FLUX 是由 開發的新圖像生成模型,FLUX-ControlNet-Depth 和 FLUX-ControlNet-Canny 模型由 XLabs AI 團隊創建。此 ComfyUI FLUX ControlNet 工作流程也由 XLabs AI 團隊創建。詳細資訊,請訪問 。所有貢獻的功勞歸於他們。
FLUX 模型已預載於 RunComfy,名稱為 flux/flux-schnell
和 flux/flux-dev
。
flux-schnell, fp8
和 clip t5_xxl_fp8
以避免記憶體不足問題。flux-dev, default
和高 clip t5_xxl_fp16
。詳細資訊,請訪問:
🌟以下 FLUX-ControlNet 工作流程專為 模型設計。🌟
我們提供兩個卓越的 FLUX-ControlNet 工作流程:FLUX-ControlNet-Depth 和 FLUX-ControlNet-Canny,各自提供獨特的功能來增強您的創作過程。
首先使用 "LoadFluxControlNet" 節點加載 FLUX-ControlNet Depth 模型。選擇 "flux-depth-controlnet.safetensors" 模型以獲得最佳深度控制。
將此節點的輸出連接到 "ApplyFluxControlNet" 節點。還要將您的深度圖像連接到此節點的圖像輸入。深度圖應為灰度圖像,靠近的物體較亮,遠處的物體較暗,允許 FLUX-ControlNet 精確地解釋深度資訊。
您可以使用深度估計模型從輸入圖像生成深度圖。在這裡,使用 "MiDaS-DepthMapPreprocessor" 節點將加載的圖像轉換為適合 FLUX-ControlNet 的深度圖。關鍵參數:
在 "ApplyFluxControlNet" 節點中,強度參數決定生成的圖像受 FLUX-ControlNet 深度調節的影響程度。較高的強度將使輸出更接近於深度結構。
過程與 FLUX-ControlNet-Depth 工作流程非常相似。首先使用 "LoadFluxControlNet" 加載 FLUX-ControlNet Canny 模型。然後,將其連接到 "ApplyFluxControlNet" 節點。
使用 "CannyEdgePreprocessor" 節點將輸入圖像轉換為 Canny 邊緣圖,優化其用於 FLUX-ControlNet。關鍵參數:
將生成的 Canny 邊緣圖連接到 "ApplyFluxControlNet" 節點。同樣,使用強度參數控制邊緣圖對 FLUX-ControlNet 生成的影響。
在兩個 FLUX-ControlNet 工作流程中,CLIP 編碼的文本提示被連接以驅動圖像內容,而 FLUX-ControlNet 調節則基於深度或邊緣圖控制結構和幾何形狀。
通過結合不同的 FLUX-ControlNets、輸入模態如深度和邊緣,並調整其強度,您可以實現對 FLUX-ControlNet 生成的圖像的語義內容和結構的精細控制。
許可證:controlnet.safetensors 遵循 非商業許可證
查看許可文件:
FLUX.1 [dev] 模型由 Black Forest Labs. Inc. 根據 FLUX.1 [dev] 非商業許可證授權。版權所有 Black Forest Labs. Inc.
在任何情況下,Black Forest Labs, Inc. 不對任何索賠、損害或其他責任承擔責任,無論是合同、侵權或其他原因,均因使用此模型而產生或與之相關。
RunComfy 是首選的 ComfyUI 平台,提供 ComfyUI 在線 環境和服務,以及 ComfyUI 工作流程 具有驚豔的視覺效果。 RunComfy還提供 AI Playground, 幫助藝術家利用最新的AI工具創作出令人驚艷的藝術作品。