FLUX.Model.Merge-Detail.Enhancement.and.Acceleration

来自创作者本人 （链接）:: 超棒 : ) 来自下方聊天

当我运行这个时，通常会在 ComfyUI 中使用三个串联的采样器。

这里使用 teacache 设置在约 0.25。CFG 设为 1.5 在第一个采样器上最为关键，因为它能更一致地定义初始噪声，虽然会牺牲一些速度。

例如，在 45 步时：

KSampler Adv #1：启用添加噪声，步骤 45，CFG 1.5，采样器 ipndm，调度器 kl_optimal，起始步骤 0，结束步骤 15，返回时保留噪声：是

KSampler Adv #2：禁用添加噪声，步骤 45，CFG 1.5，采样器 gradient_estimation，调度器 kl_optimal，起始步骤 15，结束步骤 30，返回时保留噪声：是

KSampler Adv #3：禁用添加噪声，步骤 45，CFG 1.0，采样器名称 res_multistep，调度器 kl_optimal，起始步骤 30，结束步骤 45，返回时保留噪声：否

在 24 步时使用以下组合效果良好：

ipndm_v > euler > dpmpp_2m

调度器使用 sgm_uniform。

---

设置并上传中---

已测试，速度很快 : )

- 缺点：可能内置的细节增强器会覆盖添加的 LoRA

请忽略示例中的提示词，其余数据均正常

优势在于：相同步数下，此模型生成效果比其他模型更精致。

首先是 Detail Plus! 8 步，我通常使用 12 步。

其次是 16 步，我通常使用 20 步。

Merge-Detail.enhancement.and.Acceleration

合并模型，基于基础模型构建：

• Freepik 的 Flux.1-Lite-8B-alpha

• Flux-dev-de-distill

已应用细节增强与加速技术，尤其针对 NVIDIA 4XXX 显卡（可能也适用于 3XXX）优化。目标是实现高效率、低开销的加速模型。

（Detail Plus! De-Re-Distilled | Detail Plus! Distilled）模型可保持 CFG 在 1 左右。内置加速器大多能按预期工作。这些是工作流优化的产物，因此可能随时发生变化、出现或消失。

Detail Plus! - 基于基础模型 Freepik 的 Flux.1-Lite-8B-alpha：

所用细节增强技术：

• Style LORA - Extreme Detailer for FLUX.1-dev（权重：0.5）(模型链接)

• Best of Flux: Style Enhancing LoRA（权重：0.25）(模型链接)

加速贡献：

• 字节跳动，领先的 AI 技术公司，优化了以下模型：

  • Hyper-FLUX.1-dev-16steps

  • Hyper-FLUX.1-dev-8steps

信息与致谢来自 mdmachine