Flux FP8 Dual CFG Workflow

このComfyUIワークフローは、AmericanPresidentJimmyCarterが開発した、FLUX.1 devモデルを使用したLoRA強化画像生成のための推論手法を実装しています。このワークフローは、2つのKSamplerを使用して推論プロセスを分割し、異なるタイムステップで異なるCFGスケールを適用します。

これは現在、AndroFluxを最適に使用する方法です。

このワークフローでは、すべて統合されたFluxチェックポイントを使用してください。または、2つのKSamplerをそのままコピーして、ご自身のワークフローに貼り付けてください。

主要な手法：

• デュアルKSampler構成：

  1. 初期KSampler（タイムステップ 0-2）：

     • CFG: 1.0（無効化）

     • ステップ: 3

     • Denoise: 1.00

     • VAEデコード: False

  2. 精錬KSampler（タイムステップ 3-30）：

     • CFG: 3.0

     • ステップ: 27

     • Denoise: 0.93（総ステップ数に応じて調整）

     • VAEデコード: True

ポイント：

• 推論最適化： この設定は、Jimmyのflux_lora_cfg.pyで採用されているCFG調整戦略を模倣しています。画像の基礎を確立するために最初は中立的なCFGを使用し、その後、詳細の精錬とプロンプトの忠実度向上のためにより強力なガイダンスを適用します。

• FP8量子化チェックポイント： このワークフローは、FLUX.1[dev]のFP8量子化バージョンを使用しています。このバージョンはVAEとテキストエンコーダーを1つのファイルに統合しています。このすべて統合モデル（flux1-dev-fp8.safetensors）は便利ですが、量子化のため品質に若干のトレードオフがあります。

以前のワークフローとの違い：

• 統合チェックポイント： 私の以前のワークフローではモデルコンポーネントを別々のファイルで使用していましたが、このバージョンでは1つの統合チェックポイントを使用しています。便利ですが、このFP8バージョンは元の非量子化ファイルと比較して、やや品質が劣る可能性があることに注意してください。

• ダイナミックCFG戦略： デュアルKSamplerアプローチにより、生成プロセスに対するより繊細な制御が可能になり、Flux LoRAの最適なCFGタイミングに関するJimmyの発見を直接実装しています。

ComfyUIにおけるFluxワークフローの詳細については、公式ComfyUI Fluxドキュメントを参照してください。