Z-Image Turbo LoRA 推論：在 ComfyUI 中運行 AI 工具包 LoRA 以獲得訓練匹配的結果
此工作流程通過 RC Z-Image Turbo (RCZimageTurbo) 自訂節點運行 Z-Image Turbo LoRA 推論，使用 AI 工具包訓練的 LoRA。RunComfy 為 Z-Image Turbo LoRA 推論構建並開源了這個自訂節點——請參見 runcomfy-com GitHub 組織的存儲庫 中的代碼。
如果您在 AI 工具包（RunComfy 訓練師或其他地方）中訓練了一個 LoRA，並且在 ComfyUI 中的 Z-Image Turbo LoRA 推論 結果與訓練預覽相比顯得 "不對勁"，這個工作流程是最快的方式來恢復到訓練匹配的行為。
為什麼 Z-Image Turbo LoRA 推論在 ComfyUI 中常常看起來不同
真正的目標是與 AI 工具包訓練管道對齊的 Z-Image Turbo LoRA 推論。 大多數 Z-Image Turbo LoRA 推論 不匹配不是由於一個錯誤的旋鈕造成的——它們發生是因為推論 管道 發生了變化。
AI 工具包的訓練預覽是通過模型特定的 Z-Image Turbo LoRA 推論 實現生成的。在 ComfyUI 中，人們經常用通用圖表（或不同的 LoRA 注入方法）重建 Z-Image Turbo，然後嘗試通過複製步驟/CFG/種子來 "匹配" 訓練預覽。但即使使用相同的數字，不同的管道也可能改變。
RCZimageTurbo 自訂節點的作用
RC Z-Image Turbo (RCZimageTurbo) 節點包裹了一個 Z-Image Turbo 特定的推論管道（請參見 `src/pipelines/zimage_turbo.py` 中的參考實現），使 Z-Image Turbo LoRA 推論 與 AI 工具包訓練預覽管道保持對齊。
如何使用 Z-Image Turbo LoRA 推論工作流程
步驟 1：打開工作流程
打開 RunComfy Z-Image Turbo LoRA 推論工作流程。
步驟 2：導入您的 LoRA（2 個選項）
- 選項 A（RunComfy 訓練結果）：
RunComfy → Trainer → LoRA Assets → 找到您的 LoRA → ⋮ → 複製 LoRA 連結**
- 選項 B（AI 工具包 LoRA 在 RunComfy 之外訓練）：
複製您 LoRA 的直接 .safetensors 下載連結並將該 URL 粘貼到 lora_path 中（無需將其下載到 ComfyUI/models/loras 中）。
步驟 3：為 Z-Image Turbo LoRA 推論配置 RCZimageTurbo 自訂節點
- 在 Z-Image Turbo LoRA 推論 工作流程中，選擇 RC Z-Image Turbo (RCZimageTurbo) 並將您的 LoRA 粘貼到
lora_path中
- 配置 Z-Image Turbo LoRA 推論 的其餘參數（這些都在節點 UI 中）：
prompt：您的主要文本提示（如果您在訓練中使用了觸發詞，請包含它們）width/height：輸出解析度sample_steps：推論步驟（Turbo 通常是低步驟）guidance_scale：指導 / CFGseed：固定種子以重現，隨機種子以探索seed_mode：選擇 randomize（或等效）以探索，或保持固定種子以重現lora_scale：LoRA 強度/強度negative_prompt(optional)：僅當您在採樣/訓練期間使用過時hf_token(optional)：僅在從私人 Hugging Face 資產加載時需要
如果您在訓練期間自訂了採樣，請打開您在 AI 工具包中使用的訓練 YAML，並在此處鏡像相同的值（尤其是 width、height、sample_steps、guidance_scale、seed）。 如果您在 RunComfy 上訓練過，您還可以打開 LoRA Config 在 Trainer → LoRA Assets 中並複製您在訓練預覽期間使用的值：
步驟 4：運行 Z-Image Turbo LoRA 推論
- 點擊 Queue/Run → 輸出通過 SaveImage 自動保存
Z-Image Turbo LoRA 推論的故障排除
大多數“訓練預覽與 ComfyUI 推論”問題是由於 管道不匹配 引起的，而不是單一錯誤參數。 最快的方式來恢復 訓練匹配的結果 是通過 RunComfy 的 RCZimageTurbo 自訂節點運行推論，這使得 LoRA 注入、預處理和採樣在 管道層級 上與 AI 工具包訓練預覽對齊。
1. 為什麼在 aitoolkit 中的樣本預覽看起來很好，但在 ComfyUI 中相同的提示詞看起來更糟？我如何在 ComfyUI 中重現這一點？
為什麼會發生
即使提示、步驟、CFG 和種子相同，使用 不同的推論管道（通用採樣器圖表與訓練預覽管道）會改變：
- LoRA 應用的位置和方式
- 提示和負提示處理
- 預處理默認值
- 重載和緩存行為
如何修復（推薦）
- 使用 RCZimageTurbo 運行推論，使 管道與 AI 工具包訓練預覽匹配。
- 精確鏡像訓練預覽值：
width、height、sample_steps、guidance_scale、seed。 - 包括訓練期間使用的相同 觸發詞 並保持
lora_scale一致。
2. 使用 Z-Image LoRA 與 ComfyUI 時，出現“lora key not loaded”信息
為什麼會發生
LoRA 通過不匹配 Z-Image Turbo 預期的目標模塊的加載器或圖表注入，因此一些鍵無法應用或被忽略。
如何修復（最可靠）
- 使用 RCZimageTurbo 並在節點內通過
lora_path加載 LoRA。 這執行 模型特定、管道層級的 LoRA 注入，這避免了大多數鍵不匹配問題。 - 驗證：
lora_scale > 0- 文件是
.safetensorsLoRA，而不是基礎檢查點 - 文件已完全下載（未截斷）
3. 啟用 ai-toolkit z-image-turbo loras
為什麼會發生
一些標準 ComfyUI Z-Image Turbo 工作流程與 ai-toolkit 訓練的 Z-Image Turbo LoRAs 不完全兼容。
如何修復
- 使用 RCZimageTurbo 進行推論，使 推論管道與 AI 工具包訓練預覽管道保持對齊。
- 在比較輸出時將 RCZimageTurbo 視為參考實現。
4. Z-Image Turbo LoKR：“lora key not loaded” 並且權重被忽略（LoRA 有效）
為什麼會發生 LoKR 適配器的行為不同於標準 LoRA，並且 ComfyUI 中的一些推論路徑可能 靜默忽略 LoKR 權重。
推薦方法
- 對於訓練匹配的推論，首選 LoRA 並通過 RCZimageTurbo 運行它。
- 如果您專門訓練了 LoKR，請使用明確支持 LoKR 的推論管道，或導出/訓練一個 LoRA 變體以獲得一致的結果。
5. safetensors 文件不完整
為什麼會發生
.safetensors 文件部分下載或損壞（通常由於重定向或下載中斷）。
如何修復
- 使用 直接
.safetensors文件 URL 重新下載（避免頁面鏈接）。 - 如果通過工作流程資產下載，請在運行推論之前等待下載完全完成。
- 如果不確定，請將文件大小與預期大小進行比較。
6. 錯誤：加載檢查點時無法檢測到模型類型
為什麼會發生
LoRA 或適配器文件使用 錯誤的加載器 加載（例如，被視為基礎模型檢查點）。
如何修復
- 不要將 LoRA 作為檢查點加載。
- 始終通過 RCZimageTurbo 中的
lora_path傳遞 LoRA，這在管道層級處理正確的加載和注入。 - 仔細檢查基礎模型、LoRA 和適配器是否分別在它們正確的位置加載。
現在運行 Z-Image Turbo LoRA 推論
打開 RunComfy Z-Image Turbo LoRA 推論 工作流程，將您的 LoRA 粘貼到 lora_path 中，並運行 RCZimageTurbo 以在 ComfyUI 中進行訓練匹配的推論。
