Z-Image-Turbo-AIO-Workflow

SeeSeeLPSeeSeeLP
22
216
ツール
[Img2Img] Detection[Img2Img] ControlNetAdvanced [Txt2Img]

詳細

ファイルをダウンロード

モデル説明

🚀 Z-Image-Turbo アドバンスドワークフロー

by sphiratrioth666

スライダー、マルチLoRA、VRAM管理、プロフェッショナルなディテール調整を搭載した強化ワークフロー。

これらのワークフローは本格的なアップグレードです！ 🚀

🎉 sphiratrioth666 によるアドバンスドワークフロー

このワークフローは、オリジナルの Z-Image-Turbo-AIO をユーザー sphiratrioth666 が改良・強化したものです。

彼は意味のある改善を統合し、SAM2 + SEGSを用いた完全新規のDETAILERワークフローを構築しました！

彼への大きな感謝と完全なクレジットを捧げます！ 🙏

彼の作品をご覧ください — これらは本格的なアップグレードです！ 🚀

📦 3つのワークフローバリアント：

1. 🎨 Txt2Img（アドバンスド）

高度な制御機能を備えた純粋なテキスト→画像生成

主な特徴：

  • インタラクティブスライダー（CFG、ステップ、ノイズ除去、アップスケール）

  • 個別強度制御可能な4つのLoRAスロット

  • PURGE VRAMによる自動メモリクリーンアップ

  • Play/Stop再生システム（最終結果のみ保存）

  • 2D解像度スライダー（3:4、4:3、16:9）

  • 改善されたプレビュー/保存順序（LQ → HQ）

使用タイミング： テキスト→画像生成に最大限の制御を求める場合

追加ノード： MXToolkit、LayerUtility

2. 🎮 Img2Img + ControlNet

ControlNetによる精密制御と高度な機能

主な特徴：

  • Txt2Imgのすべての機能に加えて：

  • ControlNet Union（Canny、Depth、Pose、HED、MLSD）

  • メガピクセルスケーリング（自動アスペクト比）

  • ControlNet強度スライダー

  • 入力画像ガイドance

使用タイミング： 参照画像で精密な制御が必要な場合

追加ダウンロード： ControlNet Unionファイル（約2.5GB）保存場所： ComfyUI/models/model_patches/

3. ✨ Img2Img + ControlNet + DETECTION

セレクティブディテール処理を備えたプロフェッショナルパイプライン

主な特徴：

  • Img2Imgのすべての機能に加えて：

  • SAM2オートセグメンテーション（顔、手、ディテール）

  • SEGSセレクティブディテール処理

  • モデルアップスケーラー（4x〜10K解像度）

  • 写真的外観のためのグレイン追加

  • スマートリサイズ（2K/4K、適切なファイルサイズ）

  • 複数のPURGE VRAMノード

使用タイミング： 最終出力に最大の品質を求める場合

追加ノード： Impact Pack、SAM2
追加ダウンロード： アップスケーラーモデル、SAM2モデル

🆚 簡単比較：

機能 Txt2Img Img2Img Detailer
入力画像 ❌ ✅ ✅
ControlNet ❌ ✅ ✅
SEGSディテール ❌ ❌ ✅
複雑さ 簡単 中程度 高度
スピード 速い（3-5秒） 中程度（5-10秒） 遅い（20-60秒）
品質 高い より高い 最大
使用目的 クイック生成 制御された生成 最終ポートフォリオ

🎯 どのワークフローを選ぶべきか？

Txt2Imgを選ぶべきとき：

✅ 純粋なテキスト→画像生成
✅ クイックイテレーションとテスト
✅ 複数LoRAの実験
✅ 参照画像が不要な場合

Img2Img + ControlNetを選ぶべきとき：

✅ 参照・入力画像を保有している
✅ ポーズ・構図制御が必要
✅ スケッチ→フォト変換
✅ 建築デザイン
✅ ガイド付き生成を望む

Detailerを選ぶべきとき：

✅ ポートフォリオ作品を作成する
✅ プロフェッショナル・商業用途
✅ 顔・手のディテールを完璧にしたい
✅ 写真的テクスチャを求める
✅ 最大品質が必要
✅ 処理時間の長さを気にしない

✨ 共通機能（すべてのワークフロー）：

🎛️ インタラクティブスライダー：

  • CFG、ステップ、ノイズ除去

  • LoRA強度（4スロット）

  • アップスケールパラメータ

  • ControlNet強度（Img2Imgバリアント）

🔄 Play/Stopシステム：

  • 緑色のPLAY = 生成/再生成

  • 紫色のSAVE = 最終結果のみ保存

  • 雑多な保存フォルダは不要！

🧹 PURGE VRAM：

  • 生成後に自動でメモリをクリーンアップ

  • メモリの蓄積を防止

  • すべてのGPUでパフォーマンス向上

📦 マルチLoRA：

  • 4つのLoRAスロット

  • 個別強度スライダー

  • 簡単なオン/オフ（0.0に設定）

📸 メタデータ：

  • 画像に自動保存

  • CivitAIアップロードが簡単

📥 ダウンロード：

メインモデル：
Z-Image-Turbo-AIO FP8/BF16

ControlNet Union（Img2Imgバリアント用）：
HuggingFace ダウンロード
⚠️ 保存場所：ComfyUI/models/model_patches/

オンラインでテスト：
TensorArt (FP8)

🎯 必要なカスタムノード：

すべてのワークフロー：

Img2Img + ControlNet：

Detailer：

  • Impact Pack - SEGSディテール

  • SAM2 - セグメンテーション

  • ⚠️ ComfyUI 3.77+ 必須！

⚙️ 設定（すべてのワークフロー）：

ステップ： 9（スライダーで調整可能）
CFG： 1.0（スライダーで調整可能）
サンプラー： res_multistep または euler_ancestral
スケジューラー： simple または beta
ネガティブプロンプトは不要

💡 プロのヒント：

スライダーワークフロー：

  • デフォルト値から始め、必要に応じて調整

  • LoRAを0.0に設定して無効化

  • PLAYでバリエーションをテスト

  • 最終結果のみSAVE

ControlNet強度：

  • 0.3–0.5 = サブティールなガイド

  • 0.6–0.8 = バランス良好（推奨）

  • 0.9–1.0 = 強力な制御

Detailer：

  • 1024px以上の入力が最適

  • SAM2に領域を自動検出させる

  • グレインを10Kで適用 → 最も自然

  • 2K/4Kへのダウンスケールを推奨

PURGE VRAM：

  • 自動で実行

  • 低メモリGPUに有効

  • メモリ問題を防止

🎨 サンプルワークフロー：

クイックテスト（Txt2Img）：

  1. 1〜2個のLoRAをロード → 2. プロンプトを記入 → 3. PLAY → 4. スライダーを調整 → 5. 再度PLAY → 6. SAVE

制御された生成（Img2Img）：

  1. 参照画像をアップロード → 2. プリプロセッサを選択 → 3. LoRAをロード → 4. プロンプトを記入 → 5. 強度を調整 → 6. PLAY → 7. SAVE

最終仕上げ（Detailer）：

  1. 入力画像をアップロード → 2. ControlNetを設定 → 3. LoRAをロード → 4. プロンプトを記入 → 5. PLAY（30–60秒待機） → 6. 2K/4KでSAVE

❓ FAQ：

Q：どのワークフローから始めればいいですか？
A：学習にはTxt2Img、制御にはImg2Img、最終出力にはDetailer。

Q：すべてのワークフローにすべてのカスタムノードが必要ですか？
A：いいえ。各ワークフローは必要なノードを明示しています。

Q：MXToolkitとは？
A：スライダーインターフェースを提供。調整を簡単にします。

Q：なぜPURGE VRAMが必要ですか？
A：生成後にメモリをクリーンアップ。特に8GBカードで有効。

Q：Detailerが遅いのは？
A：はい、処理負荷が高いです。テストではなく最終画像にのみ使用してください。

Q：オリジナルワークフローは使えますか？
A：はい！これらは高度なバージョンです。オリジナルも十分に機能します。

Q：MXToolkitがComfyUI 2.0で動かないのは？
A：現在、Node 2.0インターフェースを無効化してください。MXToolkitの互換性は近日中に追加予定です。

🙏 クレジット：

アドバンスドワークフロー： sphiratrioth666
オリジナルワークフロー： SeeSeeLP
ベースモデル： 桐意実験室（アリババグループ） - Z-Image-Turbo
ライセンス： Apache 2.0

素晴らしい改善をありがとう、sphiratrioth666！ 🎉

📊 システム要件：

最低限：

  • VRAM：8GB（すべてのワークフローはRTX 4060でテスト済み）

  • RAM：16GB（Detailerは32GB推奨）

  • ComfyUI：3.77+（ControlNet/Detailer用）

Detailerはさらに必要：

  • 処理時間の増加（約30–60秒）

  • SAM2およびアップスケーラーモデル

  • 耐性！ 😄

更新日： 2025年12月
互換性： Z-Image-Turbo-AIO FP8 & BF16
テスト済み： RTX 4060 8GB、RTX 5090

"私はあなたのZ-Imageワークフローを大幅にアップグレードしました" - sphiratrioth666

すべての3つのワークフローを試して、最適な設定を見つけてください！ 🚀

このモデルで生成された画像

画像が見つかりません。