nunchaku-Z-image_to_SDXL
详情
下载文件
模型描述
nunchaku-Z-image_to_SDXL
此工作流的目的是将 ZIT 优秀的提示追踪与高画质，与 illustrious-SDXL 丰富的 AGC 角色资源相结合。
换句话说，ZIT 尚未学习的角色，可以通过 illustrious-SDXL 已学习的资源进行表达，而无需使用 LoRA。
它结合了 nunchaku-Z-image-turbo 和 SDXL，实现极快的生成速度。
这是我使用它的方式，但你可以自由地以自己的方式使用它。
SVDQ Nunchaku-Z Image Turbo 与 SDXL 工作流
与 Z-image-Turbo 到 SDXL（工作流） 相比，生成速度极快。
要求
ComfyUI 版本 0.6 或更高
安装或更新至 Nunchaku 1.1.0 版本
安装或更新至 ComfyUI-nunchaku 1.1.0 版本
模型
nunchaku-z-image-turbo 或 Z-Image Turbo - 低显存量化版
Illustrious 模型
Civitai | 分享你的模型 Illustrious Checkpoint
也推荐我的合并模型：
Luc_meqemeqe - v1.0 | Illustrious Checkpoint
DMD2 速度 LoRA
dmd2_sdxl_4step_lora_fp16 或 dmd2_sdxl_4step_lora_fp32
非常感谢 Simplesmente！
此官方工作流必须在使用前正确运行。
https://nunchaku.tech/docs/ComfyUI-nunchaku/workflows/zimage.html#nunchaku-z-image-turbo-json
我使用来自 Stability Matrix 的 ComfyUI 0.6.0
重新安装 ComfyUI
PyTorch 2.9.1+cu130（2025年12月30日）
通过 Manager 安装 ComfyUI-nunchaku 并重启
Nunchaku 安装器
添加“预览”为文本
连接
模式：选择更新节点并运行
按照文本提示按 "R"
版本：1.1.0
模式：安装
然后运行
成功！已安装
重启 ComfyUI
下载此工作流并拖放
此时会弹出对话框，请将每个模型下载至指定文件夹。
将 nunchaku-z-image-turbo 下载至 "diffusion_models" 文件夹
(.\StabilityMatrix\Data\Packages\ComfyUI\models)
nunchaku-tech/nunchaku-z-image-turbo at main
RTX50xx 使用 fp4，RTX40xx、30xx 使用 int4
我拥有 RTX5060Ti 16GB，因此选择 fp4_r128
下载模型并放置于指定文件夹，按 "R" 更新模型。
"RUN"
同样，拖放此工作流 "nunchaku-Z-image_to_SDXL.json"
缺失节点将通过 Manager 的“缺失自定义节点”功能自动安装
重启
Checkpoints 文件夹存放您选择的 Illustrious Checkpoint。
DMD2 速度 LoRA 放入 loras 文件夹
dmd2_sdxl_4step_lora_fp16 或 dmd2_sdxl_4step_lora_fp32
下载模型并放置于指定文件夹，按 "R" 更新模型。
"RUN"
如果您想在 nunchaku-z-image-turbo 中使用 LoRA，
请安装以下自定义节点：