FLUX.1 Kontext: कैरेक्टर स्थिरता वाली मल्टी-राउंड इटरेटिव रीटचिंग
FLUX.1 Kontext, Black Forest Labs का मल्टीमॉडल इमेज एडिटिंग मॉडल है: टेक्स्ट और इमेज साथ इनपुट देने पर, यह पहले तस्वीर का संदर्भ समझता है, फिर निर्देश के अनुसार सटीक रूप से काम करता है। ओपन-सोर्स dev संस्करण 12B पैरामीटर वाला डिफ़्यूज़न ट्रांसफ़ॉर्मर है, ऑफ़िशियल तौर पर सबसे ज़ोर दी गई क्षमता कैरेक्टर स्थिरता है — एक ही कैरेक्टर को कई राउंड तक इटरेटिव एडिट करने पर भी चेहरे के फ़ीचर्स और कंपोज़िशन स्थिर रहते हैं।
यह पेज आपको ऑफ़िशियल FLUX Kontext वर्कफ़्लो को शुरू से अंत तक चलाने में मदद करता है: fp8 वेट चार-फ़ाइल सेट इंस्टॉल करें, ऑफ़िशियल टेम्पलेट से पहला राउंड निर्देश-आधारित रीटचिंग निकालें, फिर नतीजे को राउंड-दर-राउंड वापस फ़ीड करें, और «तीन राउंड बदलने के बाद भी वही इंसान» वाली इटरेटिव एडिटिंग का अनुभव लें।
सीखने के बाद आप क्या कर सकते हैं
- ऑफ़िशियल FLUX Kontext वर्कफ़्लो चलाना: टेम्पलेट लोड → चार-फ़ाइल सेट सही जगह → पहला राउंड निर्देश रीटचिंग आउटपुट
- अंग्रेज़ी निर्देश से कैरेक्टर स्थिरता रीटचिंग: कपड़े बदलना, बैकग्राउंड बदलना, चेहरा और पोज़ न बिगड़ना
- मल्टी-राउंड इटरेटिव एडिटिंग: पिछले राउंड का नतीजा अगले राउंड में फ़ीड करना, कई राउंड बदलने के बाद भी कैरेक्टर स्थिर
- डुअल-इमेज रेफ़रेंस में महारत: कैरेक्टर इमेज + स्टाइल इमेज जोड़कर, निर्दिष्ट स्टाइल में कैरेक्टर का सीन बदलना
- Kontext के लौह नियम याद रखें: प्रॉम्प्ट केवल अंग्रेज़ी, cfg 1, 20 स्टेप सैंपलिंग
आपकी मौजूदा दुविधा
- मुश्किल से एक संतोषजनक कैरेक्टर मिला, कपड़े बदलने के लिए नई इमेज जनरेट की — चेहरा बदल गया
- इमेज-टू-इमेज से ज़बरदस्ती बदलाव: रीपेंट स्केल बढ़ाने पर पूरी इमेज बिगड़ जाती है, घटाने पर कुछ बदलता ही नहीं
- सुना है Kontext «एक वाक्य में रीटचिंग» कर सकता है, पर नहीं पता ComfyUI में कौन सी फ़ाइल डाउनलोड करें, नोड कैसे जोड़ें
यह तरीक़ा कब अपनाएँ
जब आपको चाहिए:
- एक ही कैरेक्टर को बार-बार निखारना: कपड़े, बैकग्राउंड, एक्शन बदलना, लेकिन रूप और आर्ट स्टाइल सुसंगत रखना
- निर्देश-आधारित एडिटिंग: एक वाक्य में बताएँ क्या बदलना है, तस्वीर के बाकी हिस्से वैसे ही रहेंगे
- स्टाइल रेफ़रेंस: एक रेफ़रेंस इमेज दें, मॉडल उसी स्टाइल में नया दृश्य जनरेट करे
- लोकल पर 12B ओपन-सोर्स मॉडल चलाना, क्लाउड एडिटिंग API पर निर्भर न रहना
और आप नहीं चाहते:
- हर हिस्सा बदलने पर दोबारा रैंडम जनरेशन करना, कैरेक्टर स्थिरता पूरी तरह किस्मत पर
- मास्क से दायरा घेरकर थोड़ा-थोड़ा मिटाना — वह अगले पाठ FLUX.1 Fill का काम है
🎒 शुरू करने से पहले की तैयारी
- चला लिया FLUX.1 टेक्स्ट-टू-इमेज: चार-फ़ाइल सेट की डायरेक्टरी नियम, cfg 1 जैसी FLUX परिवार की साझा बातें उसी पाठ में हैं
- टेम्पलेट लोड करना, प्रॉम्प्ट लिखना,
Ctrl+Enterसे चलाना आता है (भूल गए हों तो देखें पहली इमेज जनरेशन) - हार्ड डिस्क पर लगभग 16.5GB जगह रखें: डिफ़्यूज़न मॉडल 11.09GB + t5xxl fp8 संस्करण 4.8GB + clip_l 234.7MB + VAE 319.8MB (पिछले पाठ में clip_l / t5xxl / ae इंस्टॉल कर चुके हों तो सीधे पुनः उपयोग करें, केवल डिफ़्यूज़न मॉडल नया डाउनलोड करना है)
- ComfyUI को नए संस्करण में अपडेट करें: यह टेम्पलेट 0.3.42 या उससे ऊपर माँगता है (सबग्राफ़ फ़ीचर का उपयोग हुआ है)
- नेटवर्क से Hugging Face कनेक्ट हो; कनेक्शन अस्थिर हो तो ModelScope का घरेलू मिरर इस्तेमाल करें (पता चरण 2 में)
- रीटच करने के लिए एक इमेज तैयार रखें — पोर्ट्रेट, प्रोडक्ट इमेज, इलस्ट्रेशन कुछ भी चलेगा; ऑफ़िशियल उदाहरण से मेल चाहिए तो ऑफ़िशियल सैंपल इमेज डाउनलोड कर लें
- एक कप पानी ☕ — इस पाठ का सबसे बड़ा इंतज़ार अब भी मॉडल डाउनलोड है
मूल विचार
Kontext और सामान्य इमेज-टू-इमेज एक बात नहीं है। सामान्य इमेज-टू-इमेज आपकी इमेज को शुरुआती बिंदु मानकर दोबारा जनरेट करता है, बदलाव की मात्रा रीपेंट स्केल (denoise) से नियंत्रित होती है, स्केल बढ़ाते ही पूरी इमेज बहने लगती है। Kontext मल्टीमॉडल एडिटिंग मॉडल है: ऑफ़िशियल परिचय के अनुसार यह «टेक्स्ट और इमेज इनपुट साथ लेकर, इमेज का संदर्भ समझने के बाद सटीक एडिटिंग करता है» — केवल निर्देश से जुड़े हिस्से पर हाथ डालता है, बाकी हिस्सों को नहीं छेड़ता।
ऑफ़िशियल तौर पर Kontext सुइट की चार मुख्य क्षमताएँ:
| क्षमता | विवरण |
|---|---|
| कैरेक्टर स्थिरता | कई सीन और माहौल में, इमेज के रेफ़रेंस कैरेक्टर या वस्तु को बनाए रखना — कई राउंड एडिट के बाद भी फ़ीचर्स स्थिर |
| सटीक एडिटिंग | केवल निर्दिष्ट एलिमेंट बदलना, तस्वीर के बाकी हिस्सों को प्रभावित न करना |
| स्टाइल रेफ़रेंस | टेक्स्ट प्रॉम्प्ट से नया सीन जनरेट करना, साथ ही रेफ़रेंस इमेज की अनूठी स्टाइल बनाए रखना |
| इंटरैक्शन गति | जनरेशन और एडिटिंग में कम विलंब, बार-बार बदलाव के लिए उपयुक्त |
तीन संस्करण, इस पेज पर dev चलाते हैं:
| संस्करण | स्थिति | उपयोग |
|---|---|---|
| FLUX.1 Kontext Pro | व्यावसायिक संस्करण, तेज़ इटरेटिव एडिटिंग प्रमुख | ComfyUI में Partner Nodes API से |
| FLUX.1 Kontext Max | प्रायोगिक संस्करण, प्रॉम्प्ट का अधिक सख्ती से पालन | वही, API कॉल |
| FLUX.1 Kontext Dev | ओपन-सोर्स संस्करण, 12B पैरामीटर, आधिकारिक रूप से शोध उपयोग के लिए स्थित | इस पेज: लोकल डिप्लॉयमेंट |
किरदार भटकता क्यों नहीं? डेटा फ़्लो देखें तो समझ आ जाएगा—आपकी इमेज KSampler में जाने से पहले दो रास्तों से होकर गुजरती है:
Load Image ─→ ImageStitch (दो इमेज रेफरेंस होने पर सिलाई) ─→ FluxKontextImageScale (पसंदीदा रेज़ोल्यूशन तक स्केल)
│
└→ VAEEncode ─┬→ KSampler (latent_image: शुरुआती कैनवास)
└→ ReferenceLatent ─→ FluxGuidance ─→ KSampler (positive)
CLIPTextEncode (अंग्रेज़ी निर्देश) ──┬─→ ReferenceLatent (मूल इमेज के latent को कंडीशन में जोड़ना)
└─→ ConditioningZeroOut ─→ KSampler (negative: शून्य करना)
UNETLoader (kontext मॉडल) ────────────────────────→ KSampler
KSampler ─→ VAEDecode ─→ Save Imageकुंजी ReferenceLatent में है (नोड लाइब्रेरी में दिखने वाला नाम Set Reference Latent है): यह मूल इमेज के एन्कोड किए गए latent को पॉज़िटिव कंडीशन में जोड़ देता है, यानी मॉडल को बताता है कि «यह वह दृश्य है जिसे रेफर करना है, बदलाव करते समय इसे ऐसे ही बनाए रखो»। सोर्स कोड की टिप्पणी में यह भी लिखा है: मॉडल समर्थन करता हो तो कई ReferenceLatent को चेन में जोड़ा जा सकता है, एक बार में कई इमेज रेफर करने के लिए—चरण 6 में इसी विचार का उपयोग होगा।
FluxKontextImageScale Kontext-विशेष प्रीप्रोसेसिंग है: आधिकारिक नोड विवरण केवल एक वाक्य है—इमेज को «Flux Kontext के लिए बेहतर» रेज़ोल्यूशन तक स्केल करना। ठोस लॉजिक (सोर्स कोड): आस्पेक्ट रेशियो के अनुसार 17 पसंदीदा रेज़ोल्यूशन में से सबसे निकट का चुनाव, 672×1568 (पोर्ट्रेट) से 1568×672 (लैंडस्केप) तक, ठीक बीच में 1024×1024, कुल पिक्सेल 1MP के आसपास।
मेरे साथ करें
चरण 1: आधिकारिक FLUX Kontext वर्कफ़्लो टेम्पलेट लोड करें
क्यों: आधिकारिक टेम्पलेट में पैरामीटर, मॉडल डाउनलोड लिंक और प्रॉम्प्ट टिप्स के नोट पहले से कॉन्फ़िगर हैं, आपको बस अपनी इमेज और निर्देश डालकर चलाना है।
कैसे करें: बाईं पट्टी में Templates से टेम्पलेट लाइब्रेरी खोलें, Kontext खोजें, «Flux Kontext Dev इमेज एडिटिंग» चुनें (टेम्पलेट ID flux_kontext_dev_basic)। टेम्पलेट लाइब्रेरी नहीं इस्तेमाल करना चाहते तो JSON डाउनलोड करें और मेनू Workflows → Open (Ctrl+O) से खोलें: flux_kontext_dev_basic.json। टेम्पलेट लाइब्रेरी की पूरी जानकारी देखेंटेम्पलेट लाइब्रेरी।
आपको यह दिखना चाहिए: कैनवास एक संक्षिप्त तीन-नोड संरचना है—Load Image (आधिकारिक सैंपल इमेज flux_kontext_dev_basic_input_image.jpg का रेफरेंस) → Image Edit (Flux.1 Kontext Dev) नाम का सबग्राफ नोड → Save Image। सबग्राफ नोड की सतह पर सीधे prompt, seed और चार मॉडल फ़ाइल ड्रॉपडाउन उपलब्ध हैं। साथ में एक डिफ़ॉल्ट रूप से बायपास (bypass) किया गया दूसरा Load Image भी है, और दो नोट: एक में मॉडल डाउनलोड लिंक भरे हैं, दूसरा आधिकारिक प्रॉम्प्ट टिप्स है (चरण 4 में उपयोग होगा)।
- टेम्पलेट सफलतापूर्वक लोड हुआ, कैनवास पर सबग्राफ नोड और दो नोट दिख रहे हैं
चरण 2: Kontext dev के चार फ़ाइल डाउनलोड कर उनकी जगह पर रखें
क्यों: Kontext अलग से ट्रेन किया गया एडिटिंग मॉडल है, पिछले पाठ के flux1-dev से काम नहीं चलेगा; चारों फ़ाइलें अपनी-अपनी जगह पर हों, तभी loader की ड्रॉपडाउन सूची में मिलेंगी।
कैसे करें: Hugging Face से चार फ़ाइलें डाउनलोड करें (टेम्पलेट नोट में सभी लिंक दिए हैं):
| फ़ाइल | आकार | किस सबडायरेक्टरी में रखें | डाउनलोड |
|---|---|---|---|
flux1-dev-kontext_fp8_scaled.safetensors | 11.09 GB | models/diffusion_models/ | Hugging Face · ModelScope मिरर |
clip_l.safetensors | 234.7 MB | models/text_encoders/ | Hugging Face |
t5xxl_fp8_e4m3fn_scaled.safetensors (या t5xxl_fp16.safetensors) | 4.8 GB (fp16 संस्करण 9.12 GB) | models/text_encoders/ | Hugging Face |
ae.safetensors | 319.8 MB | models/vae/ | Hugging Face · ModelScope मिरर |
डायरेक्टरी संरचना ऐसी दिखेगी:
ComfyUI/
├── models/
│ ├── diffusion_models/
│ │ └── flux1-dev-kontext_fp8_scaled.safetensors
│ ├── text_encoders/
│ │ ├── clip_l.safetensors
│ │ └── t5xxl_fp8_e4m3fn_scaled.safetensors
│ └── vae/
│ └── ae.safetensors💡 पिछले पाठ की फ़ाइलें दोबारा इस्तेमाल की जा सकती हैं?
clip_l, t5xxl और ae—तीनों फ़ाइलें FLUX.1 टेक्स्ट-टू-इमेज के लिए सामान्य हैं, पहले इंस्टॉल किए हों तो सीधे दोबारा इस्तेमाल करें—केवल डिफ़्यूज़न मॉडल नया डाउनलोड करना ही होगा: flux1-dev-kontext_fp8_scaled.safetensors Kontext-विशेष वेट है, और टेक्स्ट-टू-इमेज का flux1-dev.safetensors एक अलग फ़ाइल है, दोनों आपस में विनिमेय नहीं। चीन से डाउनलोड के लिए ModelScope मिरर इस्तेमाल करें (ऊपर तालिका में दिया गया है)।
रखने के बाद कैनवास पर r दबाकर रिफ़्रेश करें, सबग्राफ के चार ड्रॉपडाउन में संबंधित फ़ाइलें चुनें (या डबल-क्लिक कर सबग्राफ में जाकर loader नोड में चुनें)।
आपको यह दिखना चाहिए: लाल मिसिंग चेतावनियाँ सभी गायब, ड्रॉपडाउन में सही फ़ाइल नाम दिख रहे हैं।
- चारों फ़ाइलें अपनी-अपनी जगह पर, सबग्राफ के मॉडल ड्रॉपडाउन में फ़ाइलें चुनी गई हैं
चरण 3: Kontext की इमेज एडिटिंग की नोड चेन समझें
क्यों: पता होना कि इमेज और निर्देश कहाँ मिलते हैं, कौन से पैरामीटर बदले जा सकते हैं—तभी आगे ट्यूनिंग और डिबगिंग में दिशा मिलेगी।
कैसे करें: सबग्राफ नोड पर डबल-क्लिक कर अंदर जाएँ, और नोड-दर-नोड इस तालिके से मिलाएँ:
| नोड | क्या काम करता है | टेम्पलेट के मुख्य पैरामीटर |
|---|---|---|
| UNETLoader (Load Diffusion Model) | Kontext डिफ्यूज़न मॉडल लोड करता है | flux1-dev-kontext_fp8_scaled.safetensors |
| DualCLIPLoader | एक बार में दो टेक्स्ट एनकोडर लोड करता है | पहला स्लॉट clip_l.safetensors, दूसरा स्लॉट t5xxl_fp8_e4m3fn_scaled.safetensors, type flux |
| VAELoader (Load VAE) | VAE लोड करता है | ae.safetensors |
| ImageStitch | दो-इमेज रेफ़रेंस के समय दूसरी इमेज को दाईं ओर जोड़ता है | डिफ़ॉल्ट रूप से सिंगल इमेज सीधे पास-थ्रू |
| FluxKontextImageScale | Kontext के पसंदीदा रेज़ोल्यूशन पर स्केल करता है | 17 ग्रेड, लगभग 1MP, अनुपात के हिसाब से निकटतम |
| VAEEncode | इमेज को latent में एनकोड करता है | — |
| CLIPTextEncode | अंग्रेज़ी निर्देश एनकोड करता है (पॉज़िटिव कंडीशन) | आउटपुट दो रास्तों में जाता है: ज़ीरो-आउट और रेफ़रेंस अटैच |
| ReferenceLatent | ओरिजिनल इमेज के latent को पॉज़िटिव कंडीशन में अटैच करता है | डिस्प्ले नाम Set Reference Latent |
| ConditioningZeroOut | नेगेटिव कंडीशन को ज़ीरो करता है | cfg 1, नेगेटिव प्रॉम्प्ट की ज़रूरत नहीं |
| FluxGuidance | FLUX-विशेष गाइडेंस ताकत | 2.5 |
| KSampler | डीनॉइज़ सैंपलिंग | 20 स्टेप, cfg 1, euler, simple, denoise 1.0 |
| VAEDecode → SaveImage | डिकोड करके सेव करता है | फ़ाइल प्रीफ़िक्स flux.1_kontext_dev, सेव होता है ComfyUI/output/ |
DualCLIPLoader का स्लॉट क्रम FLUX फ़ैमिली रेसिपी का ही है: पहला स्लॉट clip_l, दूसरा स्लॉट t5xxl, type में flux चुनें (सोर्स कोड का आधारपिछले पाठ में बताया जा चुका है)।
आपको यह दिखना चाहिए: बाएँ से दाएँ हर नोड की ज़िम्मेदारी बता सकें; यह इंगित कर सकें कि 「इमेज दो रास्तों से गई — एक KSampler में शुरुआती कैनवास के रूप में, एक कंडीशन में रेफ़रेंस के रूप में अटैच हुई」।
- मैं ReferenceLatent का काम और KSampler के मुख्य पैरामीटर बता सकता/सकती हूँ
चरण 4: अंग्रेज़ी एडिट निर्देश लिखें, पहला राउंड ऑफ़ इमेज एडिट निकालें
क्यों: Kontext का इनपुट = इमेज + निर्देश। ऑफ़िशियल ट्यूटोरियल साफ़ कहता है: प्रॉम्प्टकेवल अंग्रेज़ी समर्थित है — निर्देश जितने विशिष्ट लिखेंगे, बदलाव उतना ही सटीक होगा।
कदम:
- सब-ग्राफ़ के prompt बॉक्स में निर्देश लिखें। ऑफ़िशियल टेम्पलेट में दिया गया उदाहरण एक स्टाइल-रेफ़रेंस निर्देश है:
Using this elegant style, create a portrait of a swan wearing a pearl tiara and lace collar, maintaining the same refined quality and soft color tones.- सबसे बुनियादी सिंगल-पॉइंट बदलाव पहले आज़माना हो तो ऑफ़िशियल नोट्स का उदाहरण इस्तेमाल करें:
Change the car color to red - Load Image नोड में अपनी इमेज डालें (याऑफ़िशियल सैंपल इमेज अपलोड करें)
- Run पर क्लिक करें (पुराने इंटरफ़ेस में Queue), या
Ctrl+Enterदबाएँ
निर्देश के चार सिद्धांत (ऑफ़िशियल नोट्स का 「कोर प्रिंसिपल्स」 सेक्शन):
| सिद्धांत | कैसे करें |
|---|---|
| विशिष्ट और स्पष्ट | सटीक विवरण इस्तेमाल करें, अस्पष्ट संदर्भ नहीं — 「the woman with short black hair」 लिखें, केवल 「she」 नहीं |
| चरणबद्ध एडिटिंग | जटिल बदलावों को कई राउंड के सरल निर्देशों में तोड़ें — पहले बैकग्राउंड बदलें, फिर एक्शन |
| स्पष्ट संरक्षण | लिखकर बताएँ कि क्या नहीं बदलना: while maintaining the same facial features, hairstyle, and expression |
| क्रिया चुनाव | change, replace इस्तेमाल करें, transform नहीं (बाद वाला सब्जेक्ट को पूरा दोबारा बना सकता है) |
चार यूनिवर्सल फ़ॉर्मूले (ऑफ़िशियल नोट्स का 「बेस्ट प्रैक्टिस टेम्पलेट्स」 सेक्शन, स्क्वायर ब्रैकेट में अपनी सामग्री डालें):
| परिदृश्य | फ़ॉर्मूला |
|---|---|
| ऑब्जेक्ट बदलाव | Change [object] to [new state], keep [content to preserve] unchanged |
| स्टाइल ट्रांसफ़र | Transform to [specific style], while maintaining [composition/character] unchanged |
| बैकग्राउंड रिप्लेसमेंट | Change the background to [new background], keep the subject in the exact same position and pose |
| टेक्स्ट एडिटिंग | Replace '[original text]' with '[new text]', maintain the same font style |
आपको यह दिखना चाहिए: प्रोग्रेस बार 20 स्टेप पूरे हो, SaveImage से इमेज निकले — निर्देश में बताए तत्व बदल गए, जो नहीं बताया वह वैसा ही रहे।
- पहले राउंड की एडिटेड इमेज: बदला हुआ हिस्सा निर्देश के अनुरूप है, बाकी तस्वीर भटकी नहीं
चरण 5: मल्टी-राउंड इटरेशन — पिछले राउंड का नतीजा अगले राउंड में वापस फ़ीड करें
क्यों: इटरेशन Kontext की पहचान है — ऑफ़िशियल परिचय ज़ोर देता है कि कई राउंड के इटरेटिव एडिट के बाद भी कैरेक्टर विशेषताएँ और कंपोज़िशन स्थिर रहती हैं। इटरेशन का मंत्र बस एक वाक्य है: पिछले राउंड का आउटपुट, अगले राउंड का इनपुट है।
कदम:
तरीका A: टेम्पलेट के साथ दिए गए Load Image से दोबारा अपलोड करें (सबसे आसान)
पहला राउंड पूरा होने पर नतीजा इमेज ComfyUI/output/ में सेव हो चुकी होती है। इसे दोबारा Load Image नोड में अपलोड करें (पहले राउंड की इनपुट इमेज की जगह), एक निर्देश बदलें, फिर Ctrl+Enter दबाएँ।
तरीका B: Load Image(from output) नोड लगाएँ (ऑफ़िशियल तौर पर सुझाया गया इटरेशन तरीका)
आधिकारिक ट्यूटोरियल में इस नोड को विशेष रूप से परिचित कराया गया है: output डायरेक्टरी से इमेज लें, कई राउंड के एडिटिंग के दौरान पिछले राउंड का परिणाम लेना अधिक सुविधाजनक है। नोड में एक रिफ्रेश बटन बना हुआ है, इसे एक बार क्लिक करने पर फाइल सूची अपडेट हो जाएगी और पहली इमेज अपने आप चयनित हो जाएगी — सोर्स कोड में नोड के विवरण के मूल शब्द हैं «इटरेशन के लिए सुविधाजनक»।
कैसे करें: एक Load Image(from output) नोड जोड़ें (नोड सर्च में output image या previous generation टाइप करने पर भी मिल जाएगा), इसके IMAGE आउटपुट को सब-ग्राफ़ के image1 इनपुट से जोड़ें, मूल Load Image की वह लाइन हटाकर।
इटरेशन की रफ़्तार (ऑफ़िशियल नोट्स के 「कैरेक्टर कंसिस्टेंसी」 सेक्शन की सलाह): जटिल बदलावों को कई राउंड के सरल निर्देशों में तोड़ें — पहले बैकग्राउंड बदलें, फिर एक्शन। हर राउंड में केवल एक बदलाव बताएँ, संरक्षण वाक्य लिखते रहें।
आपको यह दिखना चाहिए: दूसरे राउंड का इनपुट पहले राउंड का आउटपुट है। दो राउंड के बाद भी किरदार का चेहरा, हेयरस्टाइल और भाव वही इंसान हैं, कंपोज़िशन नहीं भटकी।
- लगातार दो राउंड बदलने के बाद भी किरदार वही इंसान है
चरण 6: दो-चित्र संदर्भ — किरदार की इमेज प्लस स्टाइल की इमेज (वैकल्पिक)
क्यों: अगर आप चाहते हैं कि किरदार किसी दूसरी इमेज की स्टाइल में दिखे, तो एक संदर्भ इमेज काफी नहीं है — Kontext मल्टी-इमेज संदर्भ को सपोर्ट करता है, और टेम्पलेट में दूसरा इमेज लेने का एंट्री पॉइंट पहले से जोड़ा गया है।
कदम:
- डिफ़ॉल्ट रूप से बायपास किए गए दूसरे Load Image नोड का बायपास हटाएं (वापस इनेबल करें), और स्टाइल संदर्भ इमेज अपलोड करें
- सबग्राफ़ का ImageStitch दोनों इमेज को बाएं-दाएं जोड़कर एक इमेज बना देगा, जो संयुक्त संदर्भ के रूप में काम करेगी
- निर्देश में साफ लिखें कि क्या चाहिए — आधिकारिक टेम्पलेट में दिया गया उदाहरण इसी इस्तेमाल का है: इस एलिगेंट स्टाइल का इस्तेमाल करते हुए एक हंस का पोर्ट्रेट बनाएं जिसने मोती का हेडड्रेस और लेस कॉलर पहना हो, साथ ही नाजुक बनावट और सॉफ्ट टोन बनाए रखें
ज़्यादा इमेज रेफरेंस करना चाहते हैं? सबग्राफ़ के नोट ने एक और रास्ता दिया है: सिलाई की ज़रूरत नहीं — हर इमेज को अलग से VAEEncode से एनकोड करें, फिर ReferenceLatent से कई latent कंडीशन को चेन में जोड़ें (सोर्स कोड कमेंट: मॉडल सपोर्ट करता हो तो कई संदर्भ इमेज चेन में सेट की जा सकती हैं); आउटपुट साइज़ EmptySD3LatentImage नोड से KSampler के latent_image से जोड़कर कस्टमाइज़ करें।
आपको यह दिखना चाहिए: आउटपुट में दोनों संदर्भों की जानकारी एक साथ आती है — किरदार इमेज A से, स्टाइल इमेज B से।
- दो-चित्र संदर्भ सफलतापूर्वक चला: किरदार और स्टाइल दोनों अपनी-अपनी जगह से लिए गए
चेकपॉइंट ✅
- पहले राउंड का निर्देश-आधारित इमेज एडिट चल गया: टेम्पलेट + चार ज़रूरी फ़ाइलें + अंग्रेज़ी निर्देश
- लगातार दो-तीन राउंड इटरेट करने पर किरदार का चेहरा और कंपोज़िशन नहीं भटके
- ReferenceLatent का काम बता सकते हैं: मूल इमेज के latent को संदर्भ के रूप में पॉज़िटिव कंडीशन में जोड़ना
- आयरन रूल याद है: प्रॉम्प्ट सिर्फ़ अंग्रेज़ी, cfg 1, 20 स्टेप, guidance 2.5
- (वैकल्पिक) दो-चित्र संदर्भ चल गया, किरदार और स्टाइल अलग-अलग कंट्रोल हुए
आम ग़लतियों की चेतावनी
❌ प्रॉम्प्ट चीनी भाषा में लिखना
कारण: आधिकारिक ट्यूटोरियल में साफ कहा गया है कि Kontext के प्रॉम्प्ट सिर्फ़ अंग्रेज़ी सपोर्ट करते हैं, चीनी निर्देश मॉडल नहीं पहचानता। सही तरीका: पहले चीनी में सोचें कि क्या बदलना है, फिर उसे अंग्रेज़ी में अनुवाद करके प्रॉम्प्ट में लिखें; "क्या बरकरार रखना है" भी अंग्रेज़ी में साफ लिखें।
❌ एक ही निर्देश में पूरे इंसान को बदल डालना
❌ Transform the person into a Viking
✅ Change the clothes to be a viking warrior while preserving facial featuresकारण: transform जैसे शब्द मॉडल को सब्जेक्ट पूरा दोबारा बनाने पर मजबूर कर देते हैं, किरदार की विशेषताएं भटक जाती हैं — यह आधिकारिक नोट का टिपिकल ग़लती का उदाहरण है। सही तरीका: change/replace से बताएं कि कौन-सी चीज़ बदलनी है, फिर विशेषताएं बरकरार रखने वाला एक वाक्य जोड़ें।
❌ बैकग्राउंड बदलते समय इंसान की जगह भी खिसक जाना
❌ Put him on a beach
✅ Change the background to a beach while keeping the person in the exact same position, scale, and poseकारण: "पोज़िशन, स्केल, पोज़ नहीं बदलेंगे" नहीं लिखा, तो मॉडल ने इसे दोबारा कंपोज़ करना समझा। सही तरीका: बैकग्राउंड रिप्लेसमेंट फ़ॉर्मूला लगाएं, और बरकरार रखने वाले तीन वाक्य (position, scale, pose) पूरे लिखें।
❌ flux1-dev.safetensors को Kontext की तरह इस्तेमाल करना
कारण: flux1-dev टेक्स्ट-से-इमेज वेट है, flux1-dev-kontext एडिटिंग वेट है, दोनों फ़ाइलें एक-दूसरे की जगह नहीं चल सकतीं; फ़ाइल ग़लत सबफ़ोल्डर में रखी तो loader उसे नहीं ढूंढ पाएगा। सही तरीका: चरण 2 की टेबल के हिसाब से डाउनलोड करके सही जगह रखें; फिर भी न मिले तो देखें मॉडल लोड होने में विफलता।
एडवांस टिप्स (वैकल्पिक)
🔧 स्टाइल ट्रांसफ़र निर्देश लिखने के तीन तरीके (आधिकारिक नोट का "स्टाइल ट्रांसफ़र" सेक्शन, जोड़े जा सकते हैं): स्टाइल को नाम से बताएं — Transform to Bauhaus art style; स्टाइल की विशेषताएं ब्यौरे से लिखें — Transform to oil painting with visible brushstrokes, thick paint texture; कंपोज़िशन बरकरार रखें — Change to Bauhaus style while maintaining the original composition।
🔧 इमेज के अंदर का टेक्स्ट भी बदला जा सकता है: मूल टेक्स्ट और नए टेक्स्ट को कोट्स में रखें — Replace 'joy' with 'BFL', फिर maintaining the same font style जोड़ें ताकि फ़ॉन्ट वही रहे (आधिकारिक नोट का "टेक्स्ट एडिट" सेक्शन)।
🔧 मूल वेट इस्तेमाल करना चाहते हैं: टेम्पलेट में इस्तेमाल होने वाला fp8_scaled आधिकारिक तौर पर पैक किया गया क्वांटाइज़्ड वर्ज़न है; ओरिजिनल वेट चाहिए तो आधिकारिक Tip रास्ता दिखाता है — Black Forest Labs के संबंधित रिपॉज़िटरी से लें।
🔧 इमेज एडिटिंग का रास्ता कैसे चुनें: पूरी इमेज पर निर्देश-आधारित एडिटिंग के लिए इस पाठ का Kontext; एरिया तय करके लोकल रीपेंट और आउटपेंटिंग के लिए अगले पाठ का FLUX.1 Fill; मल्टी-रेफ़रेंस कंसिस्टेंसी के लिए FLUX.2 और FLUX.3 Klein; चीनी निर्देश से इमेज एडिट करना चाहें तो देखें Qwen-Image-Edit और Qwen-Image-2.1।
पाठ का सारांश
✅ FLUX Kontext वर्कफ़्लो चल गया: टेम्पलेट लोड → चार ज़रूरी फ़ाइलें सही जगह → अंग्रेज़ी निर्देश → 20 स्टेप में इमेज।
✅ किरदार कंसिस्टेंसी के दो सहारे समझ आ गए: स्ट्रक्चर में ReferenceLatent से मूल इमेज को कंडीशन में जोड़ना; निर्देश में "change/replace + स्पष्ट रूप से बरकरार रखना + चरण-दर-चरण इटरेशन"।
✅ मल्टी-राउंड इटरेशन में इमेज फ़ीड करना आ गया: आउटपुट इनपुट बनता है; Load Image(from output) नोड से output फ़ोल्डर से इमेज लें, बार-बार अपलोड की झंझट नहीं।
✅ आयरन रूल याद हैं: प्रॉम्प्ट सिर्फ़ अंग्रेज़ी, cfg 1, 20 स्टेप euler/simple, guidance 2.5।
मुख्य कॉन्फ़िगरेशन का पुनरावलोकन:
| कॉन्फ़िगरेशन | सुझाया गया मान | विवरण |
|---|---|---|
| डिफ़्यूज़न मॉडल | flux1-dev-kontext_fp8_scaled.safetensors(11.09 GB) | models/diffusion_models/ में रखें; ध्यान रखें कि फ़ाइलनाम में kontext हो |
| टेक्स्ट एनकोडर | clip_l.safetensors + t5xxl_fp8_e4m3fn_scaled.safetensors(4.8 GB) | models/text_encoders/ में रखें; VRAM ज़्यादा हो तो t5xxl_fp16.safetensors(9.12 GB) से बदल सकते हैं |
| VAE | ae.safetensors(319.8 MB) | models/vae/ में रखें; FLUX.1 टेक्स्ट-से-इमेज के साथ साझा |
| DualCLIPLoader | पहला स्लॉट clip_l, दूसरा स्लॉट t5xxl, type flux | FLUX परिवार की रेसिपी |
| KSampler | 20 स्टेप, cfg 1, euler, simple, denoise 1.0 | आधिकारिक टेम्पलेट कॉन्फ़िगरेशन |
| FluxGuidance | 2.5 | आधिकारिक टेम्पलेट का डिफ़ॉल्ट |
| प्रॉम्प्ट | केवल अंग्रेज़ी; change/replace + रिटेन स्टेटमेंट | आधिकारिक रूप से स्पष्ट कहता है कि केवल अंग्रेज़ी समर्थित है |
| सेव प्रीफ़िक्स | flux.1_kontext_dev | आउटपुट ComfyUI/output/ में सहेजा जाता है, पुनरावृत्ति के समय यहाँ से चित्र लें |
अगले पाठ का पूर्वावलोकन
Kontext "पूरे चित्र की सीमा" का निर्देश-आधारित संपादन है; अगले पाठ का FLUX.1 Fill "चयनित क्षेत्र" में विशेषज्ञ है: जहाँ मास्क घेरे, वहीं बदलाव होगा। अगला पाठ: FLUX.1 Fill: स्थानीय पुनःचित्रण और चित्र-विस्तार।
आप सीखेंगे:
- FLUX.1 Fill का मॉडल डाउनलोड और परिनियोजन
- स्थानीय पुनःचित्रण (inpaint): मास्क से क्षेत्र चुनें, केवल चयनित क्षेत्र की सामग्री बदलें
- चित्र-विस्तार (outpaint): चित्र की सीमा को बाहर की ओर विस्तारित करें, वर्गाकार चित्र को क्षैतिज चित्र बनाएं
- Fill और Kontext का कार्य-विभाजन: स्थानीय बदलाव के लिए Fill, पूरे चित्र के निर्देश-आधारित संपादन के लिए Kontext