ComfyUI 中 Nunchaku FLUX.1-dev 模型文生图使用手册

想用最新的 FLUX.1-dev 模型生成惊艳的图片，但被复杂的安装和配置劝退？别担心，这篇手册就是为你准备的。我们将手把手带你，在 ComfyUI 这个强大的图形化工具里，轻松部署并玩转 Nunchaku FLUX.1-dev 模型。从环境准备到生成第一张高清大图，每一步都清晰明了，让你快速上手，把创意变成现实。

1. 环境准备：搭建你的创作舞台

在开始之前，我们需要确保你的电脑“舞台”已经搭好，能够流畅运行 FLUX.1-dev 这个“重量级演员”。

硬件要求：你需要一块支持 CUDA 的 NVIDIA 显卡。为了获得最佳体验，建议显存在 24GB 或以上。如果你的显卡显存稍小（比如 12GB 或 16GB），也不用担心，我们后面会介绍占用显存更少的“轻量版”模型。

软件要求：

1. Python 3.10+：这是运行 ComfyUI 和模型的基础语言环境。
2. Git：用于从网上下载代码和插件。
3. PyTorch：深度学习框架，需要安装与你的系统和显卡驱动匹配的版本（如 torch 2.7, 2.8, 2.9 等）。

工具准备：首先，我们需要一个下载模型的工具。打开你的命令行终端（如 Windows 的 CMD 或 PowerShell，Mac/Linux 的 Terminal），输入以下命令来安装 huggingface_hub：

pip install --upgrade huggingface_hub

这个工具能帮助我们快速、稳定地从模型仓库下载所需的文件。

2. 安装部署：把核心组件请进门

环境就绪后，我们来安装 ComfyUI 和 Nunchaku 插件。这里提供两种方法，你可以选择最顺手的一种。

2.1 方法一：使用 Comfy-CLI（最快捷）

如果你喜欢命令行，追求一步到位，这个方法最适合你。

# 1. 安装ComfyUI的命令行管理工具
pip install comfy-cli

# 2. 安装ComfyUI本体（如果已经安装过，可以跳过）
comfy install

# 3. 安装Nunchaku插件
comfy noderegistry-install ComfyUI-nunchaku

# 4. 将插件移动到ComfyUI的正确目录
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

2.2 方法二：手动安装（更灵活可控）

如果你想更清楚地知道每一步在做什么，或者有自定义需求，可以选择手动安装。

# 1. 下载ComfyUI的源代码
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 安装ComfyUI运行所需的所有Python库
pip install -r requirements.txt

# 3. 进入自定义节点目录，下载Nunchaku插件
cd custom_nodes
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

2.3 安装 Nunchaku 后端

从 Nunchaku 插件 v0.3.2 版本开始，安装变得非常简单。完成上述插件安装后，你只需要在 ComfyUI 的网页界面里，找到并加载一个名为 install_wheel.json 的工作流文件，运行它，就能一键完成后端核心组件的安装或更新。

3. 模型准备：下载你的创意引擎

插件装好了，现在需要把“大脑”——也就是模型文件——请进来。FLUX.1-dev 模型由几个部分协同工作，我们需要分别下载。

3.1 配置示例工作流

为了让操作更直观，Nunchaku 插件提供了一些预设的工作流模板。我们先把它们复制到 ComfyUI 能识别的位置。

# 假设你现在在ComfyUI的根目录
cd ComfyUI

# 创建存放示例工作流的目录（如果不存在的话）
mkdir -p user/default/example_workflows

# 复制Nunchaku插件自带的工作流示例
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

3.2 下载基础模型文件（必装）

FLUX.1-dev 需要两个基础模型来理解文字和处理图像。

1. 文本编码器：负责理解你输入的文字描述。我们需要下载两个文件。
2. VAE 模型：负责在最后阶段将模型内部的数学表示解码成我们能看到的图片。

使用之前安装的 hf 工具，可以轻松下载：

# 下载文本编码器模型，会自动放到 models/text_encoders 目录
hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders
hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders

# 下载VAE模型，会自动放到 models/vae 目录
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

3.3 下载核心：Nunchaku FLUX.1-dev 模型

这是生成图片的主力模型。根据你的显卡型号和显存大小，需要选择不同的版本：

• Blackwell 架构显卡（如 RTX 50 系列）：请使用 FP4 量化版本。
• 其他 NVIDIA 显卡：优先使用 INT4 量化版本，在效果和速度间取得良好平衡。
• 显存不足时：可以选择 FP8 量化版本，它能大幅降低显存占用。

这里以最常用的 INT4 版本为例进行下载：

# 下载INT4量化的FLUX.1-dev主模型，存放至 models/unet/ 目录
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

3.4 （可选）下载 LoRA 模型

LoRA 是一种小型的附加模型，可以微调生成风格。比如，你可以加载一个“动漫风格”的 LoRA，让生成的图片都带有动漫感。它们需要放在 models/loras/ 目录下。常见的 LoRA 有：

• FLUX.1-Turbo-Alpha：可以加速生成过程。
• Ghibsky Illustration：赋予图片吉卜力动画般的风格。

你可以根据喜好从 Hugging Face 或 ModelScope 等平台搜索并下载对应的 LoRA 模型文件。

4. 启动与创作：让想象力飞起来

所有组件都已就位，现在启动 ComfyUI，开始你的创作之旅。

4.1 启动 ComfyUI

打开命令行，进入你的 ComfyUI 根目录，运行启动命令：

python main.py

稍等片刻，命令行会显示一个本地网络地址（通常是 http://127.0.0.1:8188）。在浏览器中打开这个地址，你就进入了 ComfyUI 的图形化操作界面。

4.2 加载专属工作流

在 ComfyUI 网页界面，点击右上角的 “Load” 按钮。在弹出的对话框中，你应该能看到之前在 user/default/example_workflows/ 目录下放置的文件。

请选择 nunchaku-flux.1-dev.json 这个工作流文件。 这是为 FLUX.1-dev 量身定制的，支持加载多个 LoRA，能发挥出模型的最佳文生图效果。

加载成功后，界面会呈现一个包含各种节点的流程图。不要被它吓到，我们只需要关注几个关键部分。

4.3 输入提示词并生成

1. 找到输入框：在工作流图中，找到一个标有 “CLIP Text Encode (Prompt)” 的节点，它旁边会有一个大的文本框。
2. 输入你的创意：在这个文本框里，用英文描述你想要生成的画面。FLUX 模型对英文提示词的理解更好。例如：A majestic dragon soaring above ancient Chinese palaces, detailed scales, cinematic lighting, 8k resolution（一条威严的龙翱翔在古老的中国宫殿上空，鳞片细节丰富，电影级光影，8K分辨率）。
3. 调整参数（可选）：你可以调整“采样步数”（一般 20-50 步，步数越多细节可能越好，但耗时越长）、“图片分辨率”等。如果显存紧张，可以降低分辨率。
4. 点击生成：点击界面上的 “Queue Prompt” 按钮。ComfyUI 就会开始工作，右侧的预览区域将逐步显示生成的图片。

第一次生成可能会稍慢，因为模型需要加载到显存中。完成后，你就能看到由 AI 根据你的描述绘制的图像了！

5. 关键要点与排错指南

为了确保过程顺利，这里有几个重要的注意事项和常见问题解决方法：

• 模型存放位置不能错：这是最常见的问题。请务必检查：
  • 主模型（如 svdq-int4_r32-flux.1-dev.safetensors）在 models/unet/ 目录。
  • LoRA 模型在 models/loras/ 目录。
  • 文本编码器（clip_l.safetensors, t5xxl_fp16.safetensors）在 models/text_encoders/ 目录。
  • VAE 模型（ae.safetensors）在 models/vae/ 目录。
• 显存与模型版本选择：
  • FP16 原版模型需要约 33GB 显存。
  • FP8 量化版需要约 17GB 显存。
  • INT4/FP4 量化版显存需求更低，是大多数用户的优先选择。
• 关于推理步数：如果你在 nunchaku-flux.1-dev.json 工作流中禁用了 FLUX.1-Turbo-Alpha 这个 LoRA，请务必将采样步数调整到 20 步以上，否则生成图片的质量会显著下降。
• 节点缺失报错：如果加载工作流时提示缺少某个节点，通常是因为缺少对应的自定义插件。你可以通过 ComfyUI 内置的 ComfyUI-Manager（一个插件管理工具）来搜索并安装缺失的节点。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。