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.