Z-Image Turbo Lora Inferenz: Führen Sie AI Toolkit LoRA in ComfyUI für Training-Entsprechende Ergebnisse aus

Dieser Workflow führt Z-Image Turbo Lora Inferenz mit AI Toolkit–trainierten LoRAs über den RC Z‑Image Turbo (RCZimageTurbo) benutzerdefinierten Knoten aus. RunComfy hat diesen benutzerdefinierten Knoten für Z-Image Turbo Lora Inferenz entwickelt und als Open Source veröffentlicht—sehen Sie sich den Code in den runcomfy-com GitHub-Organisations-Repositories an.

Wenn Sie eine LoRA im AI Toolkit (RunComfy Trainer oder anderswo) trainiert haben und Ihre Z-Image Turbo Lora Inferenz-Ergebnisse in ComfyUI im Vergleich zu den Training-Previews „falsch“ aussehen, ist dieser Workflow der schnellste Weg, um zum training-entsprechenden Verhalten zurückzukehren.

Warum Z-Image Turbo Lora Inferenz oft in ComfyUI anders aussieht

Das eigentliche Ziel ist die Ausrichtung auf die AI Toolkit-Trainingspipeline für Z-Image Turbo Lora Inferenz. Die meisten Z-Image Turbo Lora Inferenz-Unstimmigkeiten werden nicht durch einen falschen Regler verursacht—sie treten auf, weil sich die Inferenz-Pipeline ändert.

AI Toolkit-Training-Previews werden durch eine modellspezifische Z-Image Turbo Lora Inferenz-Implementierung generiert. In ComfyUI rekonstruieren Menschen oft Z-Image Turbo mit generischen Graphen (oder einer anderen LoRA-Injektionsmethode) und versuchen dann, die Training-Previews durch Kopieren von Schritten/CFG/Samen „anzupassen“. Aber selbst mit den gleichen Zahlen kann sich eine andere Pipeline ändern.

Was der RCZimageTurbo benutzerdefinierte Knoten tut

Der RC Z‑Image Turbo (RCZimageTurbo)-Knoten umschließt eine Z‑Image‑Turbo‑spezifische Inferenzpipeline (siehe die Referenzimplementierung in `src/pipelines/zimage_turbo.py`, sodass Z-Image Turbo Lora Inferenz mit der AI Toolkit-Trainingsvorschau-Pipeline übereinstimmt.

So verwenden Sie den Z-Image Turbo Lora Inferenz-Workflow

Schritt 1: Öffnen Sie den Workflow

Öffnen Sie den RunComfy Z-Image Turbo Lora Inferenz-Workflow.

Schritt 2: Importieren Sie Ihre LoRA (2 Optionen)

• Option A (RunComfy-Trainingsergebnis):

RunComfy → Trainer → LoRA Assets → finden Sie Ihre LoRA → ⋮ → LoRA-Link kopieren**

• Option B (AI Toolkit LoRA außerhalb von RunComfy trainiert):

Kopieren Sie einen direkten .safetensors-Download-Link für Ihre LoRA und fügen Sie diese URL in lora_path ein (kein Herunterladen in ComfyUI/models/loras erforderlich).

Schritt 3: Konfigurieren Sie den RCZimageTurbo benutzerdefinierten Knoten für Z-Image Turbo Lora Inferenz

1. Wählen Sie im Z-Image Turbo Lora Inferenz-Workflow RC Z‑Image Turbo (RCZimageTurbo) aus und fügen Sie Ihre LoRA in lora_path ein

1. Konfigurieren Sie die restlichen Parameter für Z-Image Turbo Lora Inferenz (diese befinden sich alle in der Knoten-UI):
   • prompt: Ihr Haupttext-Prompt (einschließlich Triggerwörter, falls Sie diese im Training verwendet haben)
   • width / height: Ausgabeauflösung
   • sample_steps: Inferenzschritte (Turbo ist typischerweise mit niedrigen Schritten)
   • guidance_scale: Führung / CFG
   • seed: fester Samen zum Reproduzieren, zufälliger Samen zum Erkunden
   • seed_mode: wählen Sie randomize (oder gleichwertig) zum Erkunden oder behalten Sie einen festen Samen zum Reproduzieren
   • lora_scale: LoRA-Intensität/Stärke
   • negative_prompt (optional): nur wenn Sie während des Samplings/Trainings einen verwendet haben
   • hf_token (optional): nur erforderlich, wenn von einem privaten Hugging Face-Asset geladen wird

Wenn Sie das Sampling während des Trainings angepasst haben, öffnen Sie das Trainings-YAML, das Sie im AI Toolkit verwendet haben, und spiegeln Sie die gleichen Werte hier wider (insbesondere width, height, sample_steps, guidance_scale, seed). Wenn Sie auf RunComfy trainiert haben, können Sie auch die LoRA Config in Trainer → LoRA Assets öffnen und die während der Training-Previews verwendeten Werte kopieren:

Schritt 4: Führen Sie die Z-Image Turbo Lora Inferenz aus

• Klicken Sie auf Queue/Run → Ausgabe wird automatisch über SaveImage gespeichert

Fehlerbehebung bei der Z-Image Turbo LoRA Inferenz

Die meisten „Training-Preview vs. ComfyUI Inferenz“-Probleme werden durch Pipeline-Unstimmigkeiten verursacht, nicht durch einen einzigen falschen Parameter. Der schnellste Weg, um training-entsprechende Ergebnisse zu erzielen, besteht darin, die Inferenz über RunComfys RCZimageTurbo benutzerdefinierten Knoten auszuführen, der LoRA-Injektion, Vorverarbeitung und Sampling auf der Pipeline-Ebene mit AI Toolkit-Trainingsvorschauen ausrichtet.

1. Warum sieht die Beispielvorschau im AI Toolkit großartig aus, aber dieselben Prompt-Wörter sehen in ComfyUI viel schlechter aus? Wie kann ich dies in ComfyUI reproduzieren?

Warum dies passiert

Selbst mit identischem Prompt, Schritten, CFG und Samen ändert die Verwendung einer anderen Inferenzpipeline (generischer Sampler-Graph vs. Trainingsvorschau-Pipeline):

• wo/wie die LoRA angewendet wird
• Handhabung von Prompt & negativem Prompt
• Vorverarbeitungsstandards
• Verhalten beim Neuladen und Caching

Wie man es behebt (empfohlen)

• Führen Sie die Inferenz mit RCZimageTurbo aus, sodass die Pipeline mit AI Toolkit-Trainingsvorschauen übereinstimmt.
• Spiegeln Sie die Trainingsvorschau-Werte genau: width, height, sample_steps, guidance_scale, seed.
• Einschließen der gleichen Triggerwörter, die während des Trainings verwendet wurden, und halten Sie lora_scale konsistent.

2. Wenn Sie Z-Image LoRA mit ComfyUI verwenden, erscheint die Nachricht "lora key not loaded"

Warum dies passiert

Die LoRA wird durch einen Loader oder Graphen injiziert, der nicht mit den Zielmodulen übereinstimmt, die von Z-Image Turbo erwartet werden, sodass einige Schlüssel nicht angewendet werden oder ignoriert werden.

Wie man es behebt (am zuverlässigsten)

• Verwenden Sie RCZimageTurbo und laden Sie die LoRA über lora_path innerhalb des Knotens. Dies führt eine modellspezifische, pipeline-Level-LoRA-Injektion durch, die die meisten Schlüssel-Unstimmigkeitsprobleme vermeidet.
• Überprüfen:
  • lora_scale > 0
  • die Datei ist eine .safetensors LoRA, kein Basis-Checkpoint
  • die Datei ist vollständig heruntergeladen (nicht abgeschnitten)

3. Aktivieren der ai-toolkit z-image-turbo loras

Warum dies passiert

Einige Standard-ComfyUI Z-Image Turbo Workflows sind nicht vollständig kompatibel mit ai-toolkit-trainierten Z-Image Turbo LoRAs.

Wie man es behebt

• Verwenden Sie RCZimageTurbo für die Inferenz, sodass die Inferenzpipeline mit der AI Toolkit-Trainingsvorschau-Pipeline übereinstimmt.
• Behandeln Sie RCZimageTurbo als die Referenzimplementierung beim Vergleich von Ausgaben.

4. Z-Image Turbo LoKR: "lora key not loaded" und Gewichte ignoriert (LoRA funktioniert)

Warum dies passiert LoKR-Adapter verhalten sich anders als Standard-LoRA, und einige Inferenzpfade in ComfyUI können LoKR-Gewichte stillschweigend ignorieren.

Empfohlener Ansatz

• Für training-entsprechende Inferenz bevorzugen Sie LoRA und führen Sie es durch RCZimageTurbo aus.
• Wenn Sie speziell LoKR trainiert haben, verwenden Sie eine Inferenzpipeline, die LoKR explizit unterstützt, oder exportieren/trainieren Sie eine LoRA-Variante für konsistente Ergebnisse.

5. Die safetensors-Datei ist unvollständig

Warum dies passiert

Die .safetensors-Datei ist teilweise heruntergeladen oder beschädigt (oft aufgrund von Weiterleitungen oder unterbrochenen Downloads).

Wie man es behebt

• Laden Sie mit einem direkten .safetensors-Datei-URL erneut herunter (vermeiden Sie Seitenlinks).
• Wenn Sie über Workflow-Assets herunterladen, warten Sie, bis der Download vollständig abgeschlossen ist, bevor Sie die Inferenz ausführen.
• Wenn Sie unsicher sind, vergleichen Sie die Dateigröße mit der erwarteten Größe.

6. Fehler: Modelltyp konnte beim Laden des Checkpoints nicht erkannt werden

Warum dies passiert

Eine LoRA- oder Adapterdatei wird mit dem falschen Loader geladen (z.B. als Basismodell-Checkpoint behandelt).

Wie man es behebt

• Laden Sie LoRAs nicht als Checkpoints.
• Geben Sie die LoRA immer über lora_path in RCZimageTurbo weiter, das für korrektes Laden und Injektion auf Pipeline-Ebene sorgt.
• Überprüfen Sie, dass Basismodelle, LoRAs und Adapter jeweils an den richtigen Stellen geladen werden.

Führen Sie jetzt die Z-Image Turbo Lora Inferenz aus

Öffnen Sie den RunComfy Z-Image Turbo Lora Inferenz-Workflow, fügen Sie Ihre LoRA in lora_path ein und führen Sie RCZimageTurbo für training-entsprechende Inferenz in ComfyUI aus.