Flux 修复更新 - 7/2/25 - 晚间：

T5XXL 的 Flux 加载器存在一个 Bug，因此我进行了调整，使其在今日晚间推送中正常工作。

可能也需要对 SD3 和 SD35 做类似的处理。

工作流发布 - 7/2/25 - 早晨：

当前工作流需要安装 comfy-clip-shunts 节点插件。你并不一定非得使用 shunts，但它附带了支持 t5-unchained 的 clip 加载器。

这些加载器之所以能工作，是因为它们本质上用直接链接使用方式的函数调用取代了原始的 SD 函数调用。

对于 shunts，你可以使用标准的 bert-uncased 或 bert-cased，而不是 beatrix，但结果准确性会稍差一些。

带 unchained 的 shunt 代码：

https://github.com/AbstractEyes/comfy-clip-shunts/tree/dev

完整未训练的 unchained 模型：

https://huggingface.co/AbstractPhil/t5xxl-unchained

我这里加载了大量 clip 模型。omega 24 的表现非常好，因为它们更接近原始的 vit-l-14 和 laion vit-bigG。

https://huggingface.co/AbstractPhil/clips

由 res4lyf 增强和改进，我建议你安装它：

https://github.com/ClownsharkBatwing/RES4LYF

---

特别感谢 Kaoru8 提供的 base t5xxl-unchained 转换和仓库。它没有在原始 T5 基础上进行额外训练，但已成功转换，我输入的训练数据显然有效。

https://huggingface.co/Kaoru8/T5XXL-Unchained

---

还不错……一周内就做出了一个可用的 SD35 原型。

到下周此时，我希望 Flux 变体能完全正常运行，clip 套件也能进入原型阶段。

我真的需要一些时间休息。这似乎对我的心理健康造成了很大压力，因此我要花些时间恢复和调整。

我将把精力集中在工具开发和小型微调上，而不是全量微调。这些大型微调成本高昂，而且当程序无法正常运行时，对身心消耗极大。

---

是的，这是一个 T5 LoRA。它被当作 T5xxl 的 lora_te3 来使用，即“T5xxl”文本编码器。我已从原始的 SD35 训练 LoRA 中提取了 lora_te3 层，并重新保存。过程其实很简单，不清楚是否存在缺陷。我怀疑它只能在 ComfyUI 或 Forge 中加载，但这里提供给你。

你可以使用标准的 LLM 推理方式，与加载了 LoRA 权重的 T5xxl-unchained 进行对话；它能很好地进行摘要。

800MB 的 LoRA。这个过程比我想象中简单得多。

https://huggingface.co/AbstractPhil/SD35-SIM-V1/tree/main/REFIT-V1

from safetensors.torch import load_file, save_file

# 加载 safetensors 模型
input_path = "I:/AIImageGen/AUTOMATIC1111/stable-diffusion-webui/models/Lora/test/sd35-sim-v1-t5-refit-v2-Try2-e3-step00003000.safetensors"
output_path = "I:/AIImageGen/AUTOMATIC1111/stable-diffusion-webui/models/Lora/test/t5xxl-unchained-lora-v1.safetensors"

model = load_file(input_path)

# 过滤掉 TE1 和 TE2 张量
filtered = {k: v for k, v in model.items() if not (k.startswith("lora_te1") or k.startswith("lora_te2") or k.startswith("lora_unet")) }
print(f"已过滤 {len(model) - len(filtered)} 个张量。")
print(f"剩余张量：{filtered.keys()}")
# 保存结果
save_file(filtered, output_path)
print(f"✅ 已将移除 TE1/TE2 张量的清理模型保存至：\n{output_path}")

如果需要，你可以自行提取。最新的 T5 仍在训练中。

要正常运行，需要正确的 T5xxl 分词器和配置文件，以及 T5xxl 模型权重。

---

若没有基础的 t5xxl-unchained、分词器和正确的维度配置，你将收到尺寸不匹配的错误。

你需要大型的 T5xxl fp16 或 fp8 模型。它是在 fp16 下训练的，因此使用它进行微调效果更好。你或许只需告诉 ComfyUI 或 Forge 对其进行降尺度。

https://huggingface.co/AbstractPhil/t5xxl-unchained/resolve/main/t5xxl-unchained-f16.safetensors

当 clip 套件准备就绪后，它将在程序中自动缩放，并支持硬件级量化热转换（Q2、Q4、Q8 等），并可在 ComfyUI 中直接保存。

届时你将只需一个模型，所有转换都将通过 META C++ 库在运行时自动完成。

https://huggingface.co/AbstractPhil/t5xxl-unchained/blob/main/config.json

https://huggingface.co/AbstractPhil/t5xxl-unchained/blob/main/tokenizer.json

若要修改 Forge，可将这些文件替换为上述地址中的文件；唯一例外是 sd3_conds.py，需直接修改其代码中的模板。

如需，可备份原始配置文件，不过这并不重要。原始形式的 t5xxl-unchained 行为与原始 t5xxl 完全一致。

------------------------------------------------------------------------
configs
------------------------------------------------------------------------
modules/models/sd3/sd3_conds.py

backend/huggingface/stabilityai/stable-diffusion-3-medium-diffusers/text_encoder_3

backend/huggingface/black-forest-labs/FLUX.1-dev/text_encoder_2/config.json

backend/huggingface/black-forest-labs/FLUX.1-schnell/text_encoder_2/config.json
-------------------------------------------------------------------------
tokenizers
-------------------------------------------------------------------------
backend/huggingface/black-forest-labs/FLUX.1-dev/tokenizer_2/tokenizer.json

backend/huggingface/black-forest-labs/FLUX.1-schnell/tokenizer_2/tokenizer.json

backend/huggingface/stabilityai/stable-diffusion-3-medium-diffusers/tokenizer_3/tokenizer.json