AI绘画工具部署Nunchaku FLUX.1-dev在ComfyUI中的分步安装指南1. 环境准备确保系统满足要求在开始安装前请确认您的系统满足以下基础要求1.1 硬件要求显卡NVIDIA显卡支持CUDA建议显存不低于24GB显存不足时可选择FP8量化版模型最新Blackwell架构显卡如RTX 50系列需使用FP4模型其他硬件内存建议32GB及以上存储至少50GB可用空间用于存放模型文件1.2 软件要求操作系统Windows 10/11或LinuxUbuntu 20.04推荐Python3.10或更高版本CUDA建议11.8或12.x需与PyTorch版本匹配Git用于代码仓库克隆1.3 前置工具安装执行以下命令安装必要工具# 安装huggingface_hub用于模型下载 pip install --upgrade huggingface_hub # 验证PyTorch安装 python -c import torch; print(torch.__version__, torch.cuda.is_available())2. ComfyUI与Nunchaku插件安装2.1 ComfyUI基础安装提供两种安装方式任选其一即可方法AComfy-CLI一键安装推荐新手# 安装ComfyUI CLI工具 pip install comfy-cli # 安装ComfyUI本体 comfy install # 安装Nunchaku插件 comfy noderegistry-install ComfyUI-nunchaku # 移动插件到正确目录 mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes方法B手动安装适合高级用户# 克隆ComfyUI仓库 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 安装依赖 pip install -r requirements.txt # 安装Nunchaku插件 cd custom_nodes git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes2.2 Nunchaku后端安装从v0.3.2版本开始可通过install_wheel.json一键安装后端# 进入ComfyUI根目录 cd ComfyUI # 执行安装脚本 python custom_nodes/nunchaku_nodes/install_wheel.json3. 模型文件下载与配置3.1 基础模型下载必须下载的基础模型包括文本编码器和VAE# 文本编码器模型 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 # VAE模型 hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae3.2 FLUX.1-dev主模型下载根据显卡类型选择合适的量化版本# 常规NVIDIA显卡推荐INT4 hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/ # Blackwell架构显卡需FP4 hf download nunchaku-tech/nunchaku-flux.1-dev svdq-fp4_r32-flux.1-dev.safetensors --local-dir models/unet/ # 显存不足选择FP8 hf download nunchaku-tech/nunchaku-flux.1-dev svdq-fp8_r32-flux.1-dev.safetensors --local-dir models/unet/3.3 可选LoRA模型如需增强特定风格可下载LoRA模型# 创建LoRA目录 mkdir -p models/loras # 下载示例LoRA如FLUX.1-Turbo-Alpha hf download nunchaku-tech/flux.1-turbo-alpha diffusion_pytorch_model.safetensors --local-dir models/loras4. 工作流配置与启动4.1 准备工作流文件# 创建示例工作流目录 mkdir -p user/default/example_workflows # 复制Nunchaku示例工作流 cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/4.2 启动ComfyUI# 进入ComfyUI根目录 cd ComfyUI # 启动服务 python main.py启动后在浏览器中访问http://127.0.0.1:81884.3 加载工作流点击界面右上角Load按钮选择nunchaku-flux.1-dev.json工作流文件主要工作流节点说明NunchakuFLUXLoader: 模型加载器CLIP Text Encode: 提示词输入KSampler: 采样器设置VAEDecode: 图像解码输出5. 文生图实践指南5.1 基础参数设置提示词(Prompt)使用英文描述建议结构主体描述, 环境描述, 艺术风格, 质量要求 示例A cyberpunk girl with neon lights, futuristic city background, digital art, 8k resolution负面提示词(Negative Prompt)建议包含blurry, low quality, bad anatomy, extra limbs关键参数步数(Steps): 20-50关闭Turbo-Alpha时不低于20分辨率(Width/Height): 1024x1024显存不足可降低CFG Scale: 7-12控制创意与提示词的平衡5.2 生成示例代码如需通过API调用可使用以下Python示例import requests url http://127.0.0.1:8188/prompt data { prompt: { 3: { inputs: { text: A beautiful landscape, mountains, sunset, 8k, clip: [14, 1] }, class_type: CLIPTextEncode }, # 其他节点配置... } } response requests.post(url, jsondata) print(response.json())6. 常见问题解决6.1 显存不足问题症状生成时报CUDA out of memory错误解决方案确认使用INT4/FP8量化模型降低生成分辨率如768x768减少批处理数量(batch size)6.2 模型加载失败检查点确认模型文件路径正确主模型models/unet/LoRAmodels/loras/文本编码器models/text_encoders/VAEmodels/vae/检查文件完整性下载可能中断6.3 生成质量不佳优化方向改进提示词更具体、避免矛盾描述尝试不同采样器如dpmpp_2m调整CFG Scale值7-12之间尝试确保步数足够尤其关闭Turbo-Alpha时7. 进阶使用技巧7.1 LoRA组合应用同时加载多个LoRA时注意权重分配建议0.5-1.0示例工作流已预设LoRA加载接口7.2 自定义工作流可复制现有工作流后修改推荐保留的核心节点NunchakuFLUXLoaderCLIPTextEncodeKSamplerVAEDecode7.3 性能优化建议启用FLUX.1-Turbo-Alpha可提速2-3倍使用--highvram参数启动可提升大图生成稳定性定期清理ComfyUI/output目录释放空间获取更多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。