CNXL Compact

这是一个专为SDXL设计的ControlNet工作流，旨在视觉上紧凑简洁，便于使用。

此工作流使用CLIP L和CLIP G，而大多数人甚至没有意识到，这才是使用SDXL的正确方式。这是一个双正向提示系统。理论上，你应当分别为两个CLIP模型设置不同的提示，但大多数人通常对两者使用相同的提示。CLIP L在处理关键词方面表现更优，而CLIP G在自然语言理解上更出色，对两者使用不同提示可能获得更好的效果。

此工作流集成了Kohya Deep Shrink高分辨率修复、无限LoRA加载器，并默认配置了DMD2加速和LCM采样设置。Kohya高分辨率修复建议在block_number为16–32时使用，其余参数可保持默认。它可在1024x1024分辨率下使用，但通常建议在生成高于此分辨率的图像时启用。我发现使用1500x1500分辨率时，图像质量显著提升且保持连贯性。如果你未获得理想效果，可尝试通过选中节点并按Ctrl+B来启用/禁用Kohya或CLIP模型节点进行实验。

默认情况下，负向提示已被最小化。我认为这是一种节省空间的优秀方案，因为大多数人要么不使用负向提示，要么在所有生成中使用相同的负向提示，而CFG 1本就忽略负向提示。点击“负向提示”旁边的方框可展开该节点，以便在需要时使用。

---

所需模型：

CLIP L: https://huggingface.co/comfyanonymous/flux_text_encoders/resolve/main/clip_l.safetensors?download=true

CLIP G: https://huggingface.co/second-state/stable-diffusion-3.5-large-GGUF/resolve/main/clip_g.safetensors?download=true

DMD2 LoRAs：

FP32: https://huggingface.co/tianweiy/DMD2/resolve/main/dmd2_sdxl_4step_lora.safetensors?download=true

FP16: https://huggingface.co/tianweiy/DMD2/resolve/main/dmd2_sdxl_4step_lora_fp16.safetensors?download=true

SDXL ControlNet模型：

/model/136070/controlnetxl-cnxl

推荐的ControlNet模型：

ControlNet Union: /model/136070?modelVersionId=655749

ControlNet Union ProMax: /model/136070?modelVersionId=655836