Inferenza Z-Image De-Turbo LoRA: generazione a passi minimi, allineata all'addestramento in ComfyUI
L'inferenza Z-Image De-Turbo LoRA è un flusso di lavoro RunComfy per eseguire adattatori LoRA addestrati con AI Toolkit su Z-Image De-Turbo in ComfyUI con comportamento allineato all'addestramento. Utilizza RC Z-Image De-Turbo (RCZimageDeturbo)—un nodo personalizzato open-source di RunComfy che allinea l'inferenza a livello di pipeline (non un grafo di campionamento generico) mentre applica il tuo adattatore tramite lora_path e lora_scale (source).
La maggior parte dei problemi di "anteprima di addestramento vs inferenza ComfyUI" sono disallineamenti di pipeline. RCZimageDeturbo affronta questo instradando Z-Image De-Turbo attraverso una pipeline di inferenza allineata all'anteprima e applicando il tuo singolo LoRA al suo interno—quindi quando hai bisogno di una base allineata all'addestramento, inizia con questo flusso di lavoro e rispecchia i tuoi valori di campionamento di anteprima. Implementazione di riferimento: `src/pipelines/flex1_alpha.py`.
Cosa fa il nodo personalizzato RCZimageDeturbo
RCZimageDeturbo carica il trasformatore De-Turbo da ostris/Z-Image-De-Turbo, lo abbina al tokenizer/encoder di testo/VAE da Tongyi-MAI/Z-Image-Turbo, e assembla esplicitamente la pipeline per evitare problemi di scambio meta-tensor—poi applica il tuo adattatore tramite lora_path / lora_scale. Riferimento: `src/pipelines/flex1_alpha.py`
Come utilizzare il flusso di lavoro di inferenza Z-Image De-Turbo LoRA
Passo 1: Importa il tuo LoRA (2 opzioni)
- Opzione A (risultato dell'addestramento RunComfy): RunComfy → Trainer → LoRA Assets → trova il tuo LoRA → ⋮ → Copia il link del LoRA
- Opzione B (LoRA AI Toolkit addestrato al di fuori di RunComfy): Copia un link di download diretto
.safetensorsper il tuo LoRA e incolla quell'URL inlora_path(non è necessario scaricarlo inComfyUI/models/loras).
Passo 2: Configura il nodo personalizzato RCZimageDeturbo per l'inferenza Z-Image De-Turbo LoRA
Configura il resto delle impostazioni per l'inferenza Z-Image De-Turbo LoRA (tutte nell'interfaccia utente del nodo):
prompt: il tuo prompt di testo (includi i token di attivazione che hai usato durante l'addestramento, se presenti)negative_prompt: opzionale; lascialo vuoto se il tuo campionamento di anteprima non ha usato negativiwidth/height: risoluzione di output (per confronti puliti, abbina la tua dimensione di anteprima; multipli di 32 sono raccomandati)sample_steps: passi di inferenza (De-Turbo di solito necessita di più passi rispetto ai grafici in stile "Turbo"; inizia con lo stesso numero di passi che hai utilizzato durante l'addestramento)guidance_scale: forza di guida/CFG (abbina prima il tuo valore di anteprima, poi regola in piccoli incrementi)seed: imposta un seed fisso per riprodurre; cambialo per esplorare variazionilora_scale: forza del LoRA (inizia vicino alla tua forza di anteprima, poi regola)
Suggerimento per l'allineamento dell'addestramento: rispecchia i valori di campionamento dall'AI Toolkit training YAML che hai utilizzato per le anteprime—specialmente width, height, sample_steps, guidance_scale, seed. Se hai addestrato su RunComfy, apri Trainer → LoRA Assets → Config e copia le impostazioni di anteprima nel nodo.
Passo 3: Esegui l'inferenza Z-Image De-Turbo LoRA
- Clicca Queue/Run → SaveImage scrive automaticamente i risultati nella tua cartella di output di ComfyUI
Risoluzione dei problemi di inferenza Z-Image De-Turbo LoRA
La maggior parte dei problemi che le persone incontrano dopo aver addestrato un Z-Image De‑Turbo LoRA in AI Toolkit derivano da disallineamenti di pipeline—il campionatore di anteprima di AI Toolkit non è lo stesso di un grafo di campionamento generico di ComfyUI.
Il nodo personalizzato RC Z-Image De‑Turbo (RCZimageDeturbo) di RunComfy è costruito per mantenere l'inferenza allineata alla pipeline con il campionamento di anteprima in stile AI Toolkit (wrapper specifico per modello + iniezione coerente di LoRA). Quando si risolvono i problemi, testa il tuo LoRA tramite RCZimageDeturbo prima, poi regola i parametri.
（1）Perché l'anteprima del campione in aitoolkit sembra ottima, ma le stesse parole del prompt sembrano molto peggiori in ComfyUI? Come posso riprodurre questo in ComfyUI?
Perché succede
Anche se copi lo stesso prompt / passi / guida / seed, l'output può deviare quando ComfyUI esegue una pipeline diversa rispetto alla pipeline di anteprima di AI Toolkit (diversi predefiniti, comportamento di condizionamento e percorso di iniezione LoRA).
Come risolvere (approccio allineato all'addestramento)
- Esegui l'inferenza tramite RCZimageDeturbo in modo che il modello esegua una pipeline di inferenza specifica per Z‑Image De‑Turbo e applichi il tuo LoRA tramite
lora_path/lora_scaleall'interno di quella pipeline. - Rispecchia i valori di campionamento di anteprima che hai utilizzato durante il campionamento AI Toolkit quando confronti:
width,height,sample_steps,guidance_scale,seed. - Mantieni lo stesso formato del prompt e i token di attivazione con cui hai addestrato.
（2）Quando si utilizza Z-Image LoRA con ComfyUI, appare il messaggio "lora key not loaded".
Perché succede
Questo di solito significa che il LoRA viene iniettato attraverso un percorso che non corrisponde ai moduli Z‑Image (De‑Turbo) contro cui hai addestrato—più comunemente perché:
- la variante del modello di base non corrisponde a ciò che il LoRA si aspetta, o
- il formato/mappatura delle chiavi del LoRA non corrisponde al caricatore/pipeline che stai usando.
Come risolvere (opzioni affidabili)
- Usa l'iniezione LoRA a livello di pipeline: carica l'adattatore solo tramite
lora_pathsu RCZimageDeturbo (evita di sovrapporre un percorso di caricamento LoRA extra sopra di esso). - Preferisci asset in formato Diffusers per l'inferenza in pipeline: se stai mescolando formati, prova prima la versione Diffusers per l'uso in addestramento/pipeline.
- Se i formati non corrispondono, converti i pesi del LoRA: usa un percorso di conversione noto per i pesi Z‑Image LoRA in modo che corrispondano al formato previsto dal tuo stack di inferenza (Diffusers/pipeline vs caricatore nativo di Comfy).
（3）Impossibile caricare la configurazione per ‘"XXXXX"
Perché succede
Questo è comunemente causato da download di modelli incompleti (spesso vedrai blob .incomplete nella cache di Hugging Face) o un filesystem/runtime che impedisce una corretta memorizzazione nella cache, il che fa fallire il caricamento del trasformatore/configurazione.
Come risolvere (download verificato dall'utente + costruzione cartella) Un approccio funzionante riportato dagli utenti è scaricare una base Turbo pulita + il trasformatore De‑Turbo, quindi assemblare una cartella completa localmente:
- Scarica entrambi i repository con
huggingface-cli download ... --local-dir-use-symlinks False - Sostituisci
Z-Image-Turbo/transformercon la cartellaZ-Image-De-Turbo/transformer - Punta il tuo percorso del modello (o l'ambiente che carica la base) alla directory risultante completata
Dopo che la base è caricata correttamente, esegui l'inferenza tramite RCZimageDeturbo e abbina i valori di campionamento di anteprima per confrontare con le anteprime AI Toolkit.
Esegui ora l'inferenza Z-Image De-Turbo LoRA
Apri il flusso di lavoro Z-Image De-Turbo LoRA Inference di RunComfy, imposta lora_path, ed esegui RCZimageDeturbo per mantenere i risultati di ComfyUI allineati con le anteprime di addestramento AI Toolkit.
