FLUX 扩图完整教程:从安装到出图,手把手带你搭建

FLUX 扩图完整教程:从安装到出图,手把手带你搭建

你是不是也遇到过这样的困扰：想要快速编辑图片,但传统工具太慢?想要高质量生成图像,但效果总是不理想?

今天给你带来一套完整的 FLUX 扩图工作流教程,手把手教你搭建一个专业级的 AI 图像处理系统。这套工作流结合了 Flux2 Klein 快速编辑模型和 SDXL 高质量生成模型,让你既能快速处理,又能保证质量。

这套工作流能帮你做什么?

• 快速编辑图像,几秒钟就能完成
• 生成 1024x1024 高分辨率图片
• 精确控制生成过程,想要什么效果就能做出什么效果
• 自动抠图处理背景,省去手动操作的麻烦

整个工作流包含 91 个节点,116 个连接,听起来复杂,但跟着这篇教程走,你会发现其实很简单。

这套工作流适合谁用?

如果你是设计师或内容创作者

你可以用它来:

• 快速生成创意素材
• 批量制作设计元素
• 给图片换风格

如果你做电商或营销

你可以用它来:

• 处理产品图片
• 制作广告素材
• 生成营销内容

如果你是 AI 爱好者

你可以用它来:

• 学习 AI 图像生成技术
• 创作个人作品
• 做技术实验

开始前的准备工作

你的电脑需要满足这些条件

• ComfyUI 版本: v0.9.2 或更高
• Python 版本: 3.10 以上
• 显存: 建议 12GB 以上(最低 8GB,需要开启 lowvram 模式)
• 硬盘空间: 至少 30GB,用来存放模型文件
• 操作系统: Windows 10/11、Linux 或 macOS 都可以

第一步:安装必需的插件

ComfyUI-ControlNet-Auxiliary 插件

这个插件是用来提取图像控制信息的,比如姿态、边缘、深度等。

安装方法:

bash
cd ComfyUI/custom_nodesgit clone https://github.com/Fannovel16/comfyui_controlnet_aux.gitcd comfyui_controlnet_auxpip install -r requirements.txt

怎么确认安装成功?

重启 ComfyUI 后,在节点列表里搜索 "DWPreprocessor" 或 "ControlNet",如果能找到就说明装好了。

第二步:下载模型文件

这一步很重要,模型文件是整个工作流的核心。你需要下载以下几个模型:

主模型文件

juggernautXL_juggXIByRundiffusion.safetensors

• 文件名: juggernautXL_juggXIByRundiffusion.safetensors
• 去哪里下载: Hugging Face、Civitai 或 ModelScope,搜索模型名称就能找到
• 放在哪里: ComfyUI/models/checkpoints/ 目录

FLUX1/flux1-dev-fp8.safetensors

• 文件名: FLUX1/flux1-dev-fp8.safetensors
• 去哪里下载: Hugging Face、Civitai 或 ModelScope
• 放在哪里: ComfyUI/models/checkpoints/ 目录

ControlNet 模型

SDXL/controlnet-union-sdxl-1.0/diffusion_pytorch_model_promax.safetensors

• 文件名: SDXL/controlnet-union-sdxl-1.0/diffusion_pytorch_model_promax.safetensors
• 去哪里下载: Hugging Face、Civitai 或 ModelScope
• 放在哪里: ComfyUI/models/controlnet/ 目录

放大模型

4xFaceUpDAT.pth

• 文件名: 4xFaceUpDAT.pth
• 去哪里下载: Hugging Face、Civitai 或 ModelScope
• 放在哪里: ComfyUI/models/upscale_models/ 目录

4x-UltraSharp.pth

• 文件名: 4x-UltraSharp.pth
• 去哪里下载: Hugging Face、Civitai 或 ModelScope
• 放在哪里: ComfyUI/models/upscale_models/ 目录

工作流节点配置详解

这套工作流一共有 91 个节点,听起来很多,但其实可以分成几大类,每一类负责不同的功能。

核心节点配置清单

关键节点参数配置

FluxGuidance 节点 (#38)

这个节点控制 FLUX 模型的引导强度。

• 参数值: 3.5
• 作用: 控制生成结果对提示词的遵循程度

SDXLEmptyLatentSizePicker+ 节点 (#59)

这个节点设置图像尺寸。

• 尺寸: 1088x960 (1.13 宽高比)
• 批次大小: 1
• 起始索引: 0

KSampler 采样器节点

工作流中有 3 个采样器,分别负责不同阶段:

SDXL 采样器 (#24)

• 随机种子: 460103653384879
• 采样步数: 30
• 控制模式: fixed

FLUX 采样器 (#35)

• 随机种子: 531509771172899
• 采样步数: 30
• 控制模式: fixed

细节优化采样器 (#166)

• 随机种子: 531509771172897
• 采样步数: 20
• 控制模式: fixed

节点连接关系详解

这部分是整个工作流的核心,116 个连接把 91 个节点串联起来,形成完整的数据处理流程。

数据流向总览

整个工作流的数据流向可以分成三个阶段:

第一阶段:模型加载和图像输入

text
节点#1(LoadImage) → 加载原始图像节点#14(CheckpointLoaderSimple) → 加载 SDXL 模型节点#31(CheckpointLoaderSimple) → 加载 FLUX 模型节点#21(ControlNetLoader) → 加载 ControlNet 模型

第二阶段:图像处理和生成

text
SDXL 处理流程:节点#16/17(CLIPTextEncode) → 编码提示词节点#19(ControlNetApplyAdvanced) → 应用 ControlNet 控制节点#24(KSampler) → SDXL 采样生成节点#25(VAEDecode) → 解码输出图像FLUX 处理流程:节点#32/33(CLIPTextEncode) → 编码提示词节点#38(FluxGuidance) → 应用 FLUX 引导节点#35(KSampler) → FLUX 采样生成节点#36(VAEDecode) → 解码输出图像

第三阶段:细节优化和输出

text
节点#171(ImageUpscaleWithModel) → 使用模型放大图像节点#173(ImageScaleBy) → 缩放图像节点#166(KSampler) → 细节优化采样节点#175(VAEDecode) → 最终解码输出

关键节点连接详情

SDXL 生成流程连接

FLUX 生成流程连接

连接验证清单

在使用工作流前,你需要检查这些连接:

1. 模型加载节点检查

• 确保所有模型加载节点的输出都连接到了后续节点
• 检查模型文件路径是否正确

2. 文本编码节点检查

• 确保 CLIP 输入已连接到模型加载器的 CLIP 输出
• 检查提示词是否正确输入

3. 采样器节点检查

• 确保 model、positive、negative、latent_image 输入都已连接
• 检查采样参数设置是否合理

4. VAE 节点检查

• 确保 VAE 编解码节点的 vae 输入已连接
• 检查 VAE 模型是否正确加载

5. 输出节点检查

• 确保最终的输出节点已连接
• 检查输出路径设置

验证方法

1. 在 ComfyUI 中加载工作流
2. 检查是否有红色的错误提示
3. 确认所有节点都显示为绿色(已连接)
4. 点击 "Queue Prompt" 测试运行

常见连接问题

节点显示红色怎么办?

• 原因: 输入连接缺失或数据类型不匹配
• 解决: 检查该节点的所有必需输入是否已连接

数据类型不匹配怎么办?

• 原因: 连接的输出和输入数据类型不兼容
• 解决: 确认连接的数据类型是否正确(如 MODEL、CLIP、VAE、IMAGE 等)

出现循环依赖怎么办?

• 原因: 节点之间形成了循环连接
• 解决: 检查连接路径,确保数据流向是单向的

实战操作指南

第一步:准备输入素材

图片要求:

• 格式: PNG、JPG 或 WEBP
• 推荐分辨率: 1024x1024 或根据模型要求
• 图片质量: 清晰、光线充足
• 放置路径: ComfyUI/input/ 目录

第二步:调整提示词

正面提示词怎么写?

描述你想要生成的内容,建议按这个结构来写:

text
[主体描述] + [风格描述] + [质量关键词] + [细节描述]

举个例子:

text
high quality, detailed, professional, 8k, ultra detailed, masterpiece

负面提示词怎么写?

描述你不想要的内容:

text
blurry, low quality, distorted, deformed, bad anatomy, watermark, text, ugly

第三步:设置关键参数

采样器参数设置:

• steps: 20-30(推荐 25)
• cfg: 7-9(推荐 7.5)
• denoise: 0.7-0.8(根据需求调整)
• sampler_name: euler_a 或 dpmpp_2m

第四步:执行生成

1. 确认所有参数设置正确
2. 检查所有节点连接完整
3. 点击 "Queue Prompt" 按钮
4. 等待生成完成
5. 查看输出结果(保存在 ComfyUI/output/ 目录)

批量处理技巧

如果你需要批量生成:

1. 修改提示词或参数
2. 多次点击 "Queue Prompt"
3. 任务会依次排队执行

参数调优技巧

Steps(采样步数)调优

这个参数控制什么?

控制生成质量和速度。

推荐值: 20-30

怎么调?

• 15-20: 快速预览,质量略低
• 20-25(推荐): 正常质量,速度适中
• 30-40: 高质量,但速度较慢

CFG Scale(提示词引导强度)调优

这个参数控制什么?

控制生成结果对提示词的遵循程度。

推荐值: 7-9

怎么调?

• 6-7: 生成结果更自然,但可能偏离提示词
• 7-8(推荐): 平衡自然度和提示词遵循度
• 9-12: 严格遵循提示词,但可能过度饱和

Denoise(降噪强度)调优

这个参数控制什么?

控制生成图像与原图的相似度(img2img 模式)。

推荐值: 0.7-0.8

怎么调?

• 0.5-0.6: 保留更多原图细节
• 0.7-0.8(推荐): 平衡效果
• 0.85-0.95: 强烈的生成效果

提示词技巧

正面提示词结构:

text
[主体] + [风格] + [质量词] + [细节]

举个例子:

text
beautiful landscape, sunset, mountains, high quality, detailed, 8k, 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

显存不够怎么办?

如果你的显卡只有 8GB 显存:

bash
python main.py --lowvram

如果你的显卡有 12GB 以上显存,用默认设置就可以。

想要更快的生成速度?

1. 减少采样步数
2. 使用更快的采样器(euler_a)
3. 启用 xformers 加速:

bash
pip install xformerspython main.py --use-xformers

常见问题解答

工作流加载后提示节点连接错误怎么办?

解决方法:

1. 检查所有必需的插件是否已安装
2. 确认模型文件是否已下载到正确路径
3. 重启 ComfyUI 并重新加载工作流
4. 检查节点之间的连接是否完整

生成结果不理想怎么办?

解决方法:

1. 调整提示词,使描述更具体
2. 提高 CFG Scale 值(7→8)
3. 增加采样步数(25→30)
4. 检查输入图片质量
5. 尝试不同的随机种子

显存不足怎么办?

解决方法:

1. 启用 lowvram 模式: python main.py --lowvram
2. 降低图像分辨率
3. 减少批处理数量
4. 关闭其他占用显存的程序

生成速度太慢怎么办?

解决方法:

1. 减少采样步数(30→20)
2. 使用更快的采样器(euler_a)
3. 启用 xformers 加速
4. 升级显卡硬件

插件安装失败怎么办?

解决方法:

1. 检查 Python 版本(需要 3.10+)
2. 手动安装依赖: pip install -r requirements.txt
3. 查看插件的 GitHub Issues 页面
4. 更新 ComfyUI 到最新版本

如何批量处理多张图片?

解决方法:

1. 使用 Load Image Batch 节点
2. 编写 Python 脚本调用 ComfyUI API
3. 多次点击 "Queue Prompt" 排队处理

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。

如何保存工作流?

1. 点击右上角的 "Save" 按钮
2. 选择保存位置
3. 文件会保存为 .json 格式

总结

这套 FLUX 扩图工作流结合了 Flux2 Klein 快速编辑模型和 SDXL 高质量生成模型,能够实现高质量、高效率的图像处理。

核心优势:

• 高质量输出: 采用先进的 AI 模型,确保生成质量
• 灵活配置: 支持多种参数调整和自定义设置
• 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
• 完整文档: 提供详细的使用指南和参数说明

适合这些人使用:

• 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

后续可以优化的方向:

• 添加更多控制选项
• 优化生成速度
• 支持更多模型
• 增强批量处理能力
• 提供更多预设模板

如果你在使用过程中遇到问题,可以在评论区留言,我会尽快回复。如果这篇教程对你

有帮助,欢迎点赞转发,让更多人看到!

关注并私信「FLux扩图」，我把完整的工作流发给你。