Hyper Flux Dedistilled

正在进行中

Hyper Flux 去蒸馏模型将 nyanko7 的 Flux-dev-de-distill 检查点与 ByteDance 的 Hyper-SD LoRA 结合，打包为单文件 q4_KM GGUF 格式，便于在中端硬件上轻松使用。

Hyper 16 步 版本的生成时间与 Flux-dev 相同，但能产生更优的结果，在质量与提示理解方面接近 Flux Pro。Hyper 8 步 版本速度快一倍，在速度与质量之间取得良好平衡。

我们测试了多种 Hyper-SD LoRA 权重，并选用表现最佳的权重创建了这些模型。这确保了即使经过量化导致的质量损失，模型仍能保持一致的性能，并按推荐步数正常收敛。

---

版本与推荐设置：

Hyper 8 步：

• CFG： 1 至 2（非蒸馏引导）

• 步数： 8 至 12（越多越好，12 步效果最佳）

• 采样器： DPM-2（适用于高细节）或 DPM++ 2M（适用于更快生成）

• 调度器： Beta

适用于快速生成，同时保持图像质量高于标准 Flux-dev 水平。

Hyper 16 步：

• CFG： 2 至 3

• 步数： 16 至 24（越多越好，但 20 步已能获得极佳效果）

• 采样器： DEIS（适用于风格化、艺术化输出）或 DPM++ 2M（适用于真实感原始图像）

• 调度器： Beta

适合生成精细、高细节图像，具备出色的提示理解能力，类似于 Flux Pro。

---

这是一个剪枝模型，您需要下载以下内容：

• 文本解码器：从 Flux 文本编码器 下载 t5_xxl 和 clip_l（中低端 PC 建议使用 FP8 版本）。

• VAE：从 Black Forest Labs VAE 下载 ae.safetensors。

我还建议尝试以下 clip_l 模型以获得更佳的文字与细节表现：

• CLIP 文本编码器（可选）：CLIP-GmP-ViT-L-14 (HiT GmP TE)。

---

无需使用 Flux 引导——本模型采用真实 CFG，如同任何 Stable Diffusion 模型一样，可有效使用负向提示。对于 Hyper-16，请使用与 Flux-dev 中蒸馏引导相同的 CFG 值（例如，若您通常使用 2.5，请保持不变）。对于 Hyper-8，我建议使用该值的一半。

---

未来版本：
当前发布版本为 q4_KM 格式。根据用户硬件需求，可应要求提供其他格式，例如 FP8、q5_KM 或 q8_0。

---

本项目建立在原始作者出色工作的基础上：

• Flux-dev-de-distill 作者 nyanko7：实现真正无分类器引导的先进检查点。

• Hyper-SD 作者 ByteDance：强大的 LoRA 解决方案，显著缩短生成时间。

这些模型的创作完全归功于各自的作者。我并未参与其开发，Hyper Flux 去蒸馏 模型仅是将这些成果整合并格式化为统一、易用的解决方案。

---

两个版本均已通过中端显卡测试，包括 RTX 3070 和 RTX 2060 Super（8GB 显存），表现优异。