Z Image Real Skin 워크플로우 | 현실적인 초상화 생성기

Z Image Real Skin 워크플로우: 실제 피부 질감이 있는 자연스러운 에디토리얼 초상화#

Z Image Real Skin 워크플로우는 RunComfy-ready ComfyUI 파이프라인으로, 모공, 주근깨 및 미세한 선을 유지하면서 플라스틱, 뷰티 필터링된 모습을 피하는 현실적인 에디토리얼 초상화를 만듭니다. 이미지에서 프롬프트를 추출하고 강력한 텍스트 가이드와 미묘한 LoRA 악센트를 결합하여 부드러운 자연 조명, 성숙한 얼굴 세부 사항 및 잡지 수준의 색상을 제공합니다.

Z-Image Turbo와 Qwen 이미지 인코딩 및 Qwen-VL 프롬프트 추출을 중심으로 구축된 이 ComfyUI Z Image Real Skin 워크플로우는 아티스트가 일관되고 반복 가능한 방식으로 서양 초상화 참조, 자연 피부 캐릭터 룩 및 고급 에디토리얼 미학을 탐구할 수 있도록 도와줍니다. 네 개의 병렬 샘플러가 나란히 변형을 제공하여 가장 좋은 피부 질감과 톤을 가진 렌더링을 빠르게 선택할 수 있습니다.

Comfyui Z Image Real Skin 워크플로우의 주요 모델#

• Comfy-Org의 Z-Image Turbo. 빠른 이미지 합성 및 선명한 질감 유지로 구동하는 주요 생성 모델입니다. Model card
• ComfyUI를 위한 Qwen-Image 텍스트 인코더. Qwen 프롬프트와 정렬된 강력한 CLIP 유사 텍스트 조건을 제공하여 미세한 초상화 지침을 개선합니다. Model files
• Qwen-VL Instruct (8B class). 참조 초상화를 분석하고 이미지에서 프롬프트로 가이드를 제공하는 간결한 영어 프롬프트를 반환하는 비전-언어 모델입니다.
• Unfiltered Realism v2 LoRA. 미세한 질감과 현실적인 톤 반응을 추가하여 피부를 믿을 수 없을 정도로 매끄럽게 유지하면서 과도한 매끄러움을 피하는 데 도움을 줍니다.
• Kook Zimage Realistic Fantasy Turbo LoRA. 모공을 평탄화하지 않으면서 에디토리얼 광택을 추가할 수 있는 가볍고 조절 가능한 창의적 악센트입니다. Model card

Comfyui Z Image Real Skin 워크플로우 사용 방법#

이 워크플로우는 고품질 프롬프트를 조립하고 Qwen-Image로 인코딩하며 Z-Image Turbo와 미묘한 LoRA 가이드를 사용하여 네 가지 샘플러 변형을 병렬로 렌더링합니다. 깨끗한 실행에서 시작한 다음 텍스트 및 LoRA 가중치를 조정하여 반복합니다.

• 참조 이미지 입력 및 스케일링
  • LoadImage (#206)에서 초상화를 불러옵니다. LayerUtility: ImageScaleByAspectRatio V2 (#211) 도우미는 분석기가 잘 구성된 피사체를 보도록 치수를 정규화합니다.
  • 참조 이미지는 직접 이미지에서 이미지로 사용되지 않으며, 가이드 프롬프트를 추출하기 위해 검사됩니다. 순수한 텍스트에서 이미지로 전환하려면 참조 없이 실행하고 작성한 프롬프트에만 의존할 수 있습니다.
• 프롬프트 추출 및 조립
  • AILab_QwenVL (#308)은 참조 초상화를 보고 나이를 강조하는 간결한 영어 프롬프트를 반환합니다. 피부 품질, 헤어스타일, 의상 및 조명을 강조합니다. 자연스러운 피부 질감을 선호하고 매끄러운 광택을 피합니다.
  • JjkText (#200)는 에디토리얼 스타일과 사실주의에 대한 기본 창의적 방향을 제공합니다. JoinStrings (#201)는 Qwen-VL의 결과와 기본 텍스트를 병합하여 인코딩할 수 있는 단일, 깨끗한 지침을 제공합니다.
• 텍스트 인코딩 및 가이드 형성
  • CLIPLoader (#202)는 Qwen-Image 인코더를 로드합니다. CLIPTextEncode (#184)는 조립된 텍스트를 생성기에 대한 조건으로 변환합니다.
  • FluxGuidance (#166)는 모델이 텍스트를 얼마나 강하게 따라야 하는지를 제어합니다. ConditioningZeroOut (#165)은 모공이나 미세한 선을 지울 수 있는 과도한 억제의 위험을 줄이기 위해 의도적으로 부정적인 면을 비웁니다.
• 모델 로딩, LoRA 악센트 및 정규화
  • UNETLoader (#337)는 기본 생성기로 Z-Image Turbo를 가져옵니다.
  • 두 개의 Lora Loader 노드 (#438 및 #439)는 Unfiltered Realism v2와 Kook Zimage Turbo LoRA를 적절한 강도로 적용합니다. 함께 사용하여 자연스러운 미세 질감과 에디토리얼 광택을 장려하면서 플라스틱 광택을 방지합니다.
  • CFGNorm (#305)는 가이드를 안정화하여 반복할 때 대비와 색상을 일관되게 유지합니다.
• 빠른 A/B 테스트를 위한 병렬 샘플링 헤드
  • EmptyLatentImage (#212)는 캔버스를 정의합니다. 네 개의 KSampler 브랜치 (#251, #255, #478, #487)는 각기 다른 샘플러 및 스케줄러 쌍을 사용하여 동시에 렌더링합니다.
  • 그레인, 가장자리 선명도 및 톤 롤오프에서 미묘한 차이를 기대할 수 있습니다. 이러한 브랜치를 사용하여 피부 세부 사항을 유지하면서 매력적인 렌더링을 선택하세요.
• 디코드 및 마무리 터치
  • 각 브랜치는 VAEDecode (#252, #254, #476, #485)를 통해 디코드되고 LayerColor: AutoAdjust (#343, #338, #475, #488)를 적용하여 중간 톤을 보호하는 부드러운 노출 및 대비 조정을 수행합니다.
  • 유틸리티 노드 TT_img_enc (#497, #495, #496)는 이미지를 저장하기 위해 전달합니다. 최종 이미지는 각 샘플러별로 명확한 파일명을 가진 SaveImage (#447, #448, #479, #489)에 의해 작성됩니다.

Comfyui Z Image Real Skin 워크플로우의 주요 노드#

• AILab_QwenVL (#308)
  • 목적: 참조 초상화를 간결한 프롬프트로 변환하여 정체성 단서, 의상, 조명 및 "실제 피부" 요약을 보존합니다.
  • 팁: 깨끗하고 잘 조명된 참조를 사용하세요. 짧은 출력은 넓은 스타일 일치로 기울어지며, 더 설명적인 출력은 구성과 의상을 더 엄격하게 조정합니다.
• FluxGuidance (#166)
  • 목적: 텍스트 순종과 모델 사전 사이의 균형을 맞춥니다. 낮은 값은 피부에 더 자연스러운 변화를 주고, 높은 값은 프롬프트 순종을 더 엄격하게 합니다.
  • 팁: 모공이 사라지거나 피부가 플라스틱처럼 보이면 가이드를 낮추세요. 모델이 의상이나 조명에서 벗어나면 가이드를 조금 올리세요.
• Lora Loader (#438) Unfiltered Realism v2
  • 목적: 미세한 질감과 진정한 톤 곡선을 복원합니다.
  • 팁: 건조하고 선명한 모공을 위해 약간 증가시키고, 볼이나 이마에 그레인이나 작은 아티팩트가 나타나면 줄이세요.
• Lora Loader (#439) Kook Zimage Realistic Fantasy Turbo
  • 목적: "실제 피부" 요약을 유지하면서 가벼운 에디토리얼 악센트와 깨끗한 색상 분리를 추가합니다.
  • 팁: 더 매끄러운 잡지 느낌을 위해 증가시키고, 더 다큐멘터리 느낌을 위해 줄이세요.
• CFGNorm (#305)
  • 목적: 텍스트 강도나 LoRA 가중치의 변화가 노출과 채도를 흔들지 않도록 가이드를 정규화합니다.
  • 팁: 샘플러 헤드를 비교할 때 공정한 A/B 판단을 보장하기 위해 활성화 상태로 유지하세요.
• KSampler 헤드 (#251, #255, #478, #487)
  • 목적: 네 개의 병렬 샘플러가 다른 스케줄러 풍미로 한눈에 피부 질감, 미세 대조 및 보케 동작을 비교할 수 있게 합니다.
  • 팁: 균형 잡힌 사실성을 위한 기본 브랜치를 사용하고, 매끄러운 그라디언트와 선명한 모공을 원하는 경우 흐름 일치 브랜치를 시도하고, 부드러운 롤오프를 위해 SGM 브랜치를 사용하고, 감정적인 톤을 위해 베타 스케줄러를 선택하세요.

선택적 추가 기능#

• 가장 깨끗한 Qwen-VL 프롬프트와 가장 매력적인 피부 톤을 위해 중립적이고 부드러운 창문 빛 참조로 시작하세요.
• 다른 인구 통계 또는 스타일을 대상으로 하는 경우, JjkText (#200)에서 기본 텍스트를 다시 작성하여 Qwen-VL이 의도를 보완하도록 하세요.
• 구성을 제어하려면 샘플링 전에 EmptyLatentImage (#212)에서 종횡비를 조정하세요.
• 재현 가능한 A/B 테스트를 위해 모든 KSampler 노드에서 동일한 시드를 복사한 다음 한 가지 요소만 변경하세요.
• VRAM이 부족한 경우 필요하지 않은 브랜치의 SaveImage 노드를 음소거하고 반복당 한두 개의 샘플러만 실행하세요.

감사의 글#

이 워크플로우는 다음 작업 및 리소스를 구현하고 확장합니다. 우리는 워크플로우 소스에 대한 RunningHub, Z-Image Turbo 및 Qwen Image ComfyUI 모델 파일에 대한 Comfy-Org, 그리고 Kook Zimage realistic fantasy Turbo LoRA에 대한 KZZrin의 기여와 유지 관리에 대해 감사드립니다. 권위 있는 세부 정보는 아래에 링크된 원본 문서 및 저장소를 참조하십시오.

리소스#

• RunningHub/RunningHub 워크플로우 소스
  • 문서 / 릴리스 노트: RunningHub post
• Comfy-Org/Z-Image Turbo 모델 파일
  • Hugging Face: Comfy-Org/z_image_turbo
• Comfy-Org/Qwen Image ComfyUI 모델 파일
  • Hugging Face: Comfy-Org/Qwen-Image_ComfyUI
• KZZrin/Kook Zimage realistic fantasy Turbo LoRA
  • Hugging Face: KZZrin/kook_zturbo

Note: 참조된 모델, 데이터셋 및 코드의 사용은 저자 및 유지 관리자가 제공한 해당 라이선스 및 조건에 따릅니다.