Joe's Adaptive Guidance GGUF FLUX.1-schnell Workflow

简介

在发现自适应引导自定义节点后，这个节点是一种简单的自定义节点，以新颖的方式调整采样引导，这不仅解锁了去蒸馏模型，还让蒸馏的超模型和Schnell模型产生了有趣的结果——我依然非常喜爱Schnell模型，因为它采用Apache许可证。因此，我想创建一个非常简单的工作流与大家分享，该工作流同时使用GGUF UNet和GGUF文本编码器！

我之前测试的其他工作流主要侧重于帮助他人学习，但这是第一个我真正希望人们能直接用来轻松生成图像并更深入接触ComfyUI的工作流，因为我已完全弃用Forge和WebUI。

请留下评论。

此工作流已在Windows 2022和Windows 11系统上，使用4060Ti、4080 Super和4090显卡测试通过。

LoRA

我已测试过此工作流与LoRA的兼容性，最佳做法是直接将LoRA作为独立节点拖入工作流并连接，或使用Power LoRA加载器。

UNet模型（Flux）

你需要一个GGUF模型（不建议使用低于Q6的量化版本）放在UNET文件夹中。

推荐模型：
Flux Fusion V2 GGUF（最佳效果）
或
任何以GGUF格式的Schnell基础模型或合并模型

所提供的设置适用于超模型和Schnell模型，但不适用于dev模型和去蒸馏模型。虽然此工作流可调整以支持dev和去蒸馏模型，但这并非本工作流的设计初衷。

VAE

我使用官方Schnell Hugging Face页面提供的VAE，但AE版本也能正常工作。目前Flux对VAE模型的差异似乎很小。

GGUF文本编码器

你还需要clip_l和t5的GGUF版本，建议使用Q6或Q8：
https://huggingface.co/city96/t5-v1_1-xxl-encoder-gguf
这能加快clip的加载与卸载速度。

必需的自定义节点：

自适应引导适配器在这里：
https://github.com/asagi4/ComfyUI-Adaptive-Guidance

如果你还没有GGUF插件，它在这里，可同时解锁文本编码器和UNet的GGUF支持：
https://github.com/city96/ComfyUI-GGUF

宽高比空图像

你会注意到我使用了宽高比选择器，我真心希望这能普及开来。如果没有自定义节点，你也可以直接输入宽高比，如16/9、4/3、3/5等，再加上基础兆像素数，系统就会生成你想要的图像。