Simple Flux Kontext GGUF workflow 4gb VRAM Realistic Cinematic 2Pass + Lora

你好！这是一个简单的流程，使用 Flux Dev、Schnell、Kontext 或其他模型，仅通过一台笔记本电脑和 4GB 显存来生成逼真图像。

该工作流使用 GGUF 文件，结合双采样器和 torch teacache 等技术以提升速度。

仅需 30 步，我就能获得半逼真的图像：

🎥 视频说明：

📦 下载部分

仅模型（不含 VAE 或 CLIP）

• https://huggingface.co/city96/FLUX.1-dev-gguf

• https://huggingface.co/city96/FLUX.1-schnell-gguf

• https://huggingface.co/QuantStack/FLUX.1-Kontext-dev-GGUF

• https://huggingface.co/mikeyandfriends/PixelWave_FLUX.1-dev_03

VAE

• https://huggingface.co/ffxvs/vae-flux/blob/main/ae.safetensors

CLIP

• https://huggingface.co/city96/t5-v1_1-xxl-encoder-gguf/tree/main

• https://huggingface.co/comfyanonymous/flux_text_encoders/blob/main/clip_l.safetensors

📖 下载概览

• Flux Kontext = 更高质量，适合图像编辑

• Flux Dev = 更高质量

• Flux Schnell = 更快，生成可用图像所需步骤更少

• PixelWave = 合并检查点，以获得更好的真实感

⚙️ 量化

• -q8 → 最高质量，占用最多显存

• -q5 → 质量损失最小，性能提升最大

• 低于 -q5 → 显存占用更少，质量更低

CLIP

• fp16 → 更好的文本理解，占用更多显存

• fp8 → 文本理解较弱，显存占用更少

• scaled → 更少

🔗 有用资源：

• FluxDev 20 步 vs 30 步——有区别吗？

• Flux 提示词——下一步

• 提示词综合指南？

如有任何问题，请留言，我会尽力帮助你！