新手必看Flux绘画工作流使用教程：快速生成AI图片全流程指南

最近AI视频生成模型分享频繁，文生图领域反而稍显沉寂，Flux这款工具也有段时间没深入探讨了。今天正好系统梳理Flux的高效加速方案——此前我们聊过LoRA加速、torch.compile，以及TeaCache和WaveSpeed等路径。借助这些技术，在本地4090上运行Flux已能实现10秒内生成图像。

但开源社区显然不满足于此，推出了nunchaku——在不牺牲出图品质的前提下，直接将生成时间压缩至3秒。回想Flux刚发布时的渲染速度，简直是天壤之别。

nunchaku已上线一段时间，不少朋友可能已经上手，但应该还有人不熟悉。恰逢nunchaku更新2.0版本，引入First-Block Cache加速模块，出图更快，同时支持多LoRA和ControlNet。直接进入重点。

文生图：1024×1024，25步，3秒出图

先看最基础的Flux文生图操作——分辨率1024×1024，步数25，出图稳定在3秒左右。这在过去完全无法想象。而且画质依然在线，左侧是nunchaku加速效果，右侧是Flux原生未加速的对照。

工作流如下（图片位置不变）。关键节点说明：model_path用于切换模型，可切换flux-dev、flux-schnell以及flux-fill。cache_threshold是加速核心参数，数值越大加速越猛，推荐0.12。若感觉画质下降，可调低该值。设为0也可以——nunchaku本身已足够快，不使用加速节点也能维持在5秒出图。其他参数保持默认即可。但如果显卡是20系，务必打开i2f_mode开关。

nunchaku可直接使用Flux的LoRA，无需额外处理。ControlNet模型也原生兼容，速度同样出色，10秒出图。

此外，nunchaku还完整支持FLUX.1-tools全家桶。以下是flux-fill的重绘工作流，速度依旧3秒完成。flux-canny和flux-depth出图也是3秒。最关键的是，flux最重要的redux也能正常运转，出图速度依然强劲，3秒。

无论哪种工作流，加速效果都极其显著，且完全不影响出图质量。

安装步骤：从PyTorch版本到轮子安装

首先确保PyTorch ≥ 2.5。可在ComfyUI后台查看PyTorch版本。若版本低于2.5，需升级。使用秋叶版启动器的用户，在高级选项-环境维护中升级PyTorch。升级前务必备份环境——万一出问题，可切回旧版本。安装不确定是否会损坏环境的插件时，也建议先备份Python环境，有备无患。

PyTorch升级完成后，安装nunchaku对应版本的轮子。下载地址：https://modelscope.cn/models/Lmxyy1999/nunchaku/files（此处仅保留地址，后续引流内容已删除）。根据自己PyTorch版本和Python版本选择对应轮子。例如PyTorch 2.5.1、Python 3.10、Windows系统，选择红框中标识的版本。

下载后，在命令行完成安装。可将安装文件放入Python文件夹以便操作，也可放在其他位置。在文件夹地址栏输入cmd回车打开命令提示符，执行安装命令：

python.exe -m pip install "nunchaku-0.2.0%2Btorch2.5-cp310-cp310-win_amd64.whl"

文件名以自己下载的为准，记得替换双引号内的名称。等待安装完成，前期准备便结束。

接着需要安装ComfyUI插件：ComfyUI-nunchaku，直接在ComfyUI管理器搜索安装即可。插件地址：https://github.com/mit-han-lab/ComfyUI-nunchaku

还需下载对应模型文件，按说明放置妥当。然后即可流畅使用。出图速度确实快，关键是效果不打折扣，这一点至关重要。

来源：互联网