Nunchaku FLUX.1-dev在ComfyUI中的两种安装方法详解（CLI与手动）

Nunchaku FLUX.1-dev在ComfyUI中的两种安装方法详解（CLI与手动）

1. 环境准备与前置条件

在开始安装Nunchaku FLUX.1-dev模型前，需要确保系统满足以下基础要求：

• 硬件要求：

  • NVIDIA显卡（推荐24GB及以上显存）
  • 显存不足时可选择FP8量化版本
  • 确保显卡驱动版本支持CUDA

• 软件依赖：

  • Python 3.10或更高版本
  • Git工具（用于代码仓库克隆）
  • 与系统和显卡匹配的PyTorch版本（如torch 2.7/2.8/2.9）

• 必备工具：

  • 安装huggingface_hub用于模型下载：

    pip install --upgrade huggingface_hub

2. Nunchaku ComfyUI插件安装方法

2.1 方法A：使用Comfy-CLI快速安装

这是最简单的安装方式，适合希望快速上手的用户：

1. 安装ComfyUI CLI工具：

   pip install comfy-cli

2. 安装ComfyUI基础环境（如已安装可跳过）：

   comfy install

3. 安装Nunchaku插件：

   comfy noderegistry-install ComfyUI-nunchaku mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

2.2 方法B：手动安装（自定义选项）

这种方法适合需要更多控制权的用户：

1. 克隆ComfyUI官方仓库：

   git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt

2. 安装Nunchaku插件到custom_nodes目录：

   cd custom_nodes git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

3. 安装Nunchaku后端依赖：

   • 从v0.3.2版本开始，可通过install_wheel.json一键安装/更新后端wheel包

3. 模型文件下载与配置

3.1 基础FLUX模型下载

这些是FLUX.1-dev运行必需的组件：

1. 文本编码器模型（存放至models/text_encoders）：

   hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders

2. VAE模型（存放至models/vae）：

   hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

3.2 Nunchaku FLUX.1-dev核心模型下载

根据显卡类型选择适合的量化版本：

• Blackwell显卡（如RTX 50系列）：使用FP4模型
• 其他NVIDIA显卡：使用INT4模型
• 显存不足：选择FP8量化版本

下载命令示例（INT4版本）：

hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

3.3 可选LoRA模型

用于优化生成效果的附加模型，存放至models/loras目录：

# 示例LoRA模型 hf download nunchaku-tech/flux-loras FLUX.1-Turbo-Alpha.safetensors --local-dir models/loras hf download nunchaku-tech/flux-loras Ghibsky-Illustration.safetensors --local-dir models/loras

4. 工作流配置与启动

4.1 配置Nunchaku工作流

将示例工作流复制到ComfyUI指定目录：

cd ComfyUI mkdir -p user/default/example_workflows cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

4.2 启动ComfyUI

在ComfyUI根目录执行启动命令：

python main.py

启动后，在浏览器中访问本地地址（通常是http://127.0.0.1:8188）进入ComfyUI界面。

4.3 使用Nunchaku FLUX.1-dev工作流

1. 在ComfyUI界面加载nunchaku-flux.1-dev.json工作流文件
2. 主要参数设置：
   • 提示词：输入英文描述（FLUX模型对英文支持更好）
   • 分辨率：根据显存调整（1024x1024或更低）
   • 推理步数：使用Turbo LoRA时10-15步，关闭后至少20步
   • LoRA权重：调整不同LoRA的影响程度

示例提示词：

A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K

5. 关键注意事项与问题排查

1. 模型存放位置：

   • 主模型：models/unet/
   • LoRA：models/loras
   • 文本编码器：models/text_encoders
   • VAE：models/vae

2. 显存优化建议：

   • FP16版：约33GB显存
   • FP8版：约17GB显存
   • INT4/FP4版：显存需求更低

3. 常见问题解决：

   • 如加载工作流时提示节点缺失，通过ComfyUI-Manager安装缺少的自定义节点
   • 生成质量不佳时，检查推理步数是否足够（关闭Turbo LoRA后至少20步）
   • 显存不足可尝试降低分辨率或使用量化版模型

4. 显卡兼容性：

   • Blackwell架构显卡仅支持FP4模型
   • 较老架构显卡（如P40、V100）可能不完全兼容

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。