Z-Image-Turbo-AIO-Workflow

SeeSeeLP

200

도구

[Img2Img] Detection [Img2Img] ControlNet Advanced [Txt2Img]

세부 정보

파일 다운로드

이 버전에 대해

Z-Image-Turbo Img2Img 검출 - by sphiratrioth666

SAM2, SEGS 디테일링, 모델 업스케일러 및 그레인을 활용한 전문 워크플로우

🎯 핵심 기능:

✅ SAM2 세그멘테이션 - 정밀한 영역 검출
✅ SEGS 디테일러 - 선택적 디테일 강화
✅ 모델 업스케일러 - 고품질 업스케일링
✅ 그레인 추가 - 자연스러운 사진적 느낌
✅ 스마트 리사이징 - 적절한 파일 크기를 위해 2K/4K로 다운스케일
✅ 멀티-LoRA 지원 - 4개 LoRA 슬롯
✅ PURGE VRAM - 광범위한 메모리 정리
✅ 재생/정지 시스템 - 저장 전 테스트 가능

📦 필수 다운로드:

모델:

Z-Image-Turbo-AIO FP8/BF16
Z-Image-Turbo-Fun-Controlnet-Union.safetensors
모델 업스케일러 (ESRGAN과 같은 4x 업스케일러)
SAM2 모델 - 세그멘테이션용
⚠️ ControlNet 위치: ComfyUI/models/model_patches/

커스텀 노드:

MXToolkit - 슬라이더
rgthree-comfy - LoRA 스택
comfyui_controlnet_aux
LayerUtility - PURGE + 효과
Impact Pack - SEGS 디테일러
SAM2 - 세그멘테이션
comfyui_image_metadata_extension

⚠️ ComfyUI 3.77+ 필요!

⚙️ 설정:

스텝: 9 (조정 가능)
CFG: 1.0 (조정 가능)
샘플러: res_multistep 또는 euler_ancestral
스케줄러: simple 또는 beta
가이드 크기: 조정 가능 (SAM2)
최대 크기: 조정 가능 (SEGS)

🎨 워크플로우 파이프라인:

입력 이미지 → ControlNet 가이던스
SAM2 세그멘테이션 → 자동 영역 검출
SEGS 디테일러 → 얼굴, 손, 디테일 강화
모델 업스케일 → 4x 업스케일링 (10K 해상도)
그레인 추가 → 자연스러운 사진 텍스처
2K/4K로 리사이징 → 적절한 파일 크기 (~10-20MB)

🔍 사용 방법:

입력 이미지 업로드
프리프로세서 선택 - ControlNet 유형
LoRA 로드 - 최대 4개 슬롯
프롬프트 작성 - 상세한 설명
슬라이더 조정 - CFG, 스텝, 가이드/최대 크기
PLAY 클릭 - 전체 디테일 파이프라인 실행
결과 확인 - 디테일 품질 점검
SAVE 클릭 - 최종 2K/4K 출력

🎯 특별한 점:

SAM2 세그멘테이션:

얼굴, 손, 중요한 영역을 자동으로 검출하여 선택적 강화를 수행합니다.

SEGS 디테일러:

필요한 부분에만 집중된 디테일 강화를 적용합니다. 다음 같은 일반적인 문제를 해결합니다:

흐릿한 얼굴
불명확한 손
업스케일링 시 사라진 디테일

모델 업스케일러:

고품질 업스케일러(ESRGAN 스타일)를 사용하여 10K 해상도에 도달합니다.

그레인 추가:

10K 해상도에서 미세한 사진적 그레인을 추가하여 자연스러운 느낌을 구현합니다. 강화된 영역을 부드럽게 융합합니다.

스마트 리사이징:

2K(2048px) 또는 4K(4096px)로 다운스케일하여:

적절한 파일 크기 (10-20MB vs 100MB 이상)
공유 및 저장 용이성
여전히 뛰어난 품질

🎛️ 슬라이더 제어:

가이드 크기 - SAM2 검출 민감도
최대 크기 - 최대 디테일 패치 크기
CFG - 가이던스 강도
스텝 - 생성 스텝
디노이즈 - 디테일 강화 강도
LoRA 1-4 - 개별 LoRA 강도

💡 고급 팁:

최상의 결과를 위해:

고품질 입력 사용 (1024px 이상)
SAM2로 자동 영역 검출 활용
검출이 부정확할 경우 가이드 크기 조정
디노이즈 값 높일수록 더 많은 디테일 변화
10K 해상도에서 그레인을 추가하면 가장 자연스러운 효과

사용 시기:

포트폴리오 최종 생성
최대 품질이 요구되는 전문 작업
얼굴/손 디테일이 필요한 이미지
사진적 사실감을 원할 때
출판 수준의 출력물

성능:

단순 워크플로우보다 더 오래 걸림 (~20-60초)
더 많은 VRAM 사용 (PURGE가 도움!)
최종 결과 가치 충분

🔧 다운스케일/BYPASS:

워크플로우에는 다음 옵션 포함:

다운스케일 - 2K/4K로 리사이징 (권장)
BYPASS - 전체 10K 해상도 유지 (거대한 파일!)

대부분의 사용자는 품질과 파일 크기의 균형을 위해 다운스케일된 버전을 선호합니다.

🧹 PURGE VRAM:

복잡한 처리 중 VRAM 누적을 방지하기 위해 파이프라인 전반에 걸쳐 여러 PURGE 노드를 사용합니다.

크레딧: sphiratrioth666의 고급 디테일러 워크플로우
기반: SeeSeeLP의 Z-Image-Turbo ControlNet 워크플로우
버전: Advanced NQ + ControlNet + SEGS 디테일러 에디션
업데이트: 2024년 12월

최대 품질과 디테일이 필요한 전문가를 위한 도구! ✨

"약간 과도하지만 매우 잘 작동합니다" - sphiratrioth666

모델 설명

🚀 Z-Image-Turbo 고급 워크플로우

작성자: sphiratrioth666

슬라이더, 멀티-LoRA, VRAM 관리 및 전문가 수준의 디테일링을 포함한 향상된 워크플로우.

이 워크플로우는 진정한 업그레이드입니다! 🚀

🎉 sphiratrioth666의 고급 워크플로우

이 워크플로우는 사용자 sphiratrioth666가 원래의 Z-Image-Turbo-AIO 워크플로우를 수정하고 향상시킨 것입니다.

그는 의미 있는 개선사항을 통합하고, SAM2 + SEGS를 활용한 완전히 새로운 DETAILER 워크플로우를 개발했습니다!

그에게 큰 감사와 모든 크레딧을 드립니다! 🙏

그의 작업을 확인해보세요 — 이건 진짜 업그레이드입니다! 🚀

📦 세 가지 워크플로우 변형:

1. 🎨 Txt2Img (고급)

고급 제어 기능을 갖춘 순수 텍스트-이미지 생성

주요 기능:

인터랙티브 슬라이더(CFG, Steps, Denoise, Upscale)
개별 강도 제어가 가능한 4개 LoRA 슬롯
PURGE VRAM 자동 정리
재생/정지 시스템(최종 결과만 저장!)
2D 해상도 슬라이더(3:4, 4:3, 16:9)
개선된 미리보기/저장 순서(LQ → HQ)

사용 시기: 텍스트-이미지 생성에 최대한의 제어를 원할 때

추가 노드: MXToolkit, LayerUtility

2. 🎮 Img2Img + ControlNet

고급 제어 기능을 갖춘 ControlNet 정밀 생성

주요 기능:

Txt2Img의 모든 기능 PLUS:
ControlNet Union(Canny, Depth, Pose, HED, MLSD)
메가픽셀 확대(자동 비율 조정)
ControlNet 강도 슬라이더
입력 이미지 가이던스

사용 시기: 참조 이미지로 정밀한 제어가 필요할 때

추가 다운로드: ControlNet Union 파일(~2.5GB) 저장 위치: ComfyUI/models/model_patches/

3. ✨ Img2Img + ControlNet + DETECTION

선택적 디테일링을 위한 프로페셔널 파이프라인

주요 기능:

Img2Img의 모든 기능 PLUS:
SAM2 자동 세그멘테이션(얼굴, 손, 디테일)
SEGS 선택적 디테일러
모델 업스케일러(4배에서 10K 해상도까지)
사진적 룩을 위한 그레인 추가
스마트 2K/4K 리사이징(적절한 파일 크기)
여러 PURGE VRAM 노드

사용 시기: 최종 출력물에 최대 품질이 필요할 때

추가 노드: Impact Pack, SAM2
추가 다운로드: 업스케일러 모델, SAM2 모델

🆚 빠른 비교:

기능	Txt2Img	Img2Img	Detailer
입력 이미지	❌	✅	✅
ControlNet	❌	✅	✅
SEGS 디테일러	❌	❌	✅
복잡도	간단	중간	고급
속도	빠름(3-5초)	중간(5-10초)	느림(20-60초)
품질	높음	더 높음	최대
사용 사례	빠른 생성	제어된 생성	최종 포트폴리오

🎯 어떤 워크플로우를 선택할 것인가?

Txt2Img를 선택하세요:

✅ 순수 텍스트-이미지 생성
✅ 빠른 반복 및 테스트
✅ 여러 LoRA 실험
✅ 참조 이미지가 필요 없을 때

Img2Img + ControlNet을 선택하세요:

✅ 참조/입력 이미지가 있을 때
✅ 포즈/구성 제어가 필요할 때
✅ 스케치를 사진으로 변환할 때
✅ 건축 작업
✅ 가이드된 생성을 원할 때

Detailer를 선택하세요:

✅ 포트폴리오 작품 제작
✅ 전문/상업용 작업
✅ 완벽한 얼굴/손 디테일 필요
✅ 사진처럼 사실적인 텍스처 원할 때
✅ 최대 품질 필요
✅ 처리 시간이 길어도 괜찮을 때

✨ 공통 기능 (모든 워크플로우):

🎛️ 인터랙티브 슬라이더:

CFG, Steps, Denoise
LoRA 강도(4개 슬롯)
업스케일 파라미터
ControlNet 강도(Img2Img 변형)

🔄 Play/Stop 시스템:

녹색 PLAY = 생성/재생성
보라색 SAVE = 최종 결과만 저장
더러워진 저장 폴더 없음!

🧹 PURGE VRAM:

생성 후 자동 정리
메모리 누수 방지
모든 GPU에서 성능 향상

📦 멀티-LoRA:

4개 LoRA 슬롯
개별 강도 슬라이더
간단한 켜기/끄기(0.0으로 설정)

📸 메타데이터:

이미지에 자동 저장
CivitAI 업로드 용이

📥 다운로드:

주 모델:
Z-Image-Turbo-AIO FP8/BF16

ControlNet Union (Img2Img 변형용):
HuggingFace 다운로드
⚠️ 저장 위치: ComfyUI/models/model_patches/

온라인 테스트:
TensorArt (FP8)

🎯 필요한 커스텀 노드:

모든 워크플로우:

MXToolkit - 슬라이더 및 제어
rgthree-comfy - LoRA 스택
LayerUtility - PURGE VRAM
comfyui_image_metadata_extension

Img2Img + ControlNet:

comfyui_controlnet_aux - 전처리기
⚠️ ComfyUI 3.77+ 필요!

Detailer:

Impact Pack - SEGS 디테일러
SAM2 - 세그멘테이션
⚠️ ComfyUI 3.77+ 필요!

⚙️ 설정 (모든 워크플로우):

Steps: 9 (슬라이더 조절 가능)
CFG: 1.0 (슬라이더 조절 가능)
Sampler: res_multistep 또는 euler_ancestral
Scheduler: simple 또는 beta
부정 프롬프트 필요 없음

💡 프로 팁:

슬라이더 워크플로우:

기본값으로 시작, 필요에 따라 조정
LoRA를 0.0으로 설정해 비활성화
PLAY로 변형 테스트
최종 결과만 SAVE

ControlNet 강도:

0.3–0.5 = 미세한 가이던스
0.6–0.8 = 균형 잡힌 (권장)
0.9–1.0 = 강한 제어

Detailer:

1024px 이상 입력에서 최적
SAM2가 자동으로 영역 감지
그레인 10K = 가장 자연스러움
2K/4K로 다운스케일 추천

PURGE VRAM:

자동 실행
저사양 GPU에 도움
메모리 문제 방지

🎨 예시 워크플로우:

빠른 테스트 (Txt2Img):

LoRA 1~2개 로드 → 2. 프롬프트 작성 → 3. PLAY → 4. 슬라이더 조정 → 5. 다시 PLAY → 6. SAVE

제어된 생성 (Img2Img):

참조 이미지 업로드 → 2. 전처리기 선택 → 3. LoRA 로드 → 4. 프롬프트 작성 → 5. 강도 조정 → 6. PLAY → 7. SAVE

최종 정제 (Detailer):

입력 이미지 업로드 → 2. ControlNet 설정 → 3. LoRA 로드 → 4. 프롬프트 작성 → 5. PLAY(30~60초 대기) → 6. 2K/4K로 SAVE

❓ FAQ:

Q: 어떤 워크플로우부터 시작해야 할까요?
A: 학습용은 Txt2Img, 제어용은 Img2Img, 최종 결과용은 Detailer.

Q: 모든 워크플로우에 모든 커스텀 노드가 필요할까요?
A: 아니요. 각 워크플로우는 고유한 요구사항을 명시합니다.

Q: MXToolkit이란 무엇인가요?
A: 슬라이더 인터페이스를 제공하여 조정을 쉽게 만듭니다.

Q: 왜 PURGE VRAM이 필요한가요?
A: 생성 후 메모리를 정리합니다. 특히 8GB GPU에 매우 유용합니다.

Q: Detailer가 너무 느리다면요?
A: 네, 자원을 많이 소모합니다. 테스트용이 아니라 최종 이미지에만 사용하세요.

Q: 원래 워크플로우를 사용할 수 있나요?
A: 네! 이건 고급 버전입니다. 원래 워크플로우도 여전히 훌륭하게 작동합니다.

Q: MXToolkit이 ComfyUI 2.0과 호환되지 않나요?
A: 현재는 Node 2.0 인터페이스를 비활성화하세요. MXToolkit 호환성은 곧 업데이트될 예정입니다.

🙏 크레딧:

고급 워크플로우: sphiratrioth666
원본 워크플로우: SeeSeeLP
베이스 모델: 통이랩(알리바바 그룹) - Z-Image-Turbo
라이선스: Apache 2.0

놀라운 개선을 해주신 sphiratrioth666에게 감사드립니다! 🎉

📊 시스템 요구 사항:

최소 사양:

VRAM: 8GB (모든 워크플로우는 RTX 4060에서 테스트됨)
RAM: 16GB (Detailer용으로는 32GB 권장)
ComfyUI: 3.77+ (ControlNet/Detailer용)

Detailer 추가 요구 사항:

더 긴 처리 시간(~30-60초)
SAM2 및 업스케일러 모델
인내심! 😄

업데이트: 2025년 12월
호환성: Z-Image-Turbo-AIO FP8 & BF16
테스트: RTX 4060 8GB, RTX 5090

"Z-Image 워크플로우를 대폭 업그레이드했습니다" - sphiratrioth666

세 가지 워크플로우를 모두 시도해보고 당신의 완벽한 설정을 찾아보세요! 🚀

이 모델로 만든 이미지

정렬

이미지를 찾을 수 없습니다.

모델 유형	워크플로우
기본 모델	ZImageTurbo
게시일	12/13/2025