Flux1-DedistilledMixTuned
详情
下载文件
模型描述
V3.0-Krea 版本：
Flux.1-Dev-Krea 模型提升了 Dev 模型的艺术风格与写实摄影能力，但人像的清晰度和美感有所下降，尤其与原 Dev 模型训练的 LoRA 兼容性较差。本 V3.0-Krea 保留了 Krea 模型的主要优势，提升了图像清晰度及与原 Dev 模型 LoRA 的兼容性，但 LoRA 兼容性改善有限（主要指人像与风格 LoRA，其他 LoRA 及 CN 表现尚可），效果不够理想，这是本版本的遗憾之处，请大家慎重下载。
Flux.1-Dev-Krea 在艺术风格与写实摄影能力上优于 Dev 版本，但人像的清晰度与美感削弱，尤其与原 Dev 模型训练的 LoRA 兼容性极差。V3.0-Krea 保留了 Krea 模型的核心优势，提升了图像清晰度并增强对原 Dev 模型 LoRA 的兼容性，但 LoRA 兼容性提升有限（主要指人像和风格 LoRA，其他 LoRA 及 CN 表现尚可），效果不尽如人意，这是本版本的遗憾之处，请谨慎下载。
建议使用 GNER-T5-XXL 替代 T5-XXL，以获得更佳的提示词理解能力，您可从 /model/1888454 下载，或从我的 HF 仓库下载。
推荐使用 GNER-T5-XXL 替代 T5-XXL 以获得更优的提示词理解能力，您可从 /model/1888454 或我的 HF 仓库下载。
部分示例图：
模型使用：
基础组合：deis+simple / euler+beta，可尝试其他组合。
基础：deis+simple / euler+beta，可尝试更多不同组合。
===========================================================================
V3.0-PAP 版本：
V3.0-PAP：专为人物肖像与艺术摄影优化的基础模型。本模型在构图、光影及东方人脸形态等方面进行了专项优化，进一步增强面部模型的敏感性与适配性。
相较于 Dev 原版模型，本版本在人种与脸型表现上更真实、更丰富，面部示例图源自以下作者的 LoRA 模型，在此致谢！如涉及侵权，请告知立即删除。
人像与艺术摄影优化基础模型。本模型在构图、光影、东方人脸形态方面进行了专项优化，进一步提升面部模型的敏感性与适配性。
与 Flux.1 Dev 原版模型相比，本版本在种族与脸型表现上更真实、更丰富，面部示例来自以下作者的 LoRA 模型，谨表感谢！若存在侵权，请告知立即删除。
https://civitai.com/user/el_fluppe
https://civitai.com/user/wolfcatz
https://civitai.com/user/seanwang1221
https://civitai.com/user/nawusijia
模型使用简易指南：
基础构图：deis+simple / euler+beta；噪声更多：ddim/dpm_2/dpmpp_2+beta/beta57/sgm_uniform；细节更丰富、更具想象力：heunpp2+ddim_uniform；放大：UltimateSDUpscale/TTP；胶片效果：添加 LUT（35mm/AGAF/Kodak）；或基于您自身环境的最佳测试组合。步数建议 20-30。工作流请参考示例图。
基础：deis+simple / euler+beta；更多噪声：ddim/dpm_2/dpmpp_2+beta/beta57/sgm_uniform；更丰富细节、更具想象力：heunpp2+ddim_uniform；放大：UltimateSDUpscale/TTP；胶片效果：添加 LUT（35mm/AGAF/Kodak）；或根据您的环境测试最佳组合。步数 20-30。工作流见示例图。
一个有趣的面部模型 LoRA 控制示例：
===========================================================================
DedistilledMixTuned Dev V3.0:
中国农历蛇年重磅升级！
V3.0 版本全面升级，可能是当前所有 Flux Dev 微调模型中，模型能力最均衡、LoRA 兼容性、真实感、出图质量与艺术创作力最接近 Flux Pro 的模型。（为便于评测对比，本模型的种子与原 Dev 模型基本对齐）
全面升级的 V3.0 版本，可能是目前 Flux Dev 微调模型中，模型能力最均衡、LoRA 兼容性、真实感、图像质量与艺术创作力最接近 Flux Pro 的模型。（为便于评估对比，本模型的种子与原 Dev 模型基本对齐）
V3.0 版本使用指南：
模型通过分层融合技术消除反蒸馏干扰，与原版 Flux.1 Dev 完全兼容，并具有更高的 LoRA 权重敏感性。1024x1024 及以下分辨率，建议使用 euler/deis + normal/beta/simple 等组合；1024–2048 高分辨率图像，建议使用 ddim/dpm_2/dpmpp_2m/heunpp2 + ddim_uniform/beta。
细节最强：dpmpp_2m+beta；艺术性最佳：heunpp2+ddim_uniform
建议：KSampler，20–30 步。工作流请参考图示：https://civitai.com/images/53432419
模型通过分层融合技术消除反蒸馏干扰，与原版 Flux.1 Dev 完全兼容，并具有更高的 LoRA 权重敏感性。1024x1024 及以下分辨率，建议使用 euler/deis + normal/beta/simple 等组合；1024–2048 高分辨率图像，建议使用 ddim/dpm_2/dpmpp_2m/heunpp2 + ddim_uniform/beta。
细节最强：dpmpp_2m+beta；艺术性最佳：heunpp2+ddim_uniform
建议：KSampler，20–30 步。工作流请参考图示：https://civitai.com/images/53432419
===========================================================================
DedistilledMixTuned Dev V2.0:
2025 新年献礼！历时一个多月打磨，在 V1.0 基础上全面升级至 V2.0 版本，在照片级真实感、细节表现、出图速度、LoRA 兼容性、光影和谐度等方面实现全新平衡。
2025 新年礼物！经过一个多月的训练与微调，V2.0 版本在 V1.0 基础上全面升级，于照片级真实感、细节体现、出图速度、LoRA 兼容性与光影和谐度等方面达成全新平衡。
===========================================================================
DedistilledMixTuned Schnell V1.0:
可能是目前所有基于 Flux.1 Schnell 的模型中，能在 4–8 步内快速出图、最大程度还原原版 Flux Schnell 构图风格、提示词遵循能力强，且在图像质量、细节表现、真实感与风格多样性方面取得最佳平衡的开源可商用 Schnell 基础模型。
仅需 4 步，该模型在图像质量、细节、真实感与风格多样性方面，可能优于其他所有基于 Flux.1 Schnell 的微调模型，且具备出色的提示词还原能力与原版 Flux 模型风格遵循能力。
基于 FLUX.1-schnell，融合了 LibreFLUX，并通过 ComfyUI、Block_Patcher_ComfyUI、ComfyUI_essentials 等工具微调。建议步数 4–8，通常 4 步即可。相比其他 Flux.1 Schnell 模型，图像质量与真实感大幅提升。
===========================================================================
DedistilledMixTuned Dev V1.0:
可能是当前所有 10 步以内快速出图的 Flux 微调模型中，最忠实还原原版 Flux.1 Dev 风格、提示词遵循能力最强、图像质量最优、细节表现超越 Flux.1 Dev 模型、最接近 Flux.1 Pro 的基础模型。
可能是目前在 6–10 步内出图质量最佳的模型，在部分细节上已超越 Flux.1 Dev 模型，接近 Flux.1 Pro，且具有出色的提示词还原能力与原版 Flux.1 Dev 风格遵循能力。
基于 Flux-Fusion-V2，融合了 flux-dev-de-distill，并通过 ComfyUI、Block_Patcher_ComfyUI、ComfyUI_essentials 等工具微调。建议步数 6–10。相比其他 Flux.1 模型，图像质量大幅提升。
GGUF Q8_0 / Q5_1 / Q4_1 量化版本已同步测试并提供，未来将不再提供其他量化版本。如需其他量化，用户可自行下载 fp8 模型文件后按以下提示进行量化。
GGUF Q8_0 / Q5_1 / Q4_1 量化版本已测试并同步发布，不再提供其他量化版本。过度量化将丧失本模型高速高精度的优势，故不提供其他版本。您可下载 fp8 模型文件并按以下说明自行量化。
===========================================================================
推荐配置：
UNET 版本（仅模型）需搭配 Text Encoders 和 VAE，建议使用以下 CLIP 和文本编码器以获得更佳的提示引导效果：
Text Encoders: https://huggingface.co/silveroxides/CLIP-Collection/blob/main/t5xxl_flan_latest-fp8_e4m3fn.safetensors
VAE: https://huggingface.co/black-forest-labs/FLUX.1-schnell/tree/main/vae
GGUF 版本：需安装 GGUF 模型支持节点，https://github.com/city96/ComfyUI-GGUF
简易工作流：以下为极简工作流，无需任何其他 ComfyUI 自定义节点（GGUF 版本请使用 city96 的 UNET Loader(GGUF) 节点）：
===========================================================================
洗去蒸馏油腻，回归模型本真，致力打造最纯正的 Flux 优质底模！
去除蒸馏干扰，回归模型本源。
如果您使用后觉得效果不错，请多多分享作品，感谢支持！
若您使用后认为模型表现良好，请多分享生成图，非常感谢！
感谢：
https://huggingface.co/black-forest-labs/FLUX.1-dev，一款优秀的开源文生图模型，依据 FLUX.1 [dev] 非商业许可发布。
https://huggingface.co/black-forest-labs/FLUX.1-schnell，一款优秀的开源文生图模型，依据 Apache-2.0 许可发布。
https://huggingface.co/Anibaaal，Flux-Fusion 是一款优秀的混合与微调模型。
https://huggingface.co/nyanko7，Flux-dev-de-distill 是一项出色的实验项目！感谢提供 inference.py 脚本。
https://huggingface.co/jimmycarter/LibreFLUX，一款免费的反蒸馏 FLUX 模型，为 FLUX.1-schnell 的 Apache 2.0 版本。
https://huggingface.co/MonsterMMORPG，Furkan 分享了大量 Flux.1 模型测试与调参课程，对反蒸馏模型进行过特殊测试。
https://github.com/cubiq/Block_Patcher_ComfyUI，cubiq 的 Flux 块修补采样器让我深入测试并理解 Flux.1 块参数如何影响图像生成。其 ComfyUI_essentials 中的 FluxBlocksBuster 节点让我能轻松调整块值，这是卓越的工作！
https://huggingface.co/twodgirl，分享模型量化脚本与测试数据集。
https://huggingface.co/John6666，分享模型转换脚本与模型合集。
https://github.com/city96/ComfyUI-GGUF，原生支持 GGUF 量化模型。
https://github.com/leejet/stable-diffusion.cpp，提供纯 C/C++ 的 GGUF 模型转换脚本。
注意：为便于转换为 GGUF Q5/Q4，可使用 https://github.com/ruSauron/to-gguf-bat 脚本，下载后与 sd.exe 放入同一目录，然后在资源管理器中将我的 fp8.safetensors 文件拖入 bat 文件，将弹出 CMD 窗口，按菜单提示转换所需模型。
许可证
权重依据 FLUX.1 [dev] 非商业许可证发布。