的一些圖片，我們看下實際出圖效果，會發現在細節上會比 SDXL 等老版本的模型表現更加出色，光感和材質的質感也表現的很出色。

FLUX出圖效果

所以我強烈建議大家使用最新的模型來出圖，雖然后面的 ComfyUI 工作流在搭建上有些許的差異，但是還是值得我們使用的。那 FLUX 的模型在哪里下載呢？

截止目前，Flux 模型有三大版本，分別是 FLUX.1(pro)、FLUX.1(dev)和 FLUX.1(schnell)三個大版本。之間的差別如下圖：

FLUX三個版本模型的差異

此外，FLUX 模型對文字的理解能力也很強，比如我輸入提示詞：

"Under the sea, four large letters 'LOVE' floating in clear seawater, each letter with a smooth, semi-transparent surface reflecting sunlight filtering through the water, surrounded by small bubbles and shimmering particles, soft light rays penetrating from above, creating a dreamy and romantic atmosphere, digital art style, hyper-detailed, vibrant colors, realistic water texture, 8K resolution"。

得到下面這張圖，不會出現不理解文字的情況。

Flux對文字的理解

大家如果想下載模型的，可以登錄 HugggingFace 官網的 Black Forest Labs 主頁（https://huggingface.co/black-forest-labs）進行下載，如下圖。如果本地電腦配置低，也建議大家用在線 ComfyUI 平臺運行，好處就是不用自己費勁裝模型。

FLUX模型下載

還有一點就是大家別忘了下載 Flux 的專屬 VAE 模型，如下圖：

VAE模型下載

二、SDXL 和 SD1.5 模型的區別

既然 Flux 模型這么強，那我們有必要了解它為什么這么強？原因是什么？知道了底層原理，我們對模型才能真正摸透，而不是停留在表面山的理解。

我們都知道，大模型的訓練需要先學習，比如我想生成貓的圖片，那首先需要讓計算機先學習幾百張貓的圖片，然后我們給這些圖片“打標簽”，再轉換成計算機能理解的語言，這是一個基礎的模型學習和訓練過程，但真實情況遠比這復雜的多（涉及很多技術和算法知識）。

所以學習的數量和質量就尤為關鍵。在網上我大概了解到：SD1.5 模型大概有 4.2 億參數，而 Flux 有 120 億參數。那學的數量多，自然出圖的效果好。而且，SD1.5 的訓練圖片尺寸是 512*512，而 SDXL 的訓練圖片尺寸是 1024*1024, FLUX 也是 1024*1024，因此，我們會發現 SDXL 和 Flux 的出圖效果要比 SD1.5 好很多，也清晰很多。在提示詞的理解能力上，Flux 基于多模態架構，能夠理解多模態指令，所以對提示詞的理解能力更強。

關于這三個模型的差異，大家可以看下圖：

三個模型的區別

三、Flux 基礎文生圖工作流搭建

了解了 Flux 模型的優勢及與其它模型的差異，我們現在就可以著手開始搭建最基礎的 Flux 文生圖工作流了。與傳統的 SDXL 的文生圖工作流不同的是，Flux 模型中沒有 CLIP 和 VAE，所以我們需要將原來的「Checkpoint 加載器」節點變成三個不同的節點來組合使用，如下圖所示。在「Checkpoint 加載器」中有三個輸出，分別是 MODEL、CLIP 和 VAE，換到 FLUX，就需要分別加載「UNet 加載器」、「雙 CLIP 加載器」和「加載 VAE」三個節點。

第二個差異點是 Flux 不需要負面提示詞，所以原來 SDXL 這些模型的 CLIP 輸入需要輸入正向、負向兩段提示詞，現在換到 Flux，只需要輸入正向提示詞。因此我們還需要用到「條件零化」節點，將負向提示詞直接零化掉。再連接到 K 采樣器即可，如下圖。

第三個差異點是再「CLIP 文本編碼器」和「K 采樣器」之間，還多了一個「Flux 引導」節點。這個節點其實是代替了「K 采樣器」里面的“cfg”。「Flux 引導」的數值對畫面的影響還是比較大的，引導系數越大，圖像和提示詞的匹配度越高，但是缺乏藝術表現力；反之，數值越小，出圖更有創意。簡單說，「Flux 引導」就是告訴模型我這張圖片到底需要有多聽提示詞的話。

我們可以做個簡單的測試，輸入以下提示詞（提示詞來自網絡，僅為參考）：

Surreal 4k painting of a beautiful alien princess with expressive lilac eyes and cosmic features. Her skin appears to be composed of intertwined bioluminescent particles, surrounded by neon lights and floating, colorful orbs in a fantastical forest environment, with exotic animals creating a mesmerizing and otherworldly atmosphere, cinematic composition.

翻譯：這幅超現實的 4K 畫作描繪了一位美麗的外星公主，她有著富有表現力的淡紫色眼睛和宇宙般的五官。她的皮膚似乎由相互交織的生物發光粒子構成，周圍環繞著霓虹燈和漂浮的彩色球體，周圍是奇幻的森林環境，珍奇的動物營造出一種令人著迷的、超凡脫俗的氛圍，如同電影般的構圖。
我們分別設置 Flux 引導系數為 2.5、3.5、10、20，得到的畫面如下圖，發現提示詞越小，畫面會整體顯得灰暗，過大則會缺少藝術表現力，所以建議大家使用默認值 3.5 即可。

Flux不同引導系數的差異

最后一個差異點就是在「K 采樣器」中，我們需要把“cfg”的數值調整為 1。cfg 的意思是對提示詞的契合度，因為前面已經有「Flux 引導」來代替“cfg”了，所以「K 采樣器」里的“cfg”需要設置為 1，也就相當于“禁用 cfg”了。

到這里，我們就將 Flux 模型在 ComfyUI 中的基本文生圖工作流搭建結束了。如下圖：

FLUX文生圖工作流

四、Flux 基礎圖生圖工作流搭建

了解了 Flux 的文生圖工作流，圖生圖工作流就比較簡單了，跟 SD 的圖生圖工作流是一樣的，我們只要把上傳的圖片先通過「VAE 編碼」連接到「K 采樣器」的“latent_image”（也就是潛在空間），再設置“降噪”數值為 0.8 左右即可，這樣相當于告訴模型 80%參考提示詞，20%參考圖片，所以出圖結果會更偏上傳的圖片，如下圖所示。

flux圖生圖工作流

當然，我們還可以通過提示詞反推節點來獲得跟原圖類似的結果，這里用到的節點是「Joy Caption Two」，如下圖，我們將上傳的圖片給到「Joy Caption Two」輸出提示詞，再將提示詞輸入給「CLIP 文本編碼」。

提示詞反推節點

其余連接保持不變，這樣我們就能得到一張跟原圖類似的圖案，如下圖。

出圖結果

五、Flux 基礎局部重繪工作流搭建

局部重繪工作流需要用到「Detailer (SEGS)」局部細化節點來替代「K 采樣器」，然后用「MASK to SEGS」遮罩到 Seg 來將需要重繪的部分給到「Detailer (SEGS)」的“Seg”，如下圖所示。需要注意的是在「Detailer (SEGS)」節點中，也需要將“cfg”數值調為 1，并且將“denoise”數值下調。

局部重繪節點

最后在「CLIP 文本編碼」中輸入想要替換的內容，如下圖，我想將女孩的頭發變成紅色，就要輸入“red hair”。如下圖，這里我把“denoise”降噪設置為了 0.95。如果設置為 1 的話，相當于 100%參考提示詞，最終出圖的頭發會完全變成另外一個樣子，如下圖 2。

局部重新繪制 denoise=0.95

denoise=1

六、Flux 高清放大修復工作流搭建

最后給大家分享的是 Flux 的高清放大修復，該工作流跟 SD 的高清放大差不多，都是用到「Ultimate SD Upscale」節點，在文生圖中，只需要把該節點連接到「K 采樣器」后面就可以了，連接方式也比較簡單，該節點中雖然參數很多，但是需要了解的只有“upscale_by”、“cfg”、“scheduler”和“denoise”四個參數，它們的作用分別是：

upscale_b：放大倍數

cfg：跟采樣器中一樣，設置為 1

scheduler：跟采樣器中一樣，設置為 simple

denoise：重繪幅度，默認 0.2

下圖是放大前后的對比，可以看出，發絲、盔甲等細節都比放大前要清晰很多。

放大前后效果對比

整個工作流如下：

文生圖高清修復放大工作流

在圖生圖中，我們也可以使用「Ultimate SD Upscale」節點將圖片進行高清放大修復，搭建的流程差不多，但是不需要「K 采樣器」了，直接連接到「Ultimate SD Upscale」節點就行。然后在「CLIP 文本編碼器」中輸入一些關于質量的詞匯，如：high quality, detailed, highly detailed, hd, 8k , 4k, sharp

整個工作流如下圖：

圖生圖高清修復放大工作流

總結

ok，今天的分享到這里就結束啦，本篇文章主要幫助大家從 0-1 熟悉 Flux 模型和之前模型的差異點，并分享了 flux 模型基本工作流的搭建方法，包括文生圖、圖生圖、局部重繪、高清放大。不難發現，工作流中很多節點和之前的 SDXL、SD1.5 沒有太大改變，只是在模型加載和提示詞調整這兩部分有些許的變動，所以大家不用擔心 Flux 的上手難度會很大。了解了原理之后，我覺得反而比之前的工作流更精簡、也更容易理解了。

下一篇文章，我會和大家分享 Flux 的進階工作流，包括換背景、萬物遷移、風格遷移、修復手型等工作流，期待一下吧。

謝謝！

喜歡我的可以關注下哦，堅持輸出 AIGC 普惠知識，讓設計師 AI 不迷路。