夜雨聆风
8步出图+免装插件!ComfyUI 这个工作流让 Flux.2 图像编辑变简单
8步出图+免装插件！ComfyUI 这个工作流让 Flux.2 图像编辑变简单
|
本文详细介绍如何在 ComfyUI 中搭建 Flux.2 单图编辑工作流，包含完整的环境配置、节点配置清单、参数调优指南。看完就能上手！ |
目录
- 工作流简介
- 应用场景
- 技术方案
- 环境准备
- 工作流结构
- 主工作流节点配置
- 子工作流节点详解
- 节点连接关系表
- 使用指南
- 参数调优
- 常见问题
工作流简介
这个工作流是专门为 Flux.2 AI 图像编辑 设计的。
简单来说，它能让你基于 Flux.2 模型的强大能力，对单张图片进行智能编辑和风格转换。不管是想换个背景、调个色调，还是给图片加元素，它都能搞定。
核心功能有哪些？
- AI 图像编辑：基于 Flux.2 模型的智能图像编辑
- Turbo 加速：支持 8 步快速生成模式，比标准模式快 2.5 倍
- 灵活控制：支持提示词、模型切换、参数调整
- 高质量输出：确保生成结果的质量和细节
技术上有什么亮点？
- Flux.2 Dev 模型：最新一代高质量图像生成模型
- FP8 量化权重：降低显存占用，8GB 显卡也能跑
- LoRA 加速：集成 Flux.2 Turbo LoRA，8 步出图不是梦
- 参考编辑：支持基于参考图像的精准编辑
快速了解
| 项目 | 数值 |
|---|---|
| 总节点数 | 26 个 |
| 主工作流节点 | 5 个 |
| 子工作流节点 | 21 个 |
| 最低显存要求 | 8GB（需开启低显存模式） |
应用场景
这个工作流能用在哪些地方？
场景一：专业内容创作
适合设计师、艺术家、内容创作者。
比如：
- 快速生成创意内容
- 批量制作素材
- 风格化图像处理
场景二：商业应用
适合电商、广告、营销等场景。
比如：
- 产品图片美化处理
- 广告素材制作
- 营销内容生成
场景三：个人创作
适合 AI 技术爱好者、学习者。
比如：
- 学习 AI 图像生成技术
- 个人作品创作
- 技术实验和探索
技术方案
整体架构
工作流采用模块化设计，分为 6 个阶段：
text 图像输入 → 模型加载 → 编码处理 → 采样编辑 → 解码输出 → 保存结果各阶段详解
- 图像输入阶段：加载输入图像并进行尺寸处理
- 模型加载阶段：加载 Flux.2 模型、CLIP 编码器、VAE 和 LoRA
- 编码阶段：将输入图像编码为 Latent 表示
- 采样阶段：使用 Flux.2 采样器进行图像编辑
- 解码阶段：将 Latent 解码为最终图像
- 输出阶段：保存生成的图像
核心技术组件
| 组件 | 作用 |
|---|---|
| Flux.2 Dev 模型 | 高质量图像生成 |
| Flux.2 Turbo LoRA | 快速生成加速 |
| CLIP 文本编码 | 提示词理解 |
| VAE 编解码 | 图像压缩和解压 |
关键节点速览
- UNETLoader：加载 Flux.2 扩散模型
- CLIPLoader：加载文本编码器
- VAELoader：加载 VAE 模型
- LoraLoaderModelOnly：加载 LoRA 加速模型
- SamplerCustomAdvanced：高级采样过程
环境准备
系统要求
| 项目 | 要求 |
|---|---|
| ComfyUI 版本 | v0.9.2 或更高 |
| Python 版本 | 3.10+ |
| 最低显存 | 8GB（需开启 lowvram） |
| 推荐显存 | 12GB 以上 |
| 硬盘空间 | 至少 50GB |
| 操作系统 | Windows 10/11、Linux、macOS |
|
💡 显存不够怎么办？后文有优化方案。 |
插件安装
本工作流使用 ComfyUI 核心节点，无需安装额外插件。
模型下载
这是最重要的部分！工作流需要以下模型文件：
1. 文本编码器 (text_encoders)
| 文件名 | 说明 |
|---|---|
mistral_3_small_flux2_bf16.safetensors |
Flux.2 专用文本编码器 |
2. LoRA 模型 (loras)
| 文件名 | 说明 |
|---|---|
Flux_2-Turbo-LoRA_comfyui.safetensors |
Flux.2 Turbo 加速 LoRA |
3. 扩散模型 (diffusion_models)
| 文件名 | 说明 |
|---|---|
flux2_dev_fp8mixed.safetensors |
Flux.2 Dev FP8 混合精度模型 |
4. VAE 模型 (vae)
| 文件名 | 说明 |
|---|---|
flux2-vae.safetensors |
Flux.2 VAE 编码器 |
模型存储目录结构
下载后，将文件按以下结构放置：
text 📂 ComfyUI/└── 📂 models/├── 📂 text_encoders/│ └── mistral_3_small_flux2_bf16.safetensors├── 📂 loras/│ └── Flux_2-Turbo-LoRA_comfyui.safetensors├── 📂 diffusion_models/│ └── flux2_dev_fp8mixed.safetensors└── 📂 vae/└── flux2-vae.safetensors═════════ 工作流结构
总体统计
| 类别 | 数量 | 说明 |
|---|---|---|
| 主工作流节点 | 5 | 图像输入、处理、输出 |
| 子工作流节点 | 21 | Image Edit (Flux.2 Dev) 内部节点 |
| 总节点数 | 26 | 完整工作流 |
工作流流程图
text [输入阶段]LoadImage (#159)↓ImageScaleToTotalPixels (#160)↓[编辑阶段 - 子工作流]Image Edit (Flux.2 Dev) (#163)├─ 模型加载: UNETLoader, CLIPLoader, VAELoader, LoraLoaderModelOnly├─ 编码处理: VAEEncode, GetImageSize├─ 采样过程: SamplerCustomAdvanced, Flux2Scheduler, BasicGuider├─ 提示词: CLIPTextEncode, FluxGuidance└─ 解码输出: VAEDecode↓[输出阶段]SaveImage (#161)═════════ 主工作流节点配置
主工作流包含 5 个节点，负责图像的输入、处理和输出。
节点配置清单
| 节点ID | 节点类型 | 功能说明 | 类别 |
|---|---|---|---|
| 159 | LoadImage | 图像加载 – 从磁盘加载图像 | 输入处理 |
| 160 | ImageScaleToTotalPixels | 图像缩放 – 按总像素数缩放 | 输入处理 |
| 161 | SaveImage | 图像保存 – 保存生成的图像 | 输出处理 |
| 162 | MarkdownNote | 说明文档 – 工作流说明 | 文档 |
| 163 | Subgraph | Image Edit (Flux.2 Dev) | 核心编辑 |
节点详细配置
节点 #159：LoadImage
- 功能：从磁盘加载输入图像
- 输入：图像文件选择
- 输出：IMAGE（图像）、MASK（遮罩）
- 参数配置：
- 图像文件：
image_flux2_input_image.png - 上传方式：
image
节点 #160：ImageScaleToTotalPixels
- 功能：按总像素数缩放图像
- 输入：IMAGE（来自 #159）
- 输出：IMAGE（缩放后的图像）
- 参数配置：
- 缩放方法：
lanczos（高质量缩放） - 像素数量：
1（百万像素） - 分辨率步数：
1
节点 #161：SaveImage
- 功能：保存生成的图像到磁盘
- 输入：IMAGE（来自 #163 子工作流）
- 输出：无
- 参数配置：
- 文件名前缀：
Flux2
子工作流节点详解
子工作流概述
- 子工作流名称：Image Edit (Flux.2 Dev)
- 子工作流 ID：bfe56e7e-74ae-4482-8127-684380f83100
- 节点数量：21 个
子工作流输入接口
| 输入名 | 类型 | 说明 |
|---|---|---|
| pixels | IMAGE | 输入图像 |
| text | STRING | 提示词 |
| unet_name | COMBO | UNET 模型名称 |
| clip_name | COMBO | CLIP 模型名称 |
| vae_name | COMBO | VAE 模型名称 |
| enable_turbo_mode | BOOLEAN | 启用 8 步 Turbo 模式 |
| lora_name | COMBO | LoRA 模型名称 |
子工作流输出接口
| 输出名 | 类型 | 说明 |
|---|---|---|
| IMAGE | IMAGE | 编辑后的图像 |
模型加载组（4个节点）
节点 #12：UNETLoader
- 功能：加载 Flux.2 扩散模型
- 输入：unet_name（模型名称）、weight_dtype（权重类型）
- 输出：MODEL（模型）
- 参数配置：
- 模型：
flux2_dev_fp8mixed.safetensors - 权重类型：
default
节点 #38：CLIPLoader
- 功能：加载文本编码模型
- 输入：clip_name（模型名称）、type（类型）、device（设备）
- 输出：CLIP（文本编码器）
- 参数配置：
- 模型：
mistral_3_small_flux2_bf16.safetensors - 类型：
flux2 - 设备：
default
节点 #10：VAELoader
- 功能：加载 VAE 模型
- 输入：vae_name（模型名称）
- 输出：VAE（VAE 模型）
- 参数配置：
- 模型：
flux2-vae.safetensors
节点 #89：LoraLoaderModelOnly
- 功能：加载 LoRA 加速模型
- 输入：model（基础模型）、lora_name（LoRA 名称）、strength_model（强度）
- 输出：MODEL（应用 LoRA 后的模型）
- 参数配置：
- LoRA 模型：
Flux_2-Turbo-LoRA_comfyui.safetensors - 模型强度：
1
采样器组（4个节点）
节点 #16：KSamplerSelect
- 功能：选择采样算法
- 输入：sampler_name（采样器名称）
- 输出：SAMPLER（采样器）
- 参数配置：
- 采样器：
euler（欧拉方法）
节点 #48：Flux2Scheduler
- 功能：生成 Flux.2 采样步数的 Sigmas
- 输入：steps（步数）、width（宽度）、height（高度）
- 输出：SIGMAS（采样步数）
- 参数配置：
- 步数：
20（或8在 Turbo 模式） - 宽度：
1248 - 高度：
832
节点 #22：BasicGuider
- 功能：应用模型和条件进行引导
- 输入：model（模型）、conditioning（条件）
- 输出：GUIDER（引导器）
节点 #13：SamplerCustomAdvanced
- 功能：高级采样过程
- 输入：noise（噪声）、guider（引导）、sampler（采样器）、sigmas（步数）、latent_image（Latent）
- 输出：output（输出 Latent）、denoised_output（降噪输出）
提示词处理（2个节点）
节点 #6：CLIPTextEncode
- 功能：将文本编码为条件
- 输入：clip（CLIP 模型）、text（文本）
- 输出：CONDITIONING（条件）
- 参数配置：
- 提示词：
The woman is wearing a small pale yellow knitted beanie, with a white fabric patch on the front right, embroidered with big gray text "FLUX.2 COMFY." Keep the face
节点 #26：FluxGuidance
- 功能：应用 Flux 特定的引导
- 输入：conditioning（条件）、guidance（引导强度）
- 输出：CONDITIONING（引导后的条件）
- 参数配置：
- 引导强度：
4
图像处理组（5个节点）
节点 #72：GetImageSize
- 功能：获取图像的宽度和高度
- 输入：image（图像）
- 输出：width（宽度）、height（高度）、batch_size（批处理大小）
节点 #44：VAEEncode
- 功能：将图像编码为 Latent 表示
- 输入：pixels（图像）、vae（VAE 模型）
- 输出：LATENT（Latent 表示）
节点 #47：EmptyFlux2LatentImage
- 功能：创建空的 Latent 图像
- 输入：width（宽度）、height（高度）、batch_size（批处理大小）
- 输出：LATENT（空 Latent）
- 参数配置：
- 宽度：
1248 - 高度：
832 - 批处理大小：
1
节点 #8：VAEDecode
- 功能：将 Latent 解码为图像
- 输入：samples（Latent）、vae（VAE 模型）
- 输出：IMAGE（解码后的图像）
节点 #43：ReferenceLatent
- 功能：使用参考 Latent 进行编辑
- 输入：conditioning（条件）、latent（参考 Latent）
- 输出：CONDITIONING（更新的条件）
控制节点组（6个节点）
节点 #25：RandomNoise
- 功能：生成随机噪声
- 输入：noise_seed（随机种子）
- 输出：NOISE（噪声）
- 参数配置：
- 随机种子：
649422536169327 - 模式：
randomize
节点 #90：PrimitiveInt（8步模式）
- 功能：设置整数参数
- 输出：INT（整数值）
- 参数配置：
- 值：
8 - 模式：
fixed
节点 #91：PrimitiveInt（20步模式）
- 功能：设置整数参数
- 输出：INT（整数值）
- 参数配置：
- 值：
20 - 模式：
fixed
节点 #92：ComfySwitchNode（模型切换）
- 功能：条件切换模型
- 输入：on_false（假时）、on_true（真时）、switch（切换）
- 输出：output（输出）
- 说明：根据 enable_turbo_mode 切换是否应用 LoRA
节点 #93：ComfySwitchNode（步数切换）
- 功能：条件切换步数
- 输入：on_false（假时）、on_true（真时）、switch（切换）
- 输出：output（输出）
- 说明：根据 enable_turbo_mode 切换 8 步或 20 步
节点 #94：PrimitiveBoolean
- 功能：设置布尔参数
- 输出：BOOLEAN（布尔值）
- 参数配置：
- 值：
false（默认不启用 Turbo 模式）
节点连接关系表
主工作流连接
| 源节点 | 源输出 | 目标节点 | 目标输入 | 数据类型 |
|---|---|---|---|---|
| #159 | IMAGE | #160 | image | IMAGE |
| #160 | IMAGE | #163 | pixels | IMAGE |
| #163 | IMAGE | #161 | images | IMAGE |
子工作流内部关键连接
| 源节点 | 源输出 | 目标节点 | 目标输入 | 数据类型 |
|---|---|---|---|---|
| #72 | width | #48 | width | INT |
| #72 | height | #48 | height | INT |
| #72 | width | #47 | width | INT |
| #72 | height | #47 | height | INT |
| #38 | CLIP | #6 | clip | CLIP |
| #6 | CONDITIONING | #26 | conditioning | CONDITIONING |
| #26 | CONDITIONING | #43 | conditioning | CONDITIONING |
| #43 | CONDITIONING | #22 | conditioning | CONDITIONING |
| #12 | MODEL | #89 | model | MODEL |
| #89 | MODEL | #92 | on_true | MODEL |
| #12 | MODEL | #92 | on_false | MODEL |
| #92 | output | #22 | model | MODEL |
| #16 | SAMPLER | #13 | sampler | SAMPLER |
| #48 | SIGMAS | #13 | sigmas | SIGMAS |
| #22 | GUIDER | #13 | guider | GUIDER |
| #25 | NOISE | #13 | noise | NOISE |
| #47 | LATENT | #13 | latent_image | LATENT |
| #13 | output | #8 | samples | LATENT |
| #10 | VAE | #8 | vae | VAE |
| #8 | IMAGE | 输出 | – | IMAGE |
连接验证清单
使用前请确认以下连接：
- ✅ 图像输入：LoadImage 的输出 → ImageScaleToTotalPixels
- ✅ 图像缩放：ImageScaleToTotalPixels 的输出 → 子工作流
- ✅ 模型加载：所有模型加载节点的输出已正确连接
- ✅ 文本编码：CLIP 输出 → CLIPTextEncode
- ✅ 采样过程：所有采样器输入都已连接
- ✅ VAE 编解码：VAE 输出 → 编码和解码节点
- ✅ 图像输出：VAEDecode 的输出 → SaveImage
使用指南
基础使用流程
第一步：准备输入素材
图片要求：
| 项目 | 要求 |
|---|---|
| 格式 | PNG、JPG、WEBP |
| 推荐分辨率 | 1024×1024 或 1248×832 |
| 图片质量 | 清晰、光线充足 |
将图片放置到：ComfyUI/input/ 目录
第二步：调整提示词
提示词格式建议：
text [主体描述] + [风格描述] + [质量关键词] + [细节描述]示例：
text The woman is wearing a small pale yellow knitted beanie, with a white fabric patch on the front right, embroidered with big gray text "FLUX.2 COMFY." Keep the face第三步：设置关键参数
| 参数 | 说明 | 推荐值 |
|---|---|---|
| steps | 采样步数 | 8（Turbo）或 20（标准） |
| guidance | 引导强度 | 4 |
| sampler_name | 采样器名称 | euler |
| enable_turbo_mode | 启用 Turbo 模式 | false（默认）或 true |
第四步：执行生成
- 确认所有参数设置正确
- 检查所有节点连接完整（无红色警告）
- 点击 “Queue Prompt” 按钮
- 等待生成完成
- 查看输出结果
|
生成结果保存在： |
⚙️ 参数调优
Steps（采样步数）
作用：控制生成质量和速度
| 步数 | 模式 | 特点 |
|---|---|---|
| 8 步 | Turbo 模式 | 快速预览，质量较好 |
| 20 步 | 标准模式 | 正常质量，速度适中 |
| 30+ 步 | 高质量模式 | 质量最好，速度较慢 |
Guidance（引导强度）
作用：控制生成结果对提示词的遵循程度
| 数值 | 效果 |
|---|---|
| 2-3 | 生成结果更自然，但可能偏离提示词 |
| 4 | 平衡自然度和提示词遵循度（推荐） |
| 6-8 | 严格遵循提示词，但可能过度饱和 |
Enable Turbo Mode（启用 Turbo 模式）
| 设置 | 效果 |
|---|---|
| false（默认） | 使用 20 步标准模式，质量更好 |
| true | 使用 8 步 Turbo 模式，速度快 2.5 倍 |
提示词技巧
正面提示词结构
基础模板：
text [主体] + [风格] + [质量词] + [细节]示例：
text beautiful woman, wearing yellow beanie, high quality, detailed, professional photography, vibrant colors提示词权重调整
使用括号增强关键词权重：
text (关键词:1.2) - 增强权重(关键词:0.8) - 降低权重═════════ 性能优化
显存优化
8GB 显卡：
bash python main.py --lowvram12GB+ 显卡：使用默认设置即可。
速度优化
- 启用 Turbo 模式（8 步）
- 使用 euler 采样器
- 启用 xformers 加速
bash pip install xformerspython main.py --use-xformers═════════ 常见问题
Q1：工作流加载后提示节点连接错误怎么办？
- 检查所有必需的模型文件是否已下载到正确路径
- 确认 ComfyUI 版本是否为 0.9.2 或更高
- 重启 ComfyUI 并重新加载工作流
- 检查节点之间的连接是否完整
Q2：生成结果不理想怎么办？
- 调整提示词，使描述更具体
- 提高 Guidance 值（4→6）
- 增加采样步数（8→20）
- 检查输入图片质量
- 尝试不同的随机种子
Q3：显存不足怎么办？
- 启用 lowvram 模式：
python main.py --lowvram- 降低图像分辨率
- 减少批处理数量
- 关闭其他占用显存的程序
Q4：生成速度太慢怎么办？
- 启用 Turbo 模式（8 步）
- 使用 euler 采样器
- 启用 xformers 加速
- 升级显卡硬件
Q5：如何批量处理多张图片？
- 使用 Load Image Batch 节点
- 编写 Python 脚本调用 ComfyUI API
- 多次点击 “Queue Prompt” 排队处理
Q6：生成的图片在哪里？
生成的图片默认保存在
ComfyUI/output/目录下，文件名包含时间戳和节点ID。═════════ 总结
这个工作流提供了专业的 Flux.2 AI 图像编辑解决方案。
优势
- ✅ 高质量输出：采用最新的 Flux.2 模型，确保生成质量
- ✅ 快速生成：支持 8 步 Turbo 模式，速度快 2.5 倍
- ✅ 灵活控制：支持提示词、模型切换、参数调整
- ✅ 易于使用：清晰的节点结构，简单的操作流程
- ✅ 性能优化：支持多种性能优化选项
适用人群
- 设计师和艺术家
- 内容创作者
- 电商从业者
- AI 技术爱好者
- 学习者和研究者
|
如果觉得有用，欢迎转发给需要的朋友！ |