Inferência Z-Image De-Turbo LoRA: geração com correspondência de treinamento e etapas mínimas no ComfyUI#

A Inferência Z-Image De-Turbo LoRA é um fluxo de trabalho RunComfy para executar adaptadores LoRA treinados pelo AI Toolkit no Z-Image De-Turbo no ComfyUI com comportamento correspondente ao treinamento. Ele utiliza o RC Z-Image De-Turbo (RCZimageDeturbo)—um nó personalizado de código aberto da RunComfy que alinha a inferência no nível de pipeline (não um gráfico de amostrador genérico) enquanto aplica seu adaptador via lora_path e lora_scale (source).

A maioria dos problemas de “visualização de treinamento vs inferência no ComfyUI” são desajustes de pipeline. RCZimageDeturbo resolve isso roteando o Z-Image De-Turbo através de um pipeline de inferência alinhado com a visualização e aplicando seu único LoRA dentro dele—então, quando você precisar de uma linha de base correspondente ao treinamento, comece com este fluxo de trabalho e espelhe seus valores de amostragem de visualização. Implementação de referência: `src/pipelines/flex1_alpha.py`.

O que o nó personalizado RCZimageDeturbo faz#

RCZimageDeturbo carrega o transformador De-Turbo de ostris/Z-Image-De-Turbo, emparelha-o com o codificador de texto/tokenizador/VAE de Tongyi-MAI/Z-Image-Turbo, e monta o pipeline explicitamente para evitar problemas de troca de meta-tensor—depois aplica seu adaptador via lora_path / lora_scale. Referência: `src/pipelines/flex1_alpha.py`

Como usar o fluxo de trabalho de Inferência Z-Image De-Turbo LoRA#

Etapa 1: Importe seu LoRA (2 opções)#

• Opção A (resultado de treinamento RunComfy): RunComfy → Treinador → Ativos LoRA → encontre seu LoRA → ⋮ → Copiar Link LoRA
  
• Opção B (LoRA do AI Toolkit treinado fora do RunComfy): Copie um link de download direto .safetensors para seu LoRA e cole esse URL em lora_path (não é necessário baixar em ComfyUI/models/loras).

Etapa 2: Configure o nó personalizado RCZimageDeturbo para Inferência Z-Image De-Turbo LoRA#

Configure o restante das configurações para Inferência Z-Image De-Turbo LoRA (tudo na interface do nó):

• prompt: seu prompt de texto (inclua os tokens de gatilho que você usou durante o treinamento, se houver)
• negative_prompt: opcional; mantenha vazio se sua amostragem de visualização não usou negativos
• width / height: resolução de saída (para comparações limpas, corresponda ao seu tamanho de visualização; múltiplos de 32 são recomendados)
• sample_steps: etapas de inferência (De-Turbo geralmente precisa de mais etapas do que gráficos no estilo “Turbo”; comece com a mesma contagem de etapas que você visualizou durante o treinamento)
• guidance_scale: força de orientação/CFG (corresponda ao seu valor de visualização primeiro, depois ajuste em pequenos incrementos)
• seed: defina uma semente fixa para reproduzir; mude para explorar variações
• lora_scale: força do LoRA (comece perto da força de visualização, depois ajuste)

Dica de alinhamento de treinamento: espelhe os valores de amostragem do YAML de treinamento do AI Toolkit que você usou para visualizações—especialmente width, height, sample_steps, guidance_scale, seed. Se você treinou no RunComfy, abra Treinador → Ativos LoRA → Config e copie as configurações de visualização no nó.

Etapa 3: Execute a Inferência Z-Image De-Turbo LoRA#

• Clique em Queue/Run → SaveImage grava os resultados automaticamente na pasta de saída do ComfyUI

Solucionando Problemas de Inferência Z-Image De-Turbo LoRA#

A maioria dos problemas que as pessoas enfrentam após treinar um Z-Image De‑Turbo LoRA no AI Toolkit vem de desajustes de pipeline—o amostrador de visualização do AI Toolkit não é o mesmo que um gráfico de amostrador genérico do ComfyUI.

O nó personalizado RC Z-Image De‑Turbo (RCZimageDeturbo) da RunComfy é construído para manter a inferência alinhada ao pipeline com a amostragem de visualização no estilo AI Toolkit (wrapper específico do modelo + injeção de LoRA consistente). Ao solucionar problemas, teste seu LoRA através do RCZimageDeturbo primeiro, depois ajuste os parâmetros.

（1）Por que a visualização de amostra no aitoolkit parece ótima, mas as mesmas palavras do prompt parecem muito piores no ComfyUI? Como posso reproduzir isso no ComfyUI?#

Por que isso acontece

Mesmo se você copiar o mesmo prompt / etapas / orientação / semente, a saída pode desviar quando o ComfyUI está executando um pipeline diferente do pipeline de visualização do AI Toolkit (diferentes padrões, comportamento de condicionamento e caminho de injeção de LoRA).

Como corrigir (abordagem correspondente ao treinamento)

• Execute a inferência através do RCZimageDeturbo para que o modelo execute um pipeline de inferência específico para Z‑Image De‑Turbo e aplique seu LoRA via lora_path / lora_scale dentro desse pipeline.
• Espelhe os valores de amostragem de visualização que você usou durante a amostragem do AI Toolkit ao comparar: width, height, sample_steps, guidance_scale, seed.
• Mantenha o mesmo formato de prompt e tokens de gatilho com os quais você treinou.

（2）Ao usar Z-Image LoRA com ComfyUI, a mensagem "lora key not loaded" aparece.#

Por que isso acontece

Isso geralmente significa que o LoRA está sendo injetado através de um caminho que não corresponde aos módulos Z‑Image (De‑Turbo) contra os quais você treinou—mais comumente porque:

• a variante do modelo base não corresponde ao que o LoRA espera, ou
• o formato / mapeamento de chave do LoRA não corresponde ao carregador/pipeline que você está usando.

Como corrigir (opções confiáveis)

• Use a injeção de LoRA em nível de pipeline: carregue o adaptador apenas via lora_path no RCZimageDeturbo (evite empilhar um caminho de carregador LoRA extra em cima dele).
• Prefira ativos no formato Diffusers para inferência em pipeline: se você estiver misturando formatos, experimente primeiro a versão Diffusers para uso em treinamento/pipeline.
• Se os formatos não corresponderem, converta os pesos do LoRA: use uma rota de conversão conhecida para pesos LoRA de Z‑Image para que eles correspondam ao formato esperado pela sua pilha de inferência (Diffusers/pipeline vs carregador nativo do Comfy).

（3）Não é possível carregar a configuração para ‘"XXXXX"#

Por que isso acontece

Isso é comumente causado por downloads de modelo incompletos (você frequentemente verá blobs .incomplete no cache do Hugging Face) ou um sistema de arquivos/runtime que impede o cache adequado, o que faz com que o transformer/config falhe ao carregar.

Como corrigir (download verificado pelo usuário + construção de pasta) Uma abordagem funcional relatada por usuários é baixar um Turbo base limpo + o transformador De‑Turbo, depois montar uma pasta completa localmente:

• Baixe ambos os repositórios com huggingface-cli download ... --local-dir-use-symlinks False
• Substitua Z-Image-Turbo/transformer pela pasta Z-Image-De-Turbo/transformer
• Aponte seu caminho de modelo (ou o ambiente que carrega a base) para o diretório completo resultante

Após a base carregar corretamente, execute a inferência através do RCZimageDeturbo e corresponda os valores de amostragem de visualização para comparar com as visualizações do AI Toolkit.

Execute a Inferência Z-Image De-Turbo LoRA agora#

Abra o fluxo de trabalho Z-Image De-Turbo LoRA Inference da RunComfy, defina lora_path, e execute RCZimageDeturbo para manter os resultados do ComfyUI alinhados com suas visualizações de treinamento do AI Toolkit.