HyperFlux Diversity

HyperFlux 多样性

我认为种族多样性是图像真实感的重要组成部分，因此我对 dAIversity Flux（/model/711900?modelVersionId=796248）的表现感到非常满意。

对于大多数 Flux 模型，我通常会配合使用 AntiBlur LoRA（/model/675581/anti-blur-flux-lora）以扩展景深。同时，我也对 HyperFlux LoRA 深感着迷，如 HyperFlux 基础模型系列所示（/model/705444?modelVersionId=789074）。

在使用 RuinedFooocus 运行 dAIversity Flux 的 safetensors 文件时，我遇到了性能问题，因为 RuinedFooocus 是为 GGUF 使用优化的。因此，结合这一因素以及希望优化 dAIversity Flux 与上述两个 LoRA 的结合使用，我创建了一个新的 GGUF 格式合并模型。

HyperFlux 多样性是将 dAIversity Flux 与 HyperFlux LoRA（强度 0.12）和 AntiBlur（强度 1.0）融合而成的模型。

请尊重每一位创作者的许可证，这些资源是他们倾注心血的成果。例如，不要在任何以图像生成盈利的服务上使用 HyperFlux 多样性（如在线图像生成平台）；也不要收费出售或授权此模型。

使用方法：

我对 HyperFlux 多样性的偏好是 CFG 值为 3.5，特殊效果可提升至 6.5。我将采样步数设为 20（与所有基于 8 步 Flux1 Dev 的模型一致），并使用 euler 采样器配合 simple 调度器。

默认情况下，HyperFlux 多样性生成的图像具有较深的景深。若希望获得浅景深效果，请在正向提示中加入 "bokeh"。

该模型生成 NSFW 图像并非本意。

致谢：

dAIversity Flux：/model/711900?modelVersionId=796248

AntiBlur LoRA：/model/675581/anti-blur-flux-lora

HyperFlux 8 LoRA：https://huggingface.co/ByteDance/Hyper-SD

本项目基于以下优秀资源创建：
https://civitai.com/articles/8322/merge-a-lora-into-flux-for-better-speed-and-quantize-it

关于图像：

每个 GGUF 版本中的首张图像展示了该量化等级下的测试生成效果。请切换查看各版本，比较该图像在不同 GGUF 等级下的表现。

Q8 版本提供最细致的细节，其次是 Q6；两者均需 12GB 显存。Q5 在 10GB 显存下运行，效果几乎相同。Q4 至 Q2 的细节逐步减少，但占用空间更小，加载速度因此更快。一个常见误解是：量化级别越高，显存占用越少。但测试表明这并不成立：Q4 至 Q2 的显存占用与 Q5 相近，均为约 10GB。

其余展示图像均为 HyperFlux 多样性在 Pure Fooocus 基础模型评测指南中十项标准测试的样本：
https://www.facebook.com/groups/fooocus/learning_content/?filter=519238867322550&post=753347100153801
（Facebook 链接通常不可靠，您可能需要上下滚动才能找到该指南）