Boogu Turbo text-to-image ComfyUI 워크플로우#
이 Boogu Turbo text-to-image ComfyUI 워크플로우는 Boogu-Image-0.1-Turbo 체크포인트와 4단계 LCM 샘플링을 사용하여 프롬프트에서 이미지로의 깨끗하고 빠른 경로를 제공합니다. Qwen3-VL 텍스트 인코더와 FLUX.1 VAE를 짝지어 빠르게 반복할 수 있으면서도 그래프를 최소화하고 프로젝트 전반에 걸쳐 쉽게 재사용할 수 있습니다.
빠른 시각적 탐색을 위해 설계된 이 워크플로우는 영화적 환경, 애니메이션 스타일의 배경, 분위기 있는 풍경, 창의적인 제품 기계 및 건축 장면에서 뛰어납니다. RunComfy-ready하고 검사하기 쉬운 경량의 Boogu Turbo text-to-image ComfyUI 워크플로우가 필요하다면 이 템플릿은 강력한 출발점입니다.
Comfyui Boogu Turbo text-to-image ComfyUI 워크플로우의 주요 모델#
- Boogu-Image-0.1-Turbo. 디스틸드 Turbo 변형은 빠르고 포토리얼리스틱한 text-to-image를 위한 것으로, 일반적으로 3–4단계 추론 및 가이드 스케일 약 1.0에 맞춰 제작되었습니다. 공식 모델 가중치와 지침은 Hugging Face에서 제공되며, Comfy-Org에 의해 ComfyUI-ready로 재포장된 파일이 제공됩니다. Boogu/Boogu-Image-0.1-Turbo-fp8 및 Comfy-Org/Boogu-Image에서 큐레이트된 ComfyUI 팩을 참조하세요.
- Qwen3-VL 8B 텍스트 인코더. 이 현대적인 비전-언어 백본은 여기서 순수하게 텍스트 인코더로 사용되어 확산 모델을 위한 강력한 프롬프트 임베딩을 생성합니다. ComfyUI-패키지 인코더는 Comfy-Org/Qwen3-VL에서 호스팅되며 공식 저장소는 QwenLM/Qwen3-VL입니다.
- FLUX.1 VAE. Black Forest Labs에서 제공한 자동 인코더는 이미지 간의 픽셀 및 잠재 공간을 인코딩하고 디코딩하여 색상 및 대비 충실도를 유지하는 데 도움을 줍니다. 참고 가중치 및 문서는 black-forest-labs/FLUX.1-dev에서 확인할 수 있습니다.
Comfyui Boogu Turbo text-to-image ComfyUI 워크플로우 사용 방법#
워크플로우는 한눈에 프롬프트를 인코딩하고 잠재 캔버스를 초기화하며 Boogu-Image-0.1-Turbo를 통해 빠른 LCM 샘플러를 실행하고 FLUX.1 VAE로 디코딩하여 결과를 저장합니다. 그래프는 의도적으로 컴팩트하게 설계되어 다른 프로젝트에 추가하거나 LoRAs, ControlNets 또는 후처리 체인으로 확장할 수 있습니다.
Qwen3-VL로 프롬프트 인코딩 (CLIPLoader (#7) → CLIPTextEncode (#11))#
이 단계에서는 Qwen3-VL 인코더를 로드하고 텍스트 프롬프트를 조건 벡터로 변환합니다. CLIPTextEncode (#11)에 자연어로 프롬프트를 입력하십시오. 렌즈, 조명, 시간, 질감 등의 상세한 사진적 단서가 잘 작동합니다. Turbo의 저가이드 체제에서 결과를 안정적으로 유지하기 위해 ConditioningZeroOut (#9)를 통해 음수 입력을 의도적으로 0으로 설정합니다. 명시적 음수를 선호하는 경우 ConditioningZeroOut을 삭제하고 두 번째 CLIPTextEncode를 사용해 음수 프롬프트를 제공합니다. 좋은 프롬프트 위생은 나중에 높은 CFG나 추가 단계가 필요하지 않게 만듭니다.
잠재 설정 및 모델 로딩 (EmptyLatentImage (#8) + UNETLoader (#2))#
EmptyLatentImage (#8)는 잠재 캔버스를 생성합니다. 기본 960×1280 세로 비율은 인물, 실내 및 높은 제품 샷에 대한 균형 잡힌 시작점입니다. 사각형이나 와이드 크기를 설정할 수 있습니다. UNETLoader (#2)는 Comfy-Org 팩에서 Boogu Turbo 확산 가중치를 로드하여 선택한 인코더 및 VAE와 모델을 정렬합니다. VRAM과 처리량의 균형을 맞춰야 할 경우 BF16 및 FP8 변형을 간단히 교체할 수 있습니다. 프로젝트 전반에 걸쳐 모델 선택을 일관되게 유지하여 스타일 연속성을 유지하십시오.
빠른 LCM 샘플링 (KSampler (#32) with sampler lcm)#
KSampler는 잠재 일관성 모델을 위해 구성되어 약 4단계 내에서 고품질을 달성합니다. LCM 증류는 매우 낮은 가이드 값을 목표로 하므로 이 Boogu Turbo text-to-image ComfyUI 워크플로우는 CFG가 1.0에 가까우면서도 프롬프트 준수를 유지하며 안정적으로 실행됩니다. 미세한 디테일을 조금 더 원할 경우 단계 수를 약간 늘리고 A/B 비교를 위해 씨드를 고정하세요. 스타일이나 구성 변경을 위해 씨드를 재조정하고 단계 수를 너무 높이지 않고 프롬프트를 세밀하게 조정하세요. LCM 몇 단계 추론에 대한 배경 이론은 원본 논문 Latent Consistency Models에 설명되어 있습니다.
디코딩 및 저장 (VAELoader (#5) → VAEDecode (#3) → SaveImage (#58))#
VAELoader (#5)에서 로드된 FLUX.1 VAE는 VAEDecode (#3)에서 RGB로 잠재를 디코딩합니다. 일반적으로 VAE 패밀리를 확산 백본에 맞추면 더 충실한 색상과 텍스처를 얻을 수 있으며, 이는 이 그래프가 FLUX.1 VAE를 사용하는 이유입니다. SaveImage (#58)는 결과를 디스크에 저장하며, 프롬프트, 씨드 또는 가로세로 비율에 따라 실험을 정리할 수 있도록 출력 접두사를 변경합니다. 나중에 업스케일러나 후처리 효과를 연결할 경우, VAEDecode의 Image 출력에서 분기하여 깨끗한 기록을 유지하십시오.
Comfyui Boogu Turbo text-to-image ComfyUI 워크플로우의 주요 노드#
CLIPTextEncode (#11)#
이 노드는 주 텍스트 프롬프트를 포함하여 샘플러에서 사용되는 긍정적 조건을 생성합니다. 프롬프트를 간결하게 유지하고 카메라 초점 거리, 시간, 재료 형용사와 같은 장면 단서를 추가하세요. 음수 프롬프트를 사용하려면 두 번째 CLIPTextEncode를 만들고 이를 샘플러의 음수 입력에 연결하여 ConditioningZeroOut (#9)을 제거하세요.
ConditioningZeroOut (#9)#
이것은 샘플러의 음수 포트에 0 벡터를 공급하여 음수 조건을 비활성화합니다. Turbo의 저가이드 설정에 대한 기본 설정으로 남겨두는 것이 좋습니다. 음수 프롬프트가 필요하고 이를 명확하게 설명할 수 있는 경우에만 제거하세요.
EmptyLatentImage (#8)#
출력 크기 및 배치 크기를 제어합니다. 초상화는 960×1280에서 시작하고 더 넓은 환경은 1280×960에서 시작합니다. 주제와 메모리 예산에 따라 조정하세요. 더 큰 잠재는 세밀한 디테일을 위한 더 많은 캔버스를 제공하지만 VRAM 사용량과 디코드 시간을 증가시킵니다.
UNETLoader (#2)#
생성을 위한 Boogu-Image-0.1-Turbo 체크포인트를 선택합니다. 고성능 GPU에서 최고 품질을 위해 BF16 변형을 사용하거나 VRAM을 줄이고 로딩 속도를 높이기 위해 FP8 변형으로 전환하세요. 모델 파일 및 의도된 폴더는 Comfy-Org/Boogu-Image에 문서화되어 있습니다.
KSampler (#32)#
몇 단계의 추론을 위해 lcm 샘플러와 함께 확산 프로세스를 실행합니다. 주요 레버는 씨드, 단계 수 및 CFG입니다. Turbo는 매우 낮은 가이드 및 몇 단계로 품질을 유지하도록 설계되었으며, 이는 모델 카드의 공식 Turbo 설정에 반영되어 있습니다 Boogu/Boogu-Image-0.1-Turbo-fp8. 제어된 탐색을 위해 씨드를 고정하고 한 번에 하나씩 단계 또는 프롬프트 단어를 변경하세요.
VAELoader (#5) 및 VAEDecode (#3)#
디코딩을 위해 FLUX.1 VAE를 로드하고 적용합니다. FLUX.1 패밀리를 고수하면 UNet의 훈련 설정과 색상, 대비 및 텍스처 동작의 일관성을 유지할 수 있습니다. VAE를 혼합하는 것은 가능하지만 색조나 채도가 미묘하게 이동할 수 있으므로 새로운 외형을 선택하기 전에 테스트하십시오. 참고 가중치: black-forest-labs/FLUX.1-dev.
SaveImage (#58)#
출력 명명 및 목적지를 제어합니다. 프로젝트 이름, 가로세로 태그 또는 씨드와 같은 의미 있는 접두사를 사용하여 실행을 정리하세요. 파이프라인을 확장할 때, 기본 저장을 방해하지 않고 업스케일러, 색상 그레이딩, 캡셔너를 추가하려면 여기서 분기하세요.
선택적 추가사항#
- 가장 빠른 반복을 위해 CFG를 1.0 근처로 유지하고 단계는 약 4개로 설정하세요. 약간 더 많은 질감이나 안정성이 필요할 때만 6–8단계로 이동하세요.
- 구성을 탐색하기 위해 씨드를 재조정하세요. 스타일과 미세 디테일을 세밀하게 조정하기 위해 씨드를 고정하세요.
- 고성능 메모리 GPU에서 최고 품질을 위해 BF16 가중치를 선호하세요. 로딩 속도를 높이고 VRAM을 줄이기 위해 FP8로 전환하세요.
- 이미지 내 텍스트 가독성을 위해 약간 더 높은 해상도를 시도하고 프롬프트에 명시적 타이포그래피 단서를 포함하세요.
- 중간에 자주 즐겨찾기를 저장하세요. 이 Boogu Turbo text-to-image ComfyUI 워크플로우에서 작은 프롬프트 조정은 몇 초 만에 의미 있는 다른 장면을 생성할 수 있습니다.
감사의 말#
이 워크플로우는 다음 작업 및 리소스를 구현하고 이에 기반합니다. 우리는 워크플로우 참조를 위해 RunningHub에 감사드리며, Boogu-Image 저장소와 Boogu-Image-0.1-Turbo 모델을 위해 Boogu에 감사드리며, Boogu ComfyUI 가중치를 위해 Comfy-Org에 감사드리며, Boogu 튜토리얼을 위해 ComfyUI에 감사드립니다. 권위 있는 세부 사항은 아래에 링크된 원본 문서 및 저장소를 참조하세요.
리소스#
- RunningHub/워크플로우 참조
- 문서 / 릴리스 노트: RunningHub post
- Boogu/프로젝트 사이트
- 문서 / 릴리스 노트: boogu.org
- Boogu/Boogu Image 저장소
- GitHub: boogu-project/Boogu-Image
- Hugging Face: Boogu/Boogu-Image-0.1-Turbo
- Boogu/Boogu-Image-0.1-Turbo 모델
- Hugging Face: Boogu/Boogu-Image-0.1-Turbo
- GitHub: boogu-project/Boogu-Image
- Comfy-Org/Boogu ComfyUI 가중치
- Hugging Face: Comfy-Org/Boogu-Image
- ComfyUI/Boogu 튜토리얼
- 문서 / 릴리스 노트: ComfyUI tutorial
참고: 참조된 모델, 데이터셋 및 코드의 사용은 저자 및 유지 관리자가 제공하는 해당 라이센스 및 약관에 따릅니다.
