Fibo 2 Edit Turbo Text zu Bild | Schneller 4-Schritt

Fibo 2 Edit Turbo Text zu Bild: 4-Schritt ComfyUI-Workflow#

Dieser Workflow verwandelt strukturierten Text in fertige Bilder mit den destillierten Gewichten von Bria’s Fibo 2.0 Edit Turbo, die in vier Schritten laufen. Es ist ein reiner Text-Graph, der dem von lvladikov aufgestellten Community-Setup folgt und VGL-Style JSON-Eingaben ohne ein Eingabebild verwendet.

Fibo 2 Edit Turbo Text zu Bild ist ideal für Art Directors, Prompt-Ingenieure und schnelle Ideenfindung. Es glänzt mit VGL JSON-Eingaben, die Subjekte, Hintergründe, Beleuchtung, Ästhetik und Medium beschreiben. Nutzen Sie es, um fotografische Porträts, atmosphärische Szenen, Lebensmittelbilder und Aquarellillustrationen zu erkunden und gleichzeitig die Iterationsgeschwindigkeit hoch zu halten. Für Bria’s offizielle Empfehlung zu Text-zu-Bild siehe Fibo 2.0 Dev; dieser Graph demonstriert absichtlich Edit Turbo in einem reinen T2I-Pfad.

Schlüsselmodelle im Comfyui Fibo 2 Edit Turbo Text zu Bild-Workflow#

• Bria AI Fibo 2.0 Edit Turbo (BF16). Das destillierte Bearbeitungsmodell wird hier in lvladikov’s Community-Text-zu-Bild-Konfiguration mit vier Probeschritten verwendet. Model card
• Qwen3-VL 4B (BF16) Text-Encoder für Fibo 2.0. Liefert hochkapazitive Texteingaben aus einfachem Text oder VGL JSON, sodass das Modell detaillierte Komposition, Beleuchtung und Stilintentionen erfasst. Gehostet mit den Fibo 2.0-Assets von Comfy-Org. Repository
• FLUX.2 VAE. Komprimiert und dekodiert die latente Darstellung, die von Fibo 2.0 verwendet wird, sodass Bilder in der gewählten Auflösung klar gerendert werden. Repository

Wie man den Comfyui Fibo 2 Edit Turbo Text zu Bild-Workflow verwendet#

Der Graph läuft von Anfang bis Ende von Text zu Bild in vier Stufen.

• Laden Sie die Fibo 2.0-Komponenten
  • UNETLoader (#1), CLIPLoader (#2) und VAELoader (#3) laden das Edit Turbo-Rückgrat, den Qwen3-VL-Text-Encoder und das FLUX.2 VAE. Dieser Schritt bereitet alle Gewichte vor, die benötigt werden, um Ihren Eingabebefehl zu tokenisieren, im latenten Raum zu entrauschen und zu Pixeln zu dekodieren. Halten Sie die konfigurierten Dateien: fibo2_edit_turbo_bf16.safetensors, qwen3vl_4b_bf16.safetensors und flux2-vae.safetensors.
• Verfassen Sie Ihren Eingabebefehl mit VGL JSON
  • TextEncodeFibo2 (#4) ist das Herzstück der Eingabebefehlsoberfläche. Es akzeptiert entweder eine strukturierte VGL JSON-Beschriftung oder einen einfachen Satz; strukturierte Eingabebefehle liefern typischerweise die zuverlässigste Komposition und Beleuchtung. Setzen Sie hier Ihre Zielauflösung; bleiben Sie bei Vielfachen von 16 und beginnen Sie mit etwa 1 Megapixel, z. B. 1024×1024, für das beste Verhältnis von Geschwindigkeit zu Qualität. Lassen Sie die Bild- und VAE-Eingaben auf TextEncodeFibo2 unverbunden für diesen reinen Text-Graph. Bei CFG 1 wird der negative Eingabebefehl nicht verwendet.
• Probieren Sie in vier Schritten für Geschwindigkeit
  • KSampler (#5) wendet den vierstufigen Zeitplan an, der für Fibo 2.0 Edit Turbo abgestimmt ist. Verwenden Sie 4 Schritte, CFG 1, den euler-Sampler, den simple-Scheduler und entrauschen Sie 1. Fixieren Sie den Seed, wenn Sie Eingabebefehle vergleichen, oder ändern Sie ihn, um alternative Ergebnisse zu erkunden.
• Dekodieren und speichern
  • VAEDecode (#6) konvertiert die endgültigen Latenten in ein Bild. SaveImage (#7) schreibt Dateien mit einem einfachen Präfix, sodass Chargen organisiert bleiben. Was Sie sehen, ist genau das, was das VAE aus den entrauschten Latenten dekodiert, sodass Änderungen früher im Graph hier treu widergespiegelt werden.

Schlüssel-Knoten im Comfyui Fibo 2 Edit Turbo Text zu Bild-Workflow#

TextEncodeFibo2 (#4)#

Kodiert Ihren einfachen Text oder VGL JSON in Konditionierung für das Modell und bereitet auch die latente Leinwand vor. Passen Sie prompt an, um strukturierte Felder wie Subjekt, Hintergrund, Beleuchtung, Ästhetik und Medium zu verwenden; setzen Sie width und height auf die gewünschte Auflösung; lassen Sie negative_prompt leer, da CFG 1 den negativen Konditionierungspass überspringt. Beginnen Sie mit batch_size 1 für vorhersehbare Speichernutzung, dann erhöhen Sie, wenn Sie mit dem Aussehen zufrieden sind.

KSampler (#5)#

Führt den Fibo 2.0 Edit Turbo-Entrauschungsprozess aus. Halten Sie steps bei 4, um innerhalb des destillierten Regimes des Modells zu bleiben, dann variieren Sie seed, um Alternativen zu erkunden. Halten Sie cfg bei 1, Sampler euler, Scheduler simple und entrauschen Sie 1, passend zur verifizierten Vier-Schritt-Einrichtung. Der negative Eingabebefehl hat bei CFG 1 keine Wirkung. Ändern Sie die Bildgröße in TextEncodeFibo2 und halten Sie den Seed fixiert, wenn Sie Eingabebefehle vergleichen.

UNETLoader (#1)#

Lädt fibo2_edit_turbo_bf16.safetensors, das genaue Diffusionsmodell, das in diesem Workflow verwendet wird. Halten Sie die konfigurierte BF16-Datei, um die bereitgestellten Beispiele zu reproduzieren; quantisierte Varianten sind separate Konfigurationen und wurden für diesen Workflow nicht validiert.

VAEDecode (#6)#

Verwendet flux2-vae.safetensors, um die endgültigen Latenten in RGB zu dekodieren. Halten Sie das konfigurierte VAE an VAEDecode angeschlossen; es ist in diesem reinen Text-Graph nicht mit dem Text-Encoder verbunden.

Optionale Extras#

• Das Eingeben mit VGL JSON funktioniert am besten, wenn Sie kompakte Felder einschließen: short_description, objects, background_setting, lighting, aesthetics, photographic_characteristics, style_medium. Beschreiben Sie die sichtbare Szene explizit, einschließlich des Subjekts, der Komposition, der Beleuchtung und des Mediums.
• Gute Ausgangsthemen für diesen Workflow sind redaktionelle Porträts, stimmungsvolle Landschaften, Nahaufnahmen von Speisen und weiche Aquarellillustrationen. Jedes passt gut zu VGL JSON und dem vierstufigen Edit Turbo-Zeitplan.
• Respektieren Sie die Modellkarten und Lizenzen in den referenzierten Repositories. Für offizielles Text-zu-Bild von Bria, erkunden Sie Fibo 2.0 Dev neben diesem Community Fibo 2 Edit Turbo Text zu Bild-Graph.
• Referenzen: Quellgraph von lvladikov FIBO2-Edit-Turbo-T2I, Bria’s Edit Turbo-Modell Fibo-2.0-edit-turbo, Comfy-Org Aggregation der Fibo 2.0-Assets Comfy-Org/Fibo-2.0.

Danksagungen#

Dieser Workflow implementiert und baut auf den folgenden Arbeiten und Ressourcen auf. Wir danken lvladikov für FIBO2-Edit-Turbo-T2I, briaai für Fibo-2.0-edit-turbo und Comfy-Org für Fibo-2.0 für ihre Beiträge und Wartung. Für autoritative Details verweisen wir auf die originale Dokumentation und die unten verlinkten Repositories.

Ressourcen#

• lvladikov/FIBO2-Edit-Turbo-T2I
  • Hugging Face: lvladikov/FIBO2-Edit-Turbo-T2I
• briaai/Fibo-2.0-edit-turbo
  • Hugging Face: briaai/Fibo-2.0-edit-turbo
• Comfy-Org/Fibo-2.0
  • Hugging Face: Comfy-Org/Fibo-2.0

Hinweis: Die Nutzung der referenzierten Modelle, Datensätze und Codes unterliegt den jeweiligen Lizenzen und Bedingungen der jeweiligen Autoren und Verwalter.