Z-Image De-Turbo LoRA 추론: 훈련-일치, 최소 단계 생성 in ComfyUI

Z-Image De-Turbo LoRA 추론은 AI Toolkit에서 훈련된 LoRA 어댑터를 ComfyUI에서 훈련-일치 동작으로 실행하기 위한 RunComfy 워크플로우입니다. 이는 RC Z-Image De-Turbo (RCZimageDeturbo)—오픈 소스 RunComfy 사용자 지정 노드를 사용하여 lora_path 및 lora_scale을 통해 어댑터를 적용하면서 파이프라인 수준에서 추론을 정렬합니다 (source).

대부분의 "훈련 미리보기 대 ComfyUI 추론" 문제는 파이프라인 불일치에서 발생합니다. RCZimageDeturbo는 미리보기와 일치하는 추론 파이프라인을 통해 Z-Image De-Turbo를 라우팅하고 그 안에 단일 LoRA를 적용하여 이를 해결합니다—따라서 훈련-일치 기준선이 필요할 때 이 워크플로우로 시작하고 미리보기 샘플링 값을 반영하십시오. 참조 구현: `src/pipelines/flex1_alpha.py`.

RCZimageDeturbo 사용자 지정 노드가 하는 일

RCZimageDeturbo는 ostris/Z-Image-De-Turbo에서 De-Turbo 변환기를 로드하고, Tongyi-MAI/Z-Image-Turbo에서 토크나이저/텍스트 인코더/VAE와 쌍을 이루며, 메타-텐서 교환 문제를 피하기 위해 파이프라인을 명시적으로 조립한 다음 lora_path / lora_scale을 통해 어댑터를 적용합니다. 참조: `src/pipelines/flex1_alpha.py`

Z-Image De-Turbo LoRA 추론 워크플로우 사용 방법

단계 1: LoRA 가져오기 (2가지 옵션)

• 옵션 A (RunComfy 훈련 결과): RunComfy → Trainer → LoRA Assets → LoRA 찾기 → ⋮ → LoRA 링크 복사
  
• 옵션 B (RunComfy 외부에서 훈련된 AI Toolkit LoRA): 직접 .safetensors 다운로드 링크를 복사하여 lora_path에 붙여넣습니다 (ComfyUI/models/loras에 다운로드할 필요 없음).

단계 2: Z-Image De-Turbo LoRA 추론을 위한 RCZimageDeturbo 사용자 지정 노드 구성

Z-Image De-Turbo LoRA 추론의 나머지 설정을 구성합니다 (모두 노드 UI에서):

• prompt: 텍스트 프롬프트 (훈련 중 사용한 트리거 토큰을 포함하십시오.)
• negative_prompt: 선택 사항; 미리보기 샘플링에서 부정적 요소를 사용하지 않았다면 비워 두십시오.
• width / height: 출력 해상도 (깨끗한 비교를 위해 미리보기 크기를 맞추십시오; 32의 배수를 권장함)
• sample_steps: 추론 단계 (De-Turbo는 일반적으로 "Turbo" 스타일 그래프보다 더 많은 단계가 필요합니다; 훈련 중 미리보기 단계 수로 시작하십시오.)
• guidance_scale: 가이드/CFG 강도 (먼저 미리보기 값을 맞추고 작은 증분으로 조정)
• seed: 재생산을 위해 고정된 시드를 설정; 변화를 탐색하려면 변경하십시오.
• lora_scale: LoRA 강도 (미리보기 강도에 가깝게 시작한 후 조정)

훈련 정렬 팁: AI Toolkit 훈련에서 사용한 YAML의 샘플링 값을 반영하십시오—특히 width, height, sample_steps, guidance_scale, seed. RunComfy에서 훈련했다면 Trainer → LoRA Assets → Config를 열고 노드에 미리보기 설정을 복사하십시오.

단계 3: Z-Image De-Turbo LoRA 추론 실행

• Queue/Run 클릭 → SaveImage가 결과를 자동으로 ComfyUI 출력 폴더에 저장합니다.

Z-Image De-Turbo LoRA 추론 문제 해결

AI Toolkit에서 Z-Image De‑Turbo LoRA를 훈련한 후 사람들이 겪는 대부분의 문제는 파이프라인 불일치에서 발생합니다—AI Toolkit의 미리보기 샘플러는 일반적인 ComfyUI 샘플러 그래프와 다릅니다.

RunComfy의 RC Z-Image De‑Turbo (RCZimageDeturbo) 사용자 지정 노드는 AI Toolkit 스타일 미리보기 샘플링과 일치하도록 추론을 파이프라인-정렬 상태로 유지하기 위해 구축되었습니다 (모델-특정 래퍼 + 일관된 LoRA 주입). 문제를 해결할 때, 먼저 RCZimageDeturbo를 통해 LoRA를 테스트한 다음 매개변수를 조정하십시오.

（1）AI Toolkit에서의 샘플 미리보기가 훌륭한데, 같은 프롬프트 단어가 ComfyUI에서 훨씬 더 나쁘게 보입니다. 이걸 ComfyUI에서 어떻게 재현할 수 있나요?

이유

같은 프롬프트 / 단계 / 가이드 / 시드를 복사하더라도, ComfyUI가 AI Toolkit 미리보기 파이프라인과 다른 파이프라인을 실행할 때 출력이 드리프트할 수 있습니다 (다른 기본값, 조건화 동작, LoRA 주입 경로).

해결 방법 (훈련-일치 접근법)

• RCZimageDeturbo를 통해 추론을 실행하여 모델이 Z‑Image De‑Turbo 전용 추론 파이프라인을 실행하고 그 안에서 lora_path / lora_scale을 통해 LoRA를 적용하도록 하십시오.
• AI Toolkit 샘플링 중 사용한 미리보기 샘플링 값을 반영하십시오: width, height, sample_steps, guidance_scale, seed.
• 훈련 시 사용한 프롬프트 형식과 트리거 토큰을 유지하십시오.

（2）ComfyUI에서 Z-Image LoRA를 사용할 때 "lora key not loaded" 메시지가 나타납니다.

이유

이것은 일반적으로 LoRA가 훈련한 Z‑Image (De‑Turbo) 모듈과 일치하지 않는 경로를 통해 주입되고 있기 때문입니다—대부분의 경우:

• 기본 모델 변형이 LoRA가 기대하는 것과 일치하지 않거나,
• LoRA 형식 / 키 매핑이 사용 중인 로더/파이프라인과 일치하지 않습니다.

해결 방법 (신뢰할 수 있는 옵션)

• 파이프라인 수준의 LoRA 주입 사용: 어댑터를 RCZimageDeturbo에서 lora_path를 통해서만 로드하십시오 (추가적인 LoRA 로더 경로를 위에 쌓지 마십시오).
• 파이프라인 추론을 위한 Diffusers-형식 자산 선호: 형식을 혼합하는 경우, 먼저 Diffusers 버전을 훈련/파이프라인 사용에 시도하십시오.
• 형식이 일치하지 않으면, LoRA 가중치를 변환: Z‑Image LoRA 가중치를 알려진 변환 경로를 사용하여 추론 스택이 기대하는 형식에 맞추십시오 (Diffusers/파이프라인 vs Comfy-native 로더).

（3）"XXXXX"에 대한 구성을 로드할 수 없습니다

이유

이는 일반적으로 불완전한 모델 다운로드로 인해 발생합니다 (Hugging Face 캐시에서 .incomplete 블롭을 자주 볼 수 있음) 또는 적절한 캐싱을 방해하는 파일 시스템/런타임으로 인해 변환기/구성이 로드되지 않습니다.

해결 방법 (사용자 검증 다운로드 + 폴더 빌드) 사용자가 보고한 작동 접근법은 깨끗한 Turbo 기본 + De‑Turbo 변환기를 다운로드한 다음 로컬에서 완전한 폴더를 조립하는 것입니다:

• huggingface-cli download ... --local-dir-use-symlinks False로 두 리포지토리 다운로드
• Z-Image-Turbo/transformer를 Z-Image-De-Turbo/transformer 폴더로 교체
• 모델 경로 (또는 기본을 로드하는 환경)를 완성된 디렉토리에 지정

기본이 제대로 로드되면, RCZimageDeturbo를 통해 추론을 실행하고 AI Toolkit 미리보기에 대하여 미리보기 샘플링 값을 맞추어 비교하십시오.

지금 Z-Image De-Turbo LoRA 추론 실행

RunComfy Z-Image De-Turbo LoRA 추론 워크플로우를 열고 lora_path를 설정한 후 RCZimageDeturbo를 실행하여 ComfyUI 결과를 AI Toolkit 훈련 미리보기와 일치하게 유지하십시오.