GGUF: HyperFlux Unchained 8-Steps (Flux Unchained + ByteDance HyperSD LoRA)

[注意：解压下载文件以获取GGUF格式。Civitai原生不支持，因此采用此变通方法]

这是 FluxUnchained 与字节跳动的 HyperSD LoRA 的合并版本，并已转换为 GGUF 格式。因此，它现在可以在仅8步内生成艺术风格的NSFW图像，且极低显存消耗。Q_4_0 模型在我配备1080ti的显卡上，仅需约6.5GB显存，8步生成一张1024x1024图像耗时约1.5分钟。[详见 https://github.com/lllyasviel/stable-diffusion-webui-forge/discussions/1050，了解更多关于Forge UI对GGUF的支持，以及如何下载VAE、clip_l和t5xxl模型。]

您还可以将它与其他LoRA结合使用，以获得您想要的效果。

相较于 FastFlux Unchained 和 HyFU 的优势

• 质量显著更优：与Schnell类模型（如HyFU）相比，8步内即可获得更高的质量和表现力。

• CFG/引导敏感度：由于这是DEV模型，不同于混合模型，它能提供完整的（蒸馏）CFG敏感度——即您可以自由控制提示敏感度与创造力、柔和度与饱和度之间的平衡。

• 完全兼容Dev LoRA，兼容性优于Schnell模型。

• 唯一缺点：为获得最佳质量，需使用8步生成。但即便如此，您在使用Schnell模型时，大概率也会尝试至少8步以获得最佳效果。

我该下载哪个模型？

[当前情况：使用更新后的Forge UI和Comfy UI（GGUF节点），我可以在11GB显存的1080ti上运行Q8_0模型。]

请选择适合您显存容量的模型。若模型能完全加载至GPU，额外的推理开销非常小。模型尺寸排序：Q4_0 < Q4_1 < Q5_0 < Q5_1 < Q8_0。

• Q4_0 和 Q4_1 适合 8GB 显存
• Q5_0 和 Q5_1 适合 11GB 显存
• Q8_0 适合显存更高的设备！

注意：启用CPU卸载后，即使模型超出您的显存容量，也能运行。

所有与Flux.1 Dev相关的许可条款均适用。

PS：感谢字节跳动提供 Hyper-SD Flux 8步LoRA，详见 https://huggingface.co/ByteDance/Hyper-SD/tree/main