Joe's F1.S Sampling Workflow with Aspect Ratio Selector (and Loras)
詳細
ファイルをダウンロード
モデル説明
Schnellの画像生成を少し調整して、より少ない労力でより良い画像を得るよう工夫しています。私はSchnellの大ファンであり、Dev用にも同様のノードを使用していますが、こちらではサンプリングシフトレベルをゼロにし、アスペクト比を画像入力として受け取るため、ピクセルサイズを推測する必要がありません。このワークフローをDev用にもそのまま適用できます。お好きに使ってください。私はこれらを他の人々がComfyUIを学ぶのを支援するために投稿しているだけで、専門家ではありません。
このワークフローで意図的にfp8を使用しているのは、16GB VRAM搭載のカードを使っているユーザーがNF4やGGUFを使うのをやめてほしいからです。それらは不要です！FluxのHugging Faceからフルbf16モデル、または私の現在使用している非標準のPixelWaveのfp16モデルを読み込み、このワークフローのローダーで重みを変換（読み込み時間が若干長くなります）すれば、16GBのVRAM（あるいはそれ以下）でも非常に高品質な画像を生成できます。このワークフローで添付するすべての画像は、標準のテキストエンコーダーと、Hugging Faceの標準bf16モデルまたはPixelWave 01 Schnellをfp8重みに変換したものを使っています。
Comfyを以下のように起動しています（はい、LowRAMモードですが、私は4090を使用しています。この設定によりComfyはメモリオフローティングタスクに最適なモードに入ります）：
python main.py --listen --lowvram --cuda-malloc --force-channels-last --force-upcast-attention
および
set PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
と
set CUDA_AUTO_BOOST=1
使用方法：
- アスペクト比を幅（w）と高さ（h）で設定してください。
- 入力画像のサイズを設定してください。通常は1メガピクセルですが、大胆であれば2メガピクセルまで可能です。
これにより、正しいピクセル数の空のブラック潜在空間が生成されます。
- プロンプトを入力してください。このSchnellワークフローにはCFGや条件付けは含まれていません。Dev版では条件付けが可能です。
- Schnellについては、ステップやサンプラー、スケジューラを変更しないことをお勧めします。ただし、LCM/BetaやEuler/Exponentialを使用して、指定ステップ数より前にサンプリングを停止すると、いくつかの良好な結果が得られています。
好きなアップスケーラーをお使いください。私はOpenModelDBのNomosシリーズを非常に気に入っています。このワークフローで使用しているモデルはこちらです：https://openmodeldb.info/models/4x-NomosWebPhoto-esrgan