Nunchaku FLUX.1-dev使用手册：ComfyUI中启动、加载工作流与生成图片

Nunchaku FLUX.1-dev使用手册：ComfyUI中启动、加载工作流与生成图片

1. 环境准备与安装部署

1.1 硬件与软件要求

在开始使用Nunchaku FLUX.1-dev模型前，请确保您的系统满足以下基础要求：

• 硬件配置：

  • 显卡：支持CUDA的NVIDIA显卡（推荐24GB及以上显存）
  • 显存不足时可选择FP8量化版模型降低要求

• 软件环境：

  • Python 3.10或更高版本
  • Git环境
  • PyTorch对应版本（需匹配系统和显卡）
  • 安装huggingface_hub工具：pip install --upgrade huggingface_hub

1.2 ComfyUI-nunchaku插件安装

提供两种安装方式，可根据需求选择：

1.2.1 Comfy-CLI快速安装（推荐新手）

# 安装ComfyUI CLI工具 pip install comfy-cli # 安装ComfyUI（已安装可跳过） comfy install # 安装Nunchaku插件 comfy noderegistry-install ComfyUI-nunchaku mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

1.2.2 手动安装（适合自定义需求）

# 1. 安装ComfyUI git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt # 2. 克隆Nunchaku插件 cd custom_nodes git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

1.3 Nunchaku后端安装

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

# 在ComfyUI根目录执行 python custom_nodes/nunchaku_nodes/install_wheel.json

2. 模型下载与配置

2.1 基础FLUX模型下载

必须下载的基础模型组件包括文本编码器和VAE模型：

# 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 # VAE模型（存放至models/vae） hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

2.2 FLUX.1-dev主模型下载

根据显卡类型选择适合的量化版本：

# INT4版本（适合大多数NVIDIA显卡） hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/ # FP4版本（仅限Blackwell架构显卡如RTX 50系列） hf download nunchaku-tech/nunchaku-flux.1-dev svdq-fp4_r32-flux.1-dev.safetensors --local-dir models/unet/

2.3 可选LoRA模型

为提升生成效果，可下载以下优化模型：

# FLUX.1-Turbo-Alpha LoRA hf download nunchaku-tech/flux.1-turbo-alpha diffusion_pytorch_model.safetensors --local-dir models/loras/ # Ghibsky Illustration风格LoRA hf download nunchaku-tech/ghibsky-illustration lora_v2.safetensors --local-dir models/loras/

2.4 工作流配置

将示例工作流复制到ComfyUI指定目录：

# 进入ComfyUI根目录 cd ComfyUI # 创建工作流目录 mkdir -p user/default/example_workflows # 复制Nunchaku示例工作流 cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

3. 启动与使用流程

3.1 启动ComfyUI服务

在ComfyUI根目录执行启动命令：

python main.py

启动后，在浏览器中访问http://localhost:8188进入ComfyUI网页界面。

3.2 加载工作流

在ComfyUI界面中加载Nunchaku FLUX.1-dev专用工作流：

1. 点击右上角"Load"按钮
2. 选择user/default/example_workflows/nunchaku-flux.1-dev.json文件
3. 工作流将自动加载所有必要节点

3.3 参数设置与图片生成

3.3.1 基本参数配置

1. 提示词输入：

   • 在"Prompt"节点输入英文描述（模型对英文支持更佳）
   • 示例：A futuristic cityscape at night, neon lights, cyberpunk style, 8K resolution

2. 分辨率设置：

   • 根据显存容量调整Width和Height参数
   • 推荐初始值：1024x1024（显存充足时）

3. 推理步数：

   • 使用FLUX.1-Turbo-Alpha LoRA时：10-15步
   • 关闭该LoRA时：至少20步

3.3.2 高级参数调整

1. 采样器选择：

   • 推荐使用DPM++ 2M Karras或Euler a
   • 可尝试不同采样器获得风格变化

2. LoRA权重控制：

   • 调整LoRA节点的"strength"参数（0-1之间）
   • 多个LoRA可组合使用，注意权重平衡

3. CFG Scale：

   • 控制提示词遵循程度，推荐3.5-7.0
   • 值越高越贴近提示词，但可能降低多样性

3.4 生成与结果查看

1. 点击"Queue Prompt"按钮开始生成
2. 生成过程中可在右侧预览区观察进度
3. 完成后右键图片选择"Save Image"保存结果

4. 常见问题与优化建议

4.1 显存优化方案

针对不同显存容量的优化策略：

4.2 模型目录结构验证

确保所有模型文件存放在正确目录：

ComfyUI/ ├── models/ │ ├── unet/ # FLUX.1-dev主模型 │ ├── loras/ # LoRA模型 │ ├── text_encoders/ # 文本编码器 │ └── vae/ # VAE模型

4.3 性能优化技巧

1. 启用xFormers：

   pip install xformers

   在extra_model_paths.yaml中添加：

   use_xformers: true

2. 使用TCMalloc：

   sudo apt install libtcmalloc-minimal4 export LD_PRELOAD="/usr/lib/x86_64-linux-gnu/libtcmalloc_minimal.so.4"

3. 批处理生成：

   • 修改工作流中的"Batch Size"参数
   • 注意会增加显存占用

4.4 故障排除指南

5. 总结与进阶建议

通过本教程，您已经掌握了在ComfyUI中使用Nunchaku FLUX.1-dev模型生成高质量图片的完整流程。以下是进一步提升使用体验的建议：

1. 模型微调：

   • 使用Dreambooth或LoRA训练个性化风格
   • 参考官方文档调整训练参数

2. 工作流定制：

   • 尝试组合不同功能节点
   • 保存常用工作流配置为模板

3. 效果优化：

   • 实验不同的提示词工程技巧
   • 混合使用多个LoRA模型

4. 性能监控：

   • 使用nvidia-smi观察显存占用
   • 记录不同配置下的生成时间

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。