V3.0-Krea Version:

Das Flux.1-Dev-Krea Modell verbessert den künstlerischen Stil und die realistische Fotografie-Fähigkeit des Dev-Modells, wobei jedoch die Klarheit und Ästhetik von Porträts nachlässt, besonders die mit dem originalen Dev-Modell trainierten Lora eine schlechte Kompatibilität aufweisen. Diese V3.0-Krea behält die Hauptstärken des Krea-Modells bei, verbessert die Bildschärfe und die Kompatibilität mit dem originalen Dev-Modell Lora, allerdings gibt es nur geringe Verbesserungen bei der Lora-Kompatibilität, was bedauerlich ist. Bitte laden Sie vorsichtig herunter.

Flux.1-Dev-Krea hat den künstlerischen Stil und die realistische Fotografie-Fähigkeit der Dev-Version verbessert, aber die Klarheit und Ästhetik von Porträts haben sich verschlechtert, insbesondere die Kompatibilität mit LoRA, die auf dem originalen Dev-Modell trainiert wurde. Die V3.0-Krea behält die Hauptmerkmale des Krea-Modells bei, verbessert die Bildklarheit und die Kompatibilität mit LoRA, aber die Kompatibilität wurde nur minimal verbessert und ist nicht ideal, was eine enttäuschende Eigenschaft dieser Version ist. Bitte vorsichtig herunterladen.

Empfohlen wird die Verwendung von GNER-T5-XXL statt T5-XXL für eine bessere Verständnisfähigkeit von Prompts. Sie können es herunterladen unter https://civitai.com/models/1888454 oder meinem HF Repo.

Recommended to use GNER-T5-XXL instead of T5-XXL for better prompt understanding capabilities, you can download it from https://civitai.com/models/1888454 or my HF Repo.

Einige Beispielbilder (Some example image):

Modellnutzung:

Grundkombination: deis+simple / euler+beta, Sie können weitere Kombinationen ausprobieren.

Basic: deis+simple / euler+beta, Sie können weitere Kombinationen ausprobieren.

Auch auf Huggingface.co

===========================================================================

V3.0-PAP Version:

v3.0-PAP: Optimiertes Basismodell für Porträt- und Kunstfotografie. Das Modell wurde speziell in Komposition, Licht und Schatten sowie in asiatischen Gesichtszügen optimiert, um die Sensibilität und Anpassungsfähigkeit des Gesichtsmodells weiter zu verbessern.

Im Vergleich zum originalen Dev-Modell ist diese Version in Bezug auf Ethnie und Gesichtsform realistischer und vielfältiger. Beispielbilder des Gesichtsmodells stammen von folgenden Autoren der LoRA-Modelle, wofür wir danken! Bei Urheberrechtsverletzungen bitte melden, wir löschen umgehend.

Portrait- und Kunstfotografie-Optimierungs-Basismodell. Das Modell wurde speziell in Komposition, Licht und Schatten, orientalischer Gesichtsform optimiert, um die Empfindlichkeit und Anpassungsfähigkeit des Gesichtsmodells zu verstärken.
Im Vergleich zum originalen Flux.1 Dev Modell ist diese Version realistischer und vielfältiger bezüglich Ethnie und Gesichtsform, die Beispielbilder stammen aus den LoRA-Modellen der folgenden Autoren, danke im Voraus! Bei Infringements wird sofort gelöscht.

https://civitai.com/user/el_fluppe

https://civitai.com/user/wolfcatz

https://civitai.com/user/seanwang1221

https://civitai.com/user/nawusijia

Einfache Anleitung zur Modellausführung:

Grundlegende Kombinationen: deis+simple / euler+beta; Für mehr Rauschen: ddim/dpm_2/dpmpp_2+beta/beta57/sgm_uniform; Mehr Details und Kreativität: heunpp2+ddim_uniform; Hochskalierung: UltimateSDUpscale/TTP; Filmlooks: LUT hinzufügen (35mm/AGAF/Kodak); Oder beste Kombinationen basierend auf Ihrer Umgebung. Schritte 20-30. Workflow siehe Beispielbild.

Basic: deis+simple / euler+beta; Mehr Rauschen: ddim/dpm_2/dpmpp_2+beta/beta57/sgm_uniform; Mehr Details, mehr Fantasie: heunpp2+ddim_uniform; Upscaler: UltimateSDUpscale/TTP; Filmeffekte: LUT hinzufügen (35mm/AGAF/Kodak); Oder die beste Kombination basierend auf deiner eigenen Umgebung. Schritte 20-30. Der Workflow ist im Beispielbild dargestellt.

Auch auf Huggingface.co

Ein interessantes Beispiel zur Gesichtssteuerung mit LoRA (An interesting face model LoRA control sample):

===========================================================================

DedistilledMixTuned Dev V3.0:

Großes Update zum chinesischen Jahr der Schlange!

Das V3.0-Modell ist umfassend aufgerüstet und könnte das am ausgewogensten leistungsfähige Flux-Dev-Finetuning-Modell sein, mit der besten Balance von LoRA-Kompatibilität, Realismus, Bildqualität und künstlerischer Kreativität, die dem Flux Pro-Modell nahekommt. (Zur Vergleichbarkeit sind die Seeds dieses Modells weitgehend mit denen des originalen Dev-Modells synchronisiert.)

Vollständig verbessertes Version 3.0, möglicherweise das beste Modell unter den aktuellen Flux Dev Fine-Tuning-Modellen. Sehr gute Balance in Modellfähigkeiten, LoRA-Kompatibilität, Realismus, Bildqualität und künstlerischer Kreativität, am nächsten zum Flux Pro Modell. (Für Bewertung und Vergleich sind die Seeds dieses Modells grundsätzlich mit dem originalen Dev-Modell ausgerichtet.)

Anleitung für das V3.0 Modell:

Das Modell nutzt mehrschichtige Fusionstechnologie zur Entfernung von Destillationsinterferenzen, ist vollständig kompatibel mit dem originalen Flux.1 Dev Modell und zeigt eine höhere LoRA-Gewichtsempfindlichkeit. Bei Auflösungen bis 1024x1024 wird empfohlen, euler/deis + normal/beta/simple zu verwenden, für 1024 bis 2048 große Bilder eher ddim/dpm_2/dpmpp_2m/heunpp2 + ddim_uniform/beta.

Stärkste Details: dpmpp_2m+beta, beste künstlerische Wirkung: heunpp2+ddim_uniform

Empfohlen: KSampler, 20-30 Schritte. Workflow siehe Bild: https://civitai.com/images/53432419

===========================================================================

DedistilledMixTuned Dev V2.0:

Neujahrs-Geschenk 2025! Nach über einem Monat Training wurde die Version V2.0 basierend auf V1.0 neu aufgerüstet und erreicht eine bessere Balance in Detailtreue, Geschwindigkeit, LoRA-Kompatibilität, Licht- und Schattenharmonie mit fotorealistischer Wirkung.

2025 New Year Gift! More than a month of training and fine-tuning, The V2.0 version has been upgraded based on v1.0, and has reached a better balance in detail reflection, drawing speed, LoRA compatibility, light and shadow harmony with photorealistic realism.

===========================================================================

DedistilledMixTuned Schnell V1.0:

Dies könnte das aktuell beste Schnell-Basismodell sein, basierend auf Flux.1 Schnell, mit schneller Bildgenerierung (4-8 Schritte), starker Stil- und Prompttreue, ausgeglichen in Bildqualität, Details, Realitätsnähe und Stilvielfalt, Open Source und kommerziell nutzbar.

Nur 4 Schritte, das Modell könnte das beste Gleichgewicht in Qualität, Details, Realität und Stilvielfalt unter Flux.1 Schnell Modellen erreichen und beherrscht sehr gut die Prompt-Folge sowie den originalen Flux-Stil.

Basierend auf FLUX.1-schnell, Merge von LibreFLUX, feinabgestimmt mit ComfyUI, Block_Patcher_ComfyUI, ComfyUI_essentials und weiteren Tools. Empfohlen 4-8 Schritte, meist genügen 4 Schritte. Deutlich verbesserte Qualität und Realismus im Vergleich zu anderen Flux.1 Schnell Modellen.

===========================================================================

DedistilledMixTuned Dev V1.0:

Dieses Modell ist möglicherweise das beste Flux-Finetuning-Modell für schnelle Bildgenerierung (unter 10 Schritten), folgt dem originalen Flux.1 Dev Stil, hat eine starke Prompt-Treue, die beste Bildqualität und Detailtiefe und nähert sich am meisten dem Flux.1 Pro Modell an.

May be the Best Quality Step 6-10 Model, In some details, it surpasses the Flux.1 Dev model and approaches the Flux.1 Pro model. and have good ability of prompt following, good of the original Flux.1 Dev style following.

Basierend auf Flux-Fusion-V2, Merge von flux-dev-de-distill, feinabgestimmt mit ComfyUI, Block_Patcher_ComfyUI, ComfyUI_essentials und weiteren Tools. Empfohlen 6-10 Schritte. Deutlich verbesserte Qualität im Vergleich zu anderen Flux.1 Modellen.

GGUF Q8_0 / Q5_1 /Q4_1 quantisierte Modell-Dateien sind getestet und ebenfalls verfügbar. Weitere Quantisierungen werden nicht bereitgestellt, da Überquantisierung die Vorteile des Hochgeschwindigkeits- und Hochpräzisionsmodells verliert. Bei Bedarf können Sie selbst die FP8-Datei herunterladen und quantisieren, siehe Tipps unten.

GGUF Q8_0 / Q5_1 /Q4_1 quantisierte Modell-Dateien wurden getestet und gleichzeitig bereitgestellt. Überquantisierung würde die Vorteile dieses schnellen und präzisen Modells mindern, daher werden keine weiteren Quantisierungen bereitgestellt. Sie können die FP8-Datei herunterladen und selbst quantisieren gemäß den untenstehenden Hinweisen.

===========================================================================

Empfehlung:

UNET-Versionen (nur Modell) benötigen Text Encoder und VAE. Ich empfehle die untenstehenden CLIP- und Text-Encoder-Modelle für bessere Prompt-Ansteuerung:

• Langer CLIP: https://huggingface.co/zer0int/CLIP-GmP-ViT-L-14/blob/main/ViT-L-14-TEXT-detail-improved-hiT-GmP-TE-only-HF.safetensors

• Text Encoder: https://huggingface.co/silveroxides/CLIP-Collection/blob/main/t5xxl_flan_latest-fp8_e4m3fn.safetensors

• VAE: https://huggingface.co/black-forest-labs/FLUX.1-schnell/tree/main/vae

• GGUF Version: Sie müssen Nodes mit GGUF-Modellunterstützung installieren, https://github.com/city96/ComfyUI-GGUF

Einfacher Workflow: Ein sehr einfacher Ablauf, der keine weiteren Comfy Custom Nodes benötigt (Für GGUF Version bitte den UNET Loader(GGUF) Node von city96 verwenden):

===========================================================================

Destillation entfernen, zum wahren Modell zurückkehren, um das reinste Flux-Basismodell zu schaffen!

Wash away the distillation and return to the original basic.

Wenn Ihnen das Modell gefällt, bitte teilen Sie Ihre Bilder, vielen Dank!

If you feel the model is good for you, please post the image here, thanks a lot!

Danke an:

https://huggingface.co/black-forest-labs/FLUX.1-dev, Ein sehr gutes Open-Source T2I Modell unter der FLUX.1 [dev] Non-Commercial Lizenz.

https://huggingface.co/black-forest-labs/FLUX.1-schnell, Ein sehr gutes Open-Source T2I Modell unter der Apache-2.0 Lizenz.

https://huggingface.co/Anibaaal, Flux-Fusion ist ein sehr gutes Mix- und Tuned-Modell.

https://huggingface.co/nyanko7, Flux-dev-de-distill ist ein großartiges Experimentierprojekt! Danke für die inference.py Skripte.

https://huggingface.co/jimmycarter/LibreFLUX, Ein kostenloses, de-distilliertes FLUX Modell, eine Apache 2.0 Version von FLUX.1-schnell.

https://huggingface.co/MonsterMMORPG, Furkan teilt viele Flux.1 Modell-Test- und Tuning-Kurse, speziell zu De-Distill-Modelltests.

https://github.com/cubiq/Block_Patcher_ComfyUI, Cubiqs Flux Block Patcher Sampler ermöglichte viele Tests zum Verständnis, wie Flux.1 Block-Parameter Bilder beeinflussen. Sein ComfyUI_essentials enthält den FluxBlocksBuster Node, der einfache Blockwert-Anpassung ermöglicht. Großartige Arbeit!

https://huggingface.co/twodgirl, Teile Skripte zur Modellquantisierung und Testdatensätze.

https://huggingface.co/John6666, Teilt Skripte zur Modellkonvertierung und Modellkollektionen.

https://github.com/city96/ComfyUI-GGUF, Native Unterstützung für GGUF Quantisierungsmodelle.

https://github.com/leejet/stable-diffusion.cpp, Bietet reine C/C++ GGUF Modellkonvertierungsskripte.

Hinweis: Für einfache Konvertierung zu GGUF Q5/Q4 können Sie das https://github.com/ruSauron/to-gguf-bat Skript verwenden. Laden Sie es herunter, legen Sie es im Verzeichnis mit sd.exe ab und ziehen dann die fp8.safetensors Modelldatei per Drag & Drop auf die BAT-Datei im Explorer. Ein CMD Fenster erscheint, folgen Sie dem Menü, um die gewünschte Konvertierung durchzuführen.

LIZENZ

Die Gewichtungen unterliegen der FLUX.1 [dev] Non-Commercial Lizenz.