Skip to content

FLUX.1 टेक्स्ट-टू-इमेज: dev और schnell की लोकल डिप्लॉयमेंट ​

FLUX.1 Black Forest Labs का टेक्स्ट-टू-इमेज मॉडल है — यह कंपनी पूर्व Stable Diffusion टीम के सदस्यों द्वारा स्थापित की गई थी। ऑफ़िशियल ट्यूटोरियल इसका परिचय इस प्रकार देता है: सबसे बड़े ओपन-सोर्स टेक्स्ट-टू-इमेज मॉडल्स में से एक, 12B पैरामीटर, मूल फ़ाइलें लगभग 23GB, जो बेहतरीन इमेज गुणवत्ता और लचीलेपन के लिए जाना जाता है, और आर्किटेक्चर में Transformer तथा डिफ़्यूज़न मॉडल दोनों की खूबियाँ मिलाई गई हैं।

यह पेज आपको ऑफ़िशियल FLUX वर्कफ़्लो को शुरू से अंत तक चलाने में मदद करता है: पहले dev और schnell दो ओपन-सोर्स संस्करणों में अंतर समझें, फिर «फुल वर्ज़न के चार फ़ाइलों» से पहली इमेज जनरेट करें, और अंत में देखें कि कम VRAM वाले डिवाइस fp8 सिंगल-फ़ाइल वर्ज़न का उपयोग कैसे कर सकते हैं।

सीखने के बाद आप क्या कर सकेंगे ​

  • FLUX.1 के तीन भाइयों (Pro / dev / schnell) की पोज़िशनिंग और लाइसेंस में अंतर कर पाएंगे, और जानेंगे कि लोकल डिप्लॉयमेंट के लिए कौन-सा चुनें
  • FLUX.1 dev फुल वर्ज़न वर्कफ़्लो चला पाएंगे: चार मॉडल फ़ाइलें अपनी-अपनी जगह, 20 स्टेप में इमेज
  • एक क्लिक में schnell पर स्विच: केवल डिफ़्यूज़न मॉडल बदलें, स्टेप संख्या 4 करें, और तेज़ गति से इमेज जनरेट करें
  • कम VRAM वाले डिवाइस पर fp8 सिंगल-फ़ाइल checkpoint से FLUX चला पाएंगे, केवल एक मॉडल फ़ाइल इंस्टॉल करके
  • FLUX के अटल पैरामीटर याद रखेंगे: cfg 1, नेगेटिव प्रॉम्प्ट नहीं लिखना, euler + simple

आपकी मौजूदा दिक्कतें ​

  • सुना है कि FLUX की इमेज गुणवत्ता शीर्ष स्तर की है, लेकिन वेट 20GB से शुरू होता है; नहीं पता कि आपका GPU और हार्ड डिस्क इसे संभाल पाएंगे या नहीं
  • ऑफ़िशियल टेम्पलेट डाउनलोड किया है, लेकिन DualCLIPLoader के दो ड्रॉपडाउन में नहीं पता कि clip_l और t5xxl किस स्लॉट में जाएंगे
  • SD1.5 की आदत जारी रखते हैं: cfg 7 तक खींचना, भारी नेगेटिव प्रॉम्प्ट लिखना — FLUX इन्हें बिल्कुल नहीं मानता

यह तरीक़ा कब अपनाएं ​

जब आपको चाहिए:

  • बेहतरीन इमेज गुणवत्ता और «जो लिखो वही बने» वाला प्रॉम्प्ट पालन — जटिल प्रॉम्प्ट भी ठीक से रिप्रोड्यूस होते हैं
  • लोकल पर फ़्लैगशिप-स्तर का ओपन-सोर्स मॉडल चलाना, न किसी क्लोज़्ड-सोर्स API पर निर्भरता, न उसके लिए भुगतान
  • या तो बारीकी से इमेज जनरेट करना (dev 20 स्टेप), या तेज़ गति से इमेज जनरेट करना (schnell 4 स्टेप)

और आप नहीं चाहते:

  • कम VRAM वाली मशीन पर 23GB वेट से हिम्मत हारना — चरण 6 का fp8 सिंगल-फ़ाइल वर्ज़न ही समाधान है
  • नेगेटिव प्रॉम्प्ट को लेकर झंझट — FLUX के ऑफ़िशियल वर्कफ़्लो में इसका उपयोग ही नहीं होता

🎒 शुरू करने से पहले की तैयारी ​

  • पहली इमेज जनरेशन सफलतापूर्वक चला लिया है: वर्कफ़्लो लोड करना, प्रॉम्प्ट लिखना, Ctrl+Enter दबाकर चलाना आता है
  • मॉडल डायरेक्टरी के नियम समझ में हैं: diffusion_models, text_encoders, vae, checkpoints में क्या रखा जाता है (भूल गए हों तो फिर से देखेंमॉडल कहाँ रखें)
  • dev फुल वर्ज़न के चार फ़ाइलों के लिए हार्ड डिस्क पर लगभग 32GB रिज़र्व रखें; fp8 सिंगल-फ़ाइल वर्ज़न के लिए केवल एक फ़ाइल के बराबर जगह चाहिए
  • dev संस्करण डाउनलोड करना चाहते हैं: Hugging Face खाते में लॉग इन हैं, और FLUX.1-dev रिपॉज़िटरी के लाइसेंस अनुबंध (गैर-व्यावसायिक) से सहमत हैं; schnell Apache 2.0 है, इसमें यह शर्त नहीं है
  • नेटवर्क Hugging Face से जुड़ सकता है; कनेक्शन अस्थिर हो तो ModelScope के घरेलू मिरर का उपयोग करें (चरण 2 में पता दिया गया है)
  • ComfyUI नवीनतम संस्करण पर अपडेट किया गया है (ऑफ़िशियल ट्यूटोरियल की शुरुआती याद दिलाहट)
  • एक कप पानी ☕ — इस पाठ का सबसे बड़ा इंतज़ार मॉडल डाउनलोड करना ही है

मूल विचार ​

**FLUX.1 एक «हाइब्रिड आर्किटेक्चर» है। ** ऑफ़िशियल विवरण के अनुसार यह Transformer नेटवर्क और डिफ़्यूज़न मॉडल दोनों की खूबियों को जोड़ता है: टेक्स्ट और इमेज की जानकारी मॉडल में प्रभावी ढंग से एकीकृत होती है, जनरेट की गई इमेज और प्रॉम्प्ट की अलाइनमेंट सटीक होती है, और जटिल प्रॉम्प्ट का रिप्रोडक्शन विशेष रूप से बेहतरीन है। 12B पैरामीटर ज़्यादा जटिल पैटर्न संबंधों को पकड़ते हैं, इमेज ज़्यादा यथार्थ और विविध बनती हैं, और स्टाइल अनुकूलन की सीमा भी चौड़ी है।

तीन भाइयों का विभाजन (इस पेज पर बाद वाले दो चलाए जाते हैं):

संस्करणलाइसेंसविशेषताएँप्राप्ति का तरीक़ा
FLUX.1 Proबंद स्रोत (closed source)सर्वश्रेष्ठ प्रदर्शन वाला फ्लैगशिपकेवल API कॉल
FLUX.1 devओपन सोर्स,गैर-व्यावसायिकPro से डिस्टिल किया गया, प्रदर्शन Pro के लगभग बराबरHugging Face से डाउनलोड, समझौते से सहमत होना आवश्यक
FLUX.1 schnellApache 2.0डिस्टिल त्वरित संस्करण, 4 स्टेप में इमेज, कम स्पेक वाले हार्डवेयर के लिए उपयुक्तHugging Face से सीधे डाउनलोड

दो डिप्लॉयमेंट रूट (आधिकारिक ट्यूटोरियल में इसी तरह बांटा गया है):

रूटक्या इंस्टॉल करना हैइमेज गुणवत्ताVRAMउपयुक्त
फुल वर्ज़न (चार फाइलों का सेट)डिफ्यूज़न मॉडल + दो टेक्स्ट एनकोडर + VAE अलग-अलग इंस्टॉलसर्वश्रेष्ठअधिक आवश्यकपर्याप्त VRAM, सर्वश्रेष्ठ प्रॉम्प्ट फॉलोइंग चाहिए
fp8 सिंगल-फाइल checkpointएक fp8 क्वांटाइज़्ड फाइलफुल वर्ज़न से थोड़ा कमकम आवश्यकतासीमित VRAM, जल्दी चलाना चाहते हैं

cfg तय क्यों है 1 और नेगेटिव प्रॉम्प्ट क्यों नहीं लिखते? आधिकारिक ट्यूटोरियल के मूल शब्द: FLUX की उत्कृष्ट प्रॉम्प्ट फॉलोइंग क्षमता के कारण किसी नेगेटिव प्रॉम्प्ट की आवश्यकता नहीं है। इसलिए आधिकारिक टेम्पलेट नेगेटिव कंडीशनिंग को ConditioningZeroOut नोड से सीधे शून्य कर देता है और cfg तय रहता है 1 — schnell टेम्पलेट का नोट विशेष रूप से चेतावनी देता है: cfg को 1.0 पर सेट करने पर नेगेटिव प्रॉम्प्ट नज़रअंदाज़ कर दिया जाता है।

वर्कफ़्लो का ढांचा (फुल वर्ज़न; सिंगल checkpoint वर्कफ़्लो से दो अतिरिक्त loader):

UNETLoader (डिफ्यूज़न मॉडल)──────────────────────────→ KSampler ──→ VAEDecode ──→ SaveImage
DualCLIPLoader (clip_l + t5xxl)──→ CLIPTextEncode (आपका प्रॉम्प्ट)──→ KSampler (positive)
                                        └──→ ConditioningZeroOut ──→ KSampler (negative, शून्य किया गया)
VAELoader (VAE)──────────────────────────────────────────────→ VAEDecode
EmptySD3LatentImage (1024×1024 खाली कैनवास)───────────────────────→ KSampler

मेरे साथ करें ​

चरण 1: आधिकारिक FLUX वर्कफ़्लो लोड करें ​

क्यों: आधिकारिक टेम्पलेट लाइब्रेरी में FLUX.1 टेक्स्ट-टू-इमेज टेम्पलेट के पैरामीटर और मॉडल लिंक पहले से कॉन्फ़िगर हैं, शून्य से कनेक्शन बनाने से बहुत तेज़ है।

कदम: बाएं पैनल में Templates से टेम्पलेट लाइब्रेरी खोलें, Flux.1 खोजें, इस पाठ की मुख्य रेखा इसी का उपयोग करती है:

टेम्पलेट का नामटेम्पलेट IDसामग्री
Flux.1 dev के लिए विशेष: टेक्स्ट-टू-इमेजflux_dev_full_text_to_imagedev फुल वर्ज़न, 20 स्टेप

अगर टेम्पलेट लाइब्रेरी इस्तेमाल नहीं करना चाहते, तो JSON सीधे डाउनलोड करें और मेनू Workflows → Open (Ctrl+O) से खोलें: flux_dev_full_text_to_image.json। टेम्पलेट लाइब्रेरी की पूरी जानकारी के लिए टेम्पलेट लाइब्रेरी देखें।

आपको यह दिखना चाहिए: कैनवास पर Text to Image (Flux.1 Dev) नाम का सबग्राफ नोड है, जिसमें prompt, चौड़ाई-ऊंचाई, seed, मॉडल फाइलनाम जैसे सामान्य पैरामीटर नोड की सतह पर दिख रहे हैं, और साथ में मॉडल डाउनलोड लिंक से भरा एक नोट (MarkdownNote) है।

  • कैनवास पर dev फुल वर्ज़न वर्कफ़्लो लोड हो गया

चरण 2: dev फुल वर्ज़न के चार फाइलों का सेट डाउनलोड करें और सही जगह रखें ​

क्यों: फुल वर्ज़न एक single checkpoint के रूप में पैक नहीं होता, चार फाइलें अलग-अलग इंस्टॉल होती हैं; गलत सबडायरेक्टरी में रखने पर loader की ड्रॉपडाउन सूची में फाइल नहीं मिलेगी।

कदम: Hugging Face से चार फाइलें डाउनलोड करें (टेम्पलेट नोट में आधिकारिक डाउनलोड लिंक दिए गए हैं):

फाइलआकारकिस सबडायरेक्टरी में रखेंडाउनलोड
flux1-dev.safetensors22.17 GBmodels/diffusion_models/Hugging Face
clip_l.safetensors234.7 MBmodels/text_encoders/Hugging Face
t5xxl_fp16.safetensors9.12 GBmodels/text_encoders/Hugging Face
ae.safetensors319.8 MBmodels/vae/Hugging Face

डायरेक्टरी संरचना ऐसी दिखती है:

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └── flux1-dev.safetensors
│   ├── text_encoders/
│   │   ├── clip_l.safetensors
│   │   └── t5xxl_fp16.safetensors
│   └── vae/
│       └── ae.safetensors

💡 चीन में डाउनलोड और कम VRAM वाले विकल्प

  • ModelScope पर आधिकारिक मिरर हैं: डिफ्यूज़न मॉडल रिपॉज़िटरी Comfy-Org/flux1-dev और VAE वाली Comfy-Org/Lumina_Image_2.0_Repackaged, टेम्पलेट नोट में दोनों के लिंक दिए गए हैं।
  • अगर VRAM 32GB से कम हो: आधिकारिक ट्यूटोरियल सुझाव देता है कि VRAM बचाने के लिए fp8 वर्शन टेक्स्ट एनकोडर का उपयोग करें; टेम्पलेट नोट में सूचीबद्ध फ़ाइल t5xxl_fp8_e4m3fn_scaled.safetensors (4.8 GB) है, बाकी फ़ाइलें वैसी ही रहेंगी।

⚠️ dev वर्शन के लिए पहले लाइसेंस एग्रीमेंट से सहमत होना होगा

dev वेट को Hugging Face पर डाउनलोड करने के लिए लॉगिन करके FLUX.1-dev के लाइसेंस एग्रीमेंट (नॉन-कमर्शियल) से सहमत होना ज़रूरी है — आधिकारिक ट्यूटोरियल विशेष रूप से चेतावनी देता है: डाउनलोड न हो तो पहले इन दो चीज़ों की जाँच करें। schnell Apache 2.0 है, इसका यह शर्त नहीं है।

फ़ाइलें रखने के बाद कैनवास पर r दबाकर रिफ्रेश करें, सबग्राफ के मॉडल ड्रॉपडाउन में (या सबग्राफ के अंदर के loader नोड में) संबंधित फ़ाइल चुनें। कौन-सी फ़ाइल किस स्लॉट में जाएगी, यह सुनिश्चित नहीं है तो मॉडल कहाँ रखें का तुलना-तालिका देखें।

आपको यह दिखना चाहिए: लाल मिसिंग चेतावनियाँ पूरी तरह गायब हो जाती हैं, सभी loader सही फ़ाइलनाम दिखाते हैं।

  • चारों फ़ाइलें अपने-अपने स्थान पर, सभी loader में फ़ाइलें चुनी गई हैं

चरण 3: FLUX वर्कफ़्लो के नोड और पैरामीटर समझें ​

क्यों: पैरामीटर ट्यून करने की पूर्वशर्त यह है कि आप जानते हों कि हर नोड क्या करता है और डिफ़ॉल्ट पैरामीटर वही क्यों हैं।

करने के लिए: डबल-क्लिक करके सबग्राफ के अंदर जाएँ, नोड-दर-नोड इस तालिका से मिलाएँ:

नोडक्या करता हैटेम्पलेट के मुख्य पैरामीटर
UNETLoader (Load Diffusion Model)डिफ्यूज़न मॉडल मुख्य फ़ाइल लोड करता है (12B)flux1-dev.safetensors
DualCLIPLoaderएक साथ दो टेक्स्ट एनकोडर लोड करता हैपहला स्लॉट clip_l.safetensors, दूसरा स्लॉट t5xxl_fp16.safetensors, type flux
VAELoader (Load VAE)VAE लोड करता हैae.safetensors
CLIPTextEncodeप्रॉम्प्ट को कंडीशन में एनकोड करता हैKSampler के positive से जुड़ता है
ConditioningZeroOutनेगेटिव कंडीशन को शून्य करता हैFLUX cfg=1, नेगेटिव प्रॉम्प्ट की ज़रूरत नहीं
EmptySD3LatentImageखाली कैनवास बनाता है1024×1024, बैच 1
KSamplerडीनॉइज़िंग सैंपलिंग20 चरण, cfg 1, euler, simple, denoise 1.0
VAEDecodeलेटेंट स्पेस से पिक्सेल में डिकोड करता है—
SaveImageप्रीव्यू और सेव करता हैफ़ाइल ComfyUI/output/ में सेव होती है

DualCLIPLoader के दोनों स्लॉट का क्रम मायने रखता है: ComfyUI सोर्स कोड में लिखी रेसिपी है flux प्रकार = clip-l, t5 — पहले स्लॉट में clip_l, दूसरे स्लॉट में t5xxl, type में flux चुनें।

आपको यह दिखना चाहिए: बाएँ से दाएँ आप हर नोड की ज़िम्मेदारी बता सकते हैं, KSampler के पैरामीटर ऊपर की तालिका से मेल खाते हैं।

  • मैं बता सकता हूँ कि चार फ़ाइलें किस loader से लोड होती हैं और KSampler के मुख्य पैरामीटर क्या हैं

चरण 4: प्रॉम्प्ट लिखें, पहली dev इमेज तैयार करें ​

क्यों: FLUX की पहचान प्रॉम्प्ट का पालन करना है — प्रॉम्प्ट जितना विशिष्ट होगा, तस्वीर उतनी ही सटीक बनेगी, और नेगेटिव प्रॉम्प्ट की ज़रूरत नहीं होती।

करने के लिए:

  1. सबग्राफ के prompt बॉक्स में प्रॉम्प्ट लिखें। आधिकारिक टेम्पलेट में दिया गया उदाहरण:
text
A fairy tale scene of a young girl with silver curly hair wearing a delicate white dress, standing among crystal butterflies and glowing glass roses. The scene is filled with soft magical light, like a dream from a fantasy world.
  1. आकार डिफ़ॉल्ट रूप से 1024×1024 है, अनुपात बदलना हो तो सबग्राफ की width / height बदलें
  2. Run पर क्लिक करें, या Ctrl+Enter दबाएँ

आपको यह दिखना चाहिए: प्रोग्रेस बार 20 चरण पूरे करती है, SaveImage नोड से इमेज निकलती है — तस्वीर में प्रॉम्प्ट में वर्णित वे ही तत्व हैं: चाँदी बालों वाली लड़की, सफ़ेद कपड़ा, क्रिस्टल तितली, चमकता काँच का गुलाब, जैसे परी-कथा दृश्य।

  • SaveImage में FLUX.1 dev से बनी पहली इमेज दिखी

चरण 5: schnell पर स्विच करें — 4 चरण में तेज़ इमेज ​

क्यों: schnell डिस्टिलेशन की राह पर और आगे निकला है: 4 चरण में ही अच्छी इमेज मिलती है, और लाइसेंस ढीला Apache 2.0 है। आधिकारिक ट्यूटोरियल बताता है: schnell वर्कफ़्लो में dev वर्शन की तुलना में केवल मॉडल फ़ाइल अलग है।

करने के लिए:

  1. अतिरिक्त flux1-schnell.safetensors (22.15 GB) डाउनलोड करके models/diffusion_models/ में रखें, रिपॉज़िटरी: Comfy-Org/flux1-schnell (ModelScope मिरर)। टेक्स्ट एनकोडर और VAE चरण 2 वाले सेट के रहेंगे (आधिकारिक टेम्पलेट डिफ़ॉल्ट t5xxl_fp16; दस्तावेज़ में यह भी उल्लेख है कि schnell VRAM बचाने के लिए fp8 वर्शन t5xxl का उपयोग कर सकता है, fp16 का नतीजा बेहतर होता है)
  2. दो तरीकों में से कोई एक चुनें:

तरीका A: schnell फ़ुल वर्शन टेम्पलेट लोड करें (अनुशंसित) ​

टेम्पलेट लाइब्रेरी में Flux.1 खोजें, चुनें “Flux.1 Schnell Full: टेक्स्ट-से-इमेज” (flux_schnell_full_text_to_image)। इसका प्रॉम्प्ट नोड CLIPTextEncodeFlux है: प्रॉम्प्ट clip_l और t5xxl दो फ़ील्ड में बँटा है — दोनों में अलग-अलग सामग्री लिख सकते हैं, आधिकारिक उदाहरण में भी दो अलग वर्णन हैं — साथ ही एक guidance पैरामीटर है, जो टेम्पलेट में डिफ़ॉल्ट 3.5 है।

तरीका B: dev वर्कफ़्लो ही रखें, दो जगह बदलें ​

UNETLoader को flux1-schnell.safetensors से बदलें, KSampler के चरण 20 → 4। बाकी वैसा ही।

  1. Run पर क्लिक करें

आपको यह दिखना चाहिए: प्रोग्रेस बार केवल 4 चरण में ही इमेज देती है, रफ़्तार साफ़ तौर पर तेज़ है। आधिकारिक रूप से schnell की पोज़िशनिंग यही है कि कमज़ोर हार्डवेयर पर भी चलने वाला तेज़ वर्शन।

  • schnell वर्शन चल गया, 4 चरण में इमेज

चरण 6: VRAM में तंगी है? fp8 सिंगल-फ़ाइल checkpoint अपनाएँ ​

क्यों: fp8 सिंगल-फ़ाइल संस्करण diffusion मॉडल, टेक्स्ट एनकोडर और VAE को एक quantized checkpoint में पैक करता है—सिर्फ़ एक फ़ाइल चाहिए, VRAM की माँग कम है, और कीमत यह है कि छवि की क्वालिटी पूर्ण संस्करण से थोड़ी कम होती है। आधिकारिक तौर पर इसकी पोज़िशनिंग सीमित VRAM वाले डिवाइसों के लिए सिंगल-फ़ाइल एंट्री समाधान ही है।

करने के लिए:

संस्करणडाउनलोडइसमें रखेंलोड नोडस्टेप
schnell fp8flux1-schnell-fp8.safetensorsmodels/checkpoints/Load Checkpoint4
dev fp8flux1-dev-fp8.safetensorsmodels/checkpoints/Load Checkpoint(पूर्ण संस्करण जैसा ही) 20
  1. schnell fp8 टेम्पलेट का सीधा उपयोग करें: टेम्पलेट लाइब्रेरी में Flux.1 खोजें, और "Flux.1 Schnell FP8" (flux_schnell) चुनें। इसकी संरचना सिंगल checkpoint संस्करण जैसी ही है: एक CheckpointLoaderSimple नोड MODEL / CLIP / VAE तीन आउटपुट देता है, नेगेटिव प्रॉम्प्ट बॉक्स खाली रहता है, KSampler 4 स्टेप, cfg 1
  2. dev fp8 को आधिकारिक ट्यूटोरियल के अनुसार मैन्युअली सेटअप करें: flux1-dev-fp8.safetensors डाउनलोड करके models/checkpoints/ में रखें, और Load Checkpoint नोड से लोड करें। सबसे आसान तरीका: schnell fp8 टेम्पलेट की कॉपी बनाकर checkpoint को flux1-dev-fp8.safetensors से बदलें, और स्टेप वापस 20 कर दें
  3. Run पर क्लिक करें

⚠️ इस टेम्पलेट के नाम से भटकें नहीं

टेम्पलेट लाइब्रेरी में एक और "Flux.1 dev-विशेष fp8: टेक्स्ट-से-इमेज" (flux_dev_checkpoint_example) भी है—नाम में fp8 है, लेकिन टेम्पलेट की वास्तविक सामग्री चरण 1 जैसी संरचना वाला पूर्ण संस्करण का चार-भाग वर्कफ़्लो है (इसी तरह 20 स्टेप)। सिंगल-फ़ाइल dev संस्करण चलाने के लिए ऊपर दी गई बिंदु 2 के अनुसार मैन्युअली बदलाव करें, इस टेम्पलेट पर भरोसा न करें।

आपको यह दिखना चाहिए: कैनवास पर सिर्फ़ एक checkpoint loader बचा है (loader की एक कतार नहीं), और checkpoints/ में एक नई फ़ाइल से ही इमेज बन जाती है।

  • fp8 सिंगल-फ़ाइल संस्करण चल गया, और फ़ाइल models/checkpoints/ में रखी गई है

चेकपॉइंट ✅ ​

  • dev पूर्ण संस्करण चल गया: टेम्पलेट लोड → चार भाग अपनी जगह → 20 स्टेप में इमेज
  • schnell चल गया: diffusion मॉडल बदलें + 4 स्टेप, या सीधे schnell टेम्पलेट इस्तेमाल करें
  • मैं जानता हूँ कि cfg 1 और नेगेटिव प्रॉम्प्ट न लिखना FLUX की डिज़ाइन है, वर्कफ़्लो खराब नहीं हुआ
  • fp8 सिंगल-फ़ाइल संस्करण की फ़ाइल models/checkpoints/ में है, diffusion_models/ में नहीं
  • dev (गैर-व्यावसायिक, 20 स्टेप) और schnell (Apache 2.0, 4 स्टेप) का अंतर बता सकता हूँ

आम ग़लतियों की चेतावनी ​

❌ cfg ऊँचा करना, नेगेटिव प्रॉम्प्ट ज़ोर-शोर से लिखना ​

कारण: FLUX के आधिकारिक वर्कफ़्लो में cfg तय रूप से 1 है, और नेगेटिव कंडीशनिंग ConditioningZeroOut से ज़ीरो कर दी जाती है; schnell टेम्पलेट के नोट का मूल शब्द—cfg को 1.0 सेट करने पर नेगेटिव प्रॉम्प्ट नज़रअंदाज़ कर दिया जाता है। सही तरीका: cfg को 1 पर रखें, और पूरी ऊर्जा पॉज़िटिव प्रॉम्प्ट के दृश्य विवरण पर लगाएँ।

❌ dev मॉडल डाउनलोड अस्वीकृत (401 / 403) ​

कारण: FLUX.1 dev गैर-व्यावसायिक लाइसेंस वाला है, Hugging Face पर पहले लॉगिन करके रिपॉज़िटरी की शर्तें स्वीकार करनी होती हैं। सही तरीका: अकाउंट में लॉगिन करें, रिपॉज़िटरी में जाकर शर्तें स्वीकार करें फिर डाउनलोड करें; या ModelScope मिरर से लें (चरण 2)। schnell (Apache 2.0) पर यह प्रतिबंध नहीं है।

❌ fp8 फ़ाइल diffusion_models में रख दी, नोड में नहीं दिख रही ​

कारण: flux1-dev-fp8.safetensors / flux1-schnell-fp8.safetensors पैक किए हुए checkpoint हैं, ये models/checkpoints/ में आते हैं और Load Checkpoint से लोड होते हैं; पूर्ण संस्करण की flux1-dev.safetensors ही diffusion_models/ में जाती है। सही तरीका: चरण 6 की तालिका के अनुसार फ़ाइल अपनी जगह रखें; फिर भी न मिले तो मॉडल लोड विफलता के अनुसार जाँच करें।

❌ VRAM कम है, पूर्ण संस्करण सीधे OOM ​

कारण: पूर्ण संस्करण को एक साथ 22GB स्तर के diffusion मॉडल और 9GB स्तर के t5xxl_fp16 को संभालना पड़ता है। सही तरीका: पहले आधिकारिक सलाह के अनुसार t5xxl को t5xxl_fp8_e4m3fn_scaled.safetensors (4.8 GB) से बदलें; फिर भी न हो तो पूरी तरह fp8 सिंगल-फ़ाइल संस्करण पर जाएँ; सिस्टम-स्तरीय समाधान के लिए VRAM की कमी देखें।

एडवांस्ड टिप्स (वैकल्पिक) ​

🔧 प्रॉम्प्ट में पूरे लंबे वाक्य लिखें: जटिल प्रॉम्प्ट को सही उतारना FLUX की मज़बूती है, आधिकारिक उदाहरण पूरे लंबे वाक्यों में दृश्य विवरण हैं—पात्र, माहौल, रोशनी एक साथ पूरा लिखना, कीवर्ड टैग जमा करने से ज़्यादा असरदार है।

🔧 इमेज खींचकर वर्कफ़्लो पाएँ: आधिकारिक ट्यूटोरियल की उदाहरण इमेज में वर्कफ़्लो मेटाडेटा होता है, इमेज को सीधे ComfyUI विंडो (या Workflows → Open) में खींचकर छोड़ने से पूरा वर्कफ़्लो और मॉडल डाउनलोड जानकारी वापस बन जाती है—किसी और की FLUX से बनी अच्छी इमेज देखें तो पहले खींचकर डालकर देखें।

🔧 FLUX परिवार के पास और भी कई ताश हैं: इमेज एडिटिंग के लिए FLUX.1 Kontext (कैरेक्टर स्थिरता, कई राउंड का इटरेशन), लोकल रीपेंट और आउटपेंटिंग के लिए FLUX.1 Fill, और नई पीढ़ी की मल्टी-रेफ़रेंस स्थिरता के लिए FLUX.2 और FLUX.3 Klein देखें।

इस पाठ का सारांश ​

✅ FLUX वर्कफ़्लो चल गया: dev पूर्ण संस्करण के चार भाग अपनी जगह → 20 स्टेप में इमेज; schnell में diffusion मॉडल बदलें, स्टेप 4 करें।

✅ संस्करण चुन लिया: dev गैर-व्यावसायिक, प्रदर्शन बंद-स्रोत फ्लैगशिप Pro के करीब; schnell, Apache 2.0 का 4-चरण त्वरित संस्करण है, कम संसाधन वालों के लिए अनुकूल।

✅ पैरामीटर याद रख लिए: cfg 1, नेगेटिव प्रॉम्प्ट न लिखें, euler + simple; dev 20 चरण, schnell 4 चरण।

✅ कम VRAM होने पर भी रास्ता है: t5xxl की जगह fp8 संस्करण से आधा आकार बचत, या पूरे को fp8 सिंगल-फ़ाइल checkpoint से बदलें (checkpoints/ में रखें)।

मुख्य कॉन्फ़िगरेशन की समीक्षा:

कॉन्फ़िगरेशनअनुशंसित मानविवरण
डिफ़्यूज़न मॉडल (dev)flux1-dev.safetensors(22.17 GB)models/diffusion_models/ में रखें; fp8 सिंगल-फ़ाइल संस्करण के लिए flux1-dev-fp8.safetensors, checkpoints/ में रखें
डिफ़्यूज़न मॉडल (schnell)flux1-schnell.safetensors(22.15 GB)ऊपर जैसा ही; fp8 संस्करण flux1-schnell-fp8.safetensors
टेक्स्ट एनकोडरclip_l.safetensors + t5xxl_fp16.safetensors(9.12 GB)models/text_encoders/ में रखें; कम VRAM पर t5xxl_fp8_e4m3fn_scaled.safetensors(4.8 GB) से बदलें
VAEae.safetensors(319.8 MB)models/vae/ में रखें
DualCLIPLoaderपहला स्लॉट clip_l, दूसरा स्लॉट t5xxl, type fluxस्रोत कोड रेसिपी: flux = clip-l, t5
KSampler (dev)20 चरण, cfg 1, euler, simple, denoise 1.0आधिकारिक टेम्पलेट कॉन्फ़िगरेशन
KSampler (schnell)4 चरण, cfg 1, euler, simple, denoise 1.0schnell एक 4-चरण डिस्टिल्ड मॉडल है
कैनवासEmptySD3LatentImage 1024×1024अनुपात बदलने के लिए width / height बदलें

अगले पाठ की झलक ​

टेक्स्ट-से-इमेज केवल FLUX.1 की शुरुआत है। अगले पाठ का FLUX.1 Kontext इसे एक "पुनरावृत्त संपादन इंजन" में बदल देता है: एक किरदार की इमेज दें, निर्देशों से चरण-दर-चरण बदलाव करें, और किरदार की शक्ल बनी रहती है। अगला पाठ: FLUX.1 Kontext।

आप सीखेंगे:

  • Kontext dev की लोकल डिप्लॉयमेंट (fp8 वेट + टेक्स्ट एनकोडर + VAE)
  • "Load Image(from output)" नोड से पिछले चरण का परिणाम सीधे अगले चरण में वापस देना
  • निर्देश-आधारित पुनरावृत्त संपादन: किरदार की निरंतरता, शैली संदर्भ
  • Kontext की सीमा: प्रॉम्प्ट केवल अंग्रेज़ी में समर्थित
gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.