Flux快速生成图片绘画工作流教程分享

近期AI视频模型分享较多，生图模型关注相对较少，Flux也有一段时间未深入讨论。借这个机会，再次梳理Flux的加速技巧——此前已介绍过通过LoRA加速、torch.compile，以及最近的TeaCache和WaveSpeed等方案。借助这些技术，本地4090运行Flux已能实现10秒出图。

开源社区并未止步，随后推出nunchaku，在不损失出图质量的前提下，将速度压缩至3秒。回想Flux发布初期的生成速度，提升堪称巨大。

nunchaku上线已有一段时间，部分用户可能已经使用，但也有人尚未了解。近期nunchaku更新2.0版本，引入First-Block Cache加速模块，出图速度进一步提升，同时支持多LoRA和ControlNet。下面直接进入正题。

文生图：1024×1024，25步，3秒出图

以最简单的Flux文生图操作为例——1024×1024分辨率、25步，出图速度稳定在3秒左右。这在以前难以实现，且出图质量依旧保持在线。左侧为nunchaku加速效果，右侧为Flux原生无加速效果。

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是加速节点，数值越大加速越快，推荐设置为0.12。若感觉出图质量下降，可调低该值；设置为0也可——nunchaku本身已足够快，不使用加速节点也能保持在5秒出图。其他参数保持默认即可。若使用20系显卡，需打开i2f_mode开关。

nunchaku可直接使用Flux的LoRA，无需特殊处理。ControlNet模型也直接兼容，速度同样较快，10秒出图。

此外，nunchaku还支持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出图也只需3秒。更重要的是，flux最重要的redux也能正常使用，出图速度保持3秒。

不论采用哪种工作流，加速效果均非常明显，且不影响出图质量。

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，需进行升级。使用秋叶版启动器的用户，可在高级选项-环境维护中升级PyTorch版本。升级前建议做好环境备份——万一升级出现问题，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，以防万一。

升级完PyTorch后，需安装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，删除后续引流信息）。根据自身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，则选择对应红框中的版本。

下载完成后，直接在命令行安装。可将安装文件放到Python文件夹内方便操作，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"

文件名以实际下载为准，记得替换双引号内的文件名。等待安装完成，前期准备工作即结束。

接下来安装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

还需下载对应的模型文件，按要求放置。之后便可正常使用。出图速度确实很快，且效果未打折扣，这一点非常值得肯定。