教程简介
该教程为使用 ComfyUI 部署 AuraFlow 文生图模型,模型和相关环境配置已经搭建完毕,一键克隆即可进行推理使用,具体节点参数见下文。
AuraFlow v0.1 是完全开源的最大的基于流的文本到图像生成模型。这个模型在 GenEval 上实现了最先进的结果。是一次对大型整流流模型的开放式探索,在文生图任务上拥有更高的处理效率,更好的细节呈现。但目前该模型处于测试阶段。
效果展示
当前的提示词为:close-up portrait of dog(一只狗的特写肖像)
运行方法(启动容器后需要约 20s 初始化,之后再进行如下操作)
1. 运行开始一段时间后,复制 API 到浏览器中
2. 使用流程
如下图
生成的图像会自动保存在 /openbayes/home/output 中,也可以在 ComfyUI 界面右键已经生成的图像直接保存到本地。
3. 界面简介
此处注意:若意外删除了 ModelSamplingAuraFlow 节点导致无法生成或报错,可以在 /openbayes/input/input0/AuraFlow/comfy_workflow.json 处找到该节点文件,下载到本地后,直接将文件拖到 ComfyUI 界面即可自动连接节点;或通过该 ComfyUI 界面右侧的「load」功能上传该文件即可。如仍然报错可能是左侧模型没有选择正确
4. 参数简析
同时也可以调整模型的基础设置和参数。
(1) ModelSamplingAuraFlow 节点
模型独有的参数,在 1.73 左右时可以使生成的图片有更多细节
(2) CLIP Text Encode(Prompt) 节点
生成图像的提示词
- 上面的框填积极性质的词语(positive),有助于生成包含该词语元素的图片
- 下面的框填消极性质的词语(negative),避免生成包含该词语元素的图片
(3) Empty Latent Image 节点
- 「image width/height」即生成图像大小
- 「batch_size」批次大小,即一次性生成图片的数量,需要注意显存大小,否则可能由于显存不足而报错,在默认图片大小下,一般设置为 1 或 2
(4) KSampler 节点
- 「seed」即生成图像的随机种子,随机选择即可
- 「control after generate」意为产生种子后如何处理,分为 “递增”,“递减”,“固定”,以及随机这四种方式
- 「steps」即生成图像的步数
- 「cfg」即相关性,该值越大生产的图就越与提示词拟合,过大可能导致效果变差,默认为 3.5
- 在「sampler name」中可以选择采样器
- 在「scheduler」可以选择调度器
- 「denoise」即去噪程度,在模型中>0.8 时有较好表现,较低时生成图像质量极差,默认为 1
(5) 基础功能节点
此处只需点击「Queue Prompt」,其他按键会导致 ModelSamplingAuraFlow 节点被删除,须手动重新添加节点,较为麻烦。
- 「Queue Prompt」点击根据填写的提示词生成图像,第一次生成时会加载模型,速度较慢
- 「save」保存当前工作流,生成的图片会保存至 /home/output 文件夹中
- 「load」加载额外节点。此处注意:若意外删除了 ModelSamplingAuraFlow 节点导致无法生成或报错,可以在 /openbayes/input/input0/AuraFlow/comfy_workflow.json 处找到该节点文件,下载到本地后,直接将文件拖到 ComfyUI 界面即可自动连接节点;或通过该 ComfyUI 界面右侧的「load」功能上传该文件即可
- 「Load Default」可以生成默认的工作流。此处注意:该流内不包含 ModelSamplingAuraFlow 节点,生成默认工作流后需要重新加载该节点
- 「Reset view」回到默认视角
探讨交流
🖌️ 如果大家看到优质项目,欢迎后台留言推荐!另外,我们还建立了教程交流群,欢迎小伙伴们扫码备注【教程交流】入群探讨各类技术问题、分享应用效果↓