Z-Image-Turbo-AIO-Workflow
详情
下载文件
关于此版本
模型描述
🚀 Z-Image-Turbo 高级工作流
包含滑块、多LoRA、VRAM管理及专业细节增强的升级工作流。
这些工作流是重大升级！🚀
🎉 sphiratrioth666 的高级工作流
这些工作流由用户 sphiratrioth666 在原始 Z-Image-Turbo-AIO 工作流基础上修改并增强。
他整合了有意义的改进，并创建了全新的 DETAILER 工作流，集成 SAM2 + SEGS！
衷心感谢并完全归功于他！ 🙏
去看看他的作品吧——这些是真正的重大升级！🚀
📦 三种工作流变体：
1. 🎨 Txt2Img（高级）
纯文本到图像，配备高级控制
主要功能：
交互式滑块（CFG、步数、去噪、放大）
4个LoRA插槽，支持独立强度控制
自动 PURGE VRAM 内存清理
播放/停止再生系统（仅保存最终结果！）
2D分辨率滑块（3:4、4:3、16:9）
改进的预览/保存顺序（LQ → HQ）
适用场景： 当你需要对文本到图像生成实现最大程度控制时
额外节点： MXToolkit、LayerUtility
2. 🎮 Img2Img + ControlNet
ControlNet 精准控制，配备高级功能
主要功能：
包含所有 Txt2Img 功能，外加：
ControlNet Union（Canny、Depth、Pose、HED、MLSD）
兆像素缩放（自动保持宽高比）
ControlNet 强度滑块
输入图像引导
适用场景： 当你需要借助参考图像实现精准控制时
额外下载： ControlNet Union 文件（约2.5GB）保存路径： ComfyUI/models/model_patches/
3. ✨ Img2Img + ControlNet + DETECTION
专业级流水线，支持选择性细节增强
主要功能：
包含所有 Img2Img 功能，外加：
SAM2 自动分割（面部、手部、细节）
SEGS 选择性细节增强器
模型放大器（最高可放大至10K分辨率）
添加颗粒感以实现照片级质感
智能调整至2K/4K（合理文件大小）
多个 PURGE VRAM 节点
适用场景： 当你需要最高质量的最终输出时
额外节点： Impact Pack、SAM2
额外下载： 放大模型、SAM2模型
🆚 快速对比：
| 功能 | Txt2Img | Img2Img | Detailer |
|---|---|---|---|
| 输入图像 | ❌ | ✅ | ✅ |
| ControlNet | ❌ | ✅ | ✅ |
| SEGS 细节增强器 | ❌ | ❌ | ✅ |
| 复杂度 | 简单 | 中等 | 高级 |
| 速度 | 快（3-5秒） | 中等（5-10秒） | 慢（20-60秒） |
| 质量 | 高 | 更高 | 最高 |
| 使用场景 | 快速生成 | 受控生成 | 最终作品 |
🎯 何时使用哪种？
选择 Txt2Img 当：
✅ 纯文本到图像生成
✅ 快速迭代与测试
✅ 多LoRA实验
✅ 无需参考图像
选择 Img2Img + ControlNet 当：
✅ 拥有参考/输入图像
✅ 需要姿态/构图控制
✅ 草图转照片
✅ 建筑设计
✅ 希望获得引导式生成
选择 Detailer 当：
✅ 创作作品集
✅ 专业/商业用途
✅ 需要完美面部/手部细节
✅ 追求照片级纹理
✅ 要求最高质量
✅ 不介意更长处理时间
✨ 共享功能（全部三种）：
🎛️ 交互式滑块：
CFG、步数、去噪
LoRA 强度（4个插槽）
放大参数
ControlNet 强度（Img2Img 变体）
🔄 播放/停止系统：
绿色 PLAY = 生成/重新生成
紫色 SAVE = 仅保存最终结果
无杂乱的保存文件夹！
🧹 PURGE VRAM：
生成后自动清理内存
防止内存堆积
提升所有GPU性能
📦 多LoRA支持：
4个LoRA插槽
独立强度滑块
轻松开关（设为0.0）
📸 元数据：
自动保存至图像
便于 CivitAI 上传
📥 下载：
主模型：
Z-Image-Turbo-AIO FP8/BF16
ControlNet Union（用于Img2Img变体）：
HuggingFace 下载
⚠️ 保存路径：ComfyUI/models/model_patches/
在线测试：
TensorArt (FP8)
🎯 所需自定义节点：
所有工作流：
MXToolkit — 滑块与控制
rgthree-comfy — LoRA堆栈
LayerUtility — PURGE VRAM
Img2Img + ControlNet：
comfyui_controlnet_aux — 预处理器
⚠️ 需要 ComfyUI 3.77+
Detailer：
Impact Pack — SEGS细节增强器
SAM2 — 分割
⚠️ 需要 ComfyUI 3.77+
⚙️ 设置（所有工作流）：
步数： 9（滑块可调）
CFG： 1.0（滑块可调）
采样器： res_multistep 或 euler_ancestral
调度器： simple 或 beta
无需负面提示
💡 专业提示：
滑块工作流：
从默认值开始，按需调整
将LoRA设为0.0以禁用
使用 PLAY 测试不同变体
仅保存最终结果
ControlNet 强度：
0.3–0.5 = 轻微引导
0.6–0.8 = 平衡（推荐）
0.9–1.0 = 强力控制
Detailer：
最佳输入尺寸为1024px以上
让SAM2自动检测区域
在10K分辨率下添加颗粒感最自然
建议缩小至2K/4K
PURGE VRAM：
自动运行
对显存较小的GPU特别有帮助
避免内存问题
🎨 示例工作流：
快速测试（Txt2Img）：
- 加载1–2个LoRA → 2. 写入提示词 → 3. PLAY → 4. 调整滑块 → 5. 再次PLAY → 6. SAVE
受控生成（Img2Img）：
- 上传参考图 → 2. 选择预处理器 → 3. 加载LoRA → 4. 写入提示词 → 5. 调整强度 → 6. PLAY → 7. SAVE
最终润色（Detailer）：
- 上传输入图 → 2. 设置ControlNet → 3. 加载LoRA → 4. 写入提示词 → 5. PLAY（等待30–60秒）→ 6. SAVE 2K/4K
❓ 常见问题：
Q：我该从哪个工作流开始？
A：学习用Txt2Img，控制用Img2Img，最终作品用Detailer。
Q：所有工作流都需要所有自定义节点吗？
A：不需要——每个工作流都列出了其特定要求。
Q：什么是MXToolkit？
A：提供滑块界面，使调整更便捷。
Q：为什么需要PURGE VRAM？
A：生成后清理内存，对8GB显存显卡尤其有帮助。
Q：Detailer太慢了怎么办？
A：是的，它计算密集。仅用于最终图像，不用于测试。
Q：能用原始工作流吗？
A：当然可以！这些是高级版本，原始工作流依然表现优异。
Q：MXToolkit在ComfyUI 2.0中不工作？
A：请暂时禁用Node 2.0界面。MXToolkit兼容性即将更新。
🙏 致谢：
高级工作流： sphiratrioth666
原始工作流： SeeSeeLP
基础模型： 通义实验室（阿里巴巴集团）- Z-Image-Turbo
许可证： Apache 2.0
衷心感谢 sphiratrioth666 的卓越改进！ 🎉
📊 系统要求：
最低配置：
显存：8GB（所有工作流均在RTX 4060上测试）
内存：16GB（Detailer推荐32GB）
ComfyUI：3.77+（用于ControlNet/Detailer）
Detailer额外需求：
更长处理时间（约30–60秒）
SAM2与放大模型
耐心！😄
更新时间： 2025年12月
兼容性： Z-Image-Turbo-AIO FP8 & BF16
测试设备： RTX 4060 8GB、RTX 5090
"我大幅升级了你的Z-Image工作流" — sphiratrioth666
尝试所有三种工作流，找到最适合你的配置吧！ 🚀