V3.0-Krea 버전:

Flux.1-Dev-Krea 모델은 Dev 모델의 예술적 스타일과 사실적 사진 능력을 개선했지만, 인물의 선명도와 미학면에서는 저하되었으며, 특히 원본 Dev 모델로 훈련된 Lora와의 호환성이 매우 떨어집니다. 본 V3.0-Krea는 Krea 모델의 주요 장점을 유지하면서 이미지 선명도와 원본 Dev 모델 Lora와의 호환성을 개선했으나, Lora 호환성의 개선폭은 크지 않아 다소 아쉬운 점이 있습니다. 신중히 다운로드하시길 바랍니다.

Flux.1-Dev-Krea 모델은 Dev 버전 모델의 예술적 스타일과 사실적인 사진 촬영 능력을 향상시켰으나, 인물의 선명도와 미학이 약화되었고 특히 원본 Dev 모델로 훈련된 Lora와 호환성이 좋지 않습니다. V3.0-Krea는 Krea 모델의 주요 특징을 유지하며 이미지 선명도를 향상시키고 Lora와의 호환성을 높였으나, Lora 호환성 개선은 최소한이며 이상적이지 않아 이 버전의 아쉬운 부분입니다. 신중히 다운로드하세요.

더 나은 프롬프트 이해능력을 위해 T5-XXL 대신 GNER-T5-XXL 사용을 권장하며, 아래에서 다운로드하실 수 있습니다https://civitai.com/models/1888454 또는 제 HF Repo.

Better prompt 이해능력을 위해 T5-XXL 대신 GNER-T5-XXL 사용을 권장하며, 다운로드는 https://civitai.com/models/1888454 또는 제 HF Repo에서 가능합니다.

일부 예제 이미지 (Some example image) :

모델 사용:

기본 조합: deis+simple / euler+beta, 다양한 조합을 시도해 보실 수 있습니다.

Basic: deis+simple / euler+beta, 더 다양한 조합을 시도해 보세요.

또한 Huggingface.co에서도 이용 가능합니다.

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

V3.0-PAP 버전:

v3.0-PAP: 인물 및 예술 사진 출력 최적화 기초 모델입니다. 모델은 구도, 빛과 그림자, 동양인 얼굴형 등에서 특화 개선을 했으며, 얼굴 모델의 민감도와 적합성을 더욱 강화했습니다.

원본 Dev 모델과 비교 시, 인종과 얼굴형이 더욱 사실적이고 다양하며, 얼굴 모델의 예제는 다음 저자들의 LoRA 모델에서 가져왔으며, 감사드립니다!저작권 문제가 있을 경우 알려주시면 삭제하겠습니다.

Portrait and Art Photography 최적화 기본 모델. 모델은 구도, 빛과 그림자, 동양 얼굴형에서 특별히 최적화되어 얼굴 모델의 민감도와 적응력을 강화했습니다.
Flux.1 Dev 원본 모델과 비교해 이 버전은 인종과 얼굴형 면에서 더욱 사실적이고 풍부하며, 얼굴 모델의 예제 그림은 다음 저자들의 LoRA 모델에서 가져왔습니다. 감사드립니다! 저작권 침해 시 알려주시면 즉시 삭제하겠습니다.

https://civitai.com/user/el_fluppe

https://civitai.com/user/wolfcatz

https://civitai.com/user/seanwang1221

https://civitai.com/user/nawusijia

모델 사용 간단 가이드:

기본 구도: deis+simple / euler+beta; 노이즈 많음: ddim/dpm_2/dpmpp_2+beta/beta57/sgm_uniform; 상세 및 상상력 풍부: heunpp2+ddim_uniform; 확대: UltimateSDUpscale/TTP; 필름 효과: lut(35mm/AGAF/Kodak) 추가; 또는 환경에 최적 조합 사용. steps 20-30. 워크플로우는 예제 이미지 참고.

Basic: deis+simple / euler+beta; 노이즈 더 많음: ddim/dpm_2/dpmpp_2+beta/beta57/sgm_uniform; 더 많은 디테일과 상상력: heunpp2+ddim_uniform; 업스케일러: UltimateSDUpscale/TTP; 필름 효과: LUT(35mm/AGAF/Kodak) 추가; 또는 환경에 따른 최적 조합. 단계 20-30. 워크플로우는 예제 POST 이미지 참조.

또한 Huggingface.co 에서도 확인 가능.

흥미로운 얼굴 모델 LoRA 제어 테스트 예제 (An interesting face model LoRA control sample)：

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

DedistilledMixTuned Dev V3.0:

중국 음력 뱀의 해 대작! (Great upgrade for Chinese Snake Year!)

V3.0 버전 모델은 완전 업그레이드 되어, 현재 Flux Dev 미세조정 모델 중 가장 균형 잡힌 능력을 가진 모델로 LoRA 호환성, 사실감, 이미지 품질 및 예술적 창작성에서 Flux Pro 모델과 가장 근접합니다. (평가 비교를 위해 본 모델의 Seed는 원본 Dev 모델과 기본적으로 정렬되어 있습니다)

완전 업그레이드된 V3.0 버전은, 현재 Flux Dev 미세조정 모델 중 최상의 모델일 수 있습니다. 모델 능력, LoRA 호환성, 사실감, 이미지 품질 및 예술 창작성에서 Flux Pro 모델과 가장 근접한 균형을 가집니다. (평가 및 비교를 위해 이 모델의 시드는 기본적으로 원본 Dev 모델과 일치합니다)

V3.0 버전 모델 사용 가이드:

모델은 층별 융합 기술로 증류 방해를 제거하고 원본 Flux.1 Dev 모델과 완전히 호환되며, 더 높은 LoRA 가중치 민감도를 가집니다. 1024x1024 이하 해상도에는 euler/deis + normal/beta/simple 등이 권장되며, 1024~2048 고해상도 이미지에는 ddim/dpm_2/dpmpp_2m/heunpp2 + ddim_uniform/beta가 권장됩니다.

가장 강력한 디테일: dpmpp_2m+beta, 최고의 예술성: heunpp2+ddim_uniform

권장: KSampler, 단계 20-30. 워크플로우 참고: https://civitai.com/images/53432419

모델은 원본 Flux.1 Dev와 완전히 호환되며 증류 간섭을 제거했고, LoRA 가중치에 대한 민감도가 더 높습니다. 1024x1024 및 이하 해상도에서는 euler/deis + normal/beta/simple 등을 권장하며, 1024-2048 고해상도 이미지에는 ddim/dpm_2/dpmpp_2m/heunpp2 + ddim_uniform/beta를 권장합니다.

더 많은 디테일: dpmpp_2m + beta, 더 예술적인 표현: heunpp2 + ddim_uniform

권장: KSampler, 20-30단계. 워크플로우는 다음 링크 참조: https://civitai.com/images/53432419

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

DedistilledMixTuned Dev V2.0:

2025 신년 선물! 한 달 이상의 개발 끝에 v1.0을 기반으로 새롭게 업그레이드된 V2.0 버전으로, 사진 수준의 사실감과 디테일, 출력 속도, LoRA 호환성, 빛과 그림자의 조화에서 새로운 균형에 도달했습니다.

2025 New Year Gift! 한 달 이상 학습과 미세조정을 거쳐, V2.0 버전은 v1.0 기반으로 업그레이드되었으며 사진과 같은 사실감, 디테일 반영, 출력 속도, LoRA 호환성, 빛과 그림자의 조화에서 새로운 균형을 이뤘습니다.

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

DedistilledMixTuned Schnell V1.0:

현재 Flux.1 Schnell 기반 모델 중 빠른 출력(4-8단계), 원본 Flux Schnell 구도 스타일 준수, 프롬프트 복원력이 뛰어나고 출력 품질, 세부 묘사, 사실성, 스타일 다양성에서 최적의 균형을 이룬 오픈소스 상업용 Schnell 기본 모델입니다.

단 4단계에서, 본 모델은 Flux.1 Schnell의 다른 조정 모델들과 비교해 이미지 품질, 세부 묘사, 현실성, 스타일 다양성 면에서 최고의 균형을 이뤘으며, 원본 Flux 모델 스타일 준수 능력과 프롬프트 추종 능력이 뛰어납니다.

기반: FLUX.1-schnell, 합침: LibreFLUX, 미세조정 도구: ComfyUI, Block_Patcher_ComfyUI, ComfyUI_essentials 등. 권장 단계는 4-8단계이며 보통 4단계가 적절합니다. 다른 Flux.1 Schnell 모델 대비 품질과 사실성이 크게 향상되었습니다.

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

DedistilledMixTuned Dev V1.0:

아마도 현재 10단계 이내로 빠른 출력이 가능한 Flux 미세조정 모델 중 원본 Flux.1 Dev 스타일을 준수하며, 프롬프트 복원력이 뛰어나고 출력 품질과 세부 묘사 면에서 Flux.1 Dev 모델을 능가하며 Flux.1 Pro와 가장 근접한 기본 모델일 것입니다.

아마도 6-10단계에서 최고의 품질을 가진 모델로, 일부 세부 사항에서 Flux.1 Dev 모델을 뛰어넘고 Flux.1 Pro 모델에 가까우며, 프롬프트 이해 및 원본 Flux.1 Dev 스타일 준수 능력이 뛰어납니다.

기반: Flux-Fusion-V2, 합침: flux-dev-de-distill, 미세조정 도구: ComfyUI, Block_Patcher_ComfyUI, ComfyUI_essentials 등. 권장 단계는 6-10단계입니다. 다른 Flux.1 모델 대비 품질이 크게 향상되었습니다.

GGUF Q8_0 / Q5_1 /Q4_1 양자화 버전 모델 파일은 테스트를 거쳤으며 동시 제공됩니다. 다른 양자화 버전은 제공하지 않으며, 필요하면 아래 안내에 따라 fp8 모델을 직접 양자화 하실 수 있습니다.

GGUF Q8_0 / Q5_1 /Q4_1 quantized 모델 파일은 테스트 되었으며 동시에 업로드 되었습니다. 과도한 양자화는 이 고속 고정밀 모델의 장점을 상실하므로, 별도의 양자화 버전은 제공되지 않으며, FP8 모델 파일을 다운로드하여 다음 팁에 따라 양자화할 수 있습니다.

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

권장:

UNET 버전 (모델만 해당)은 텍스트 인코더와 VAE가 필요하며, 아래 CLIP과 텍스트 인코더 모델 사용을 권장하여 더 나은 프롬프트 안내를 받으세요:

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

• 텍스트 인코더: 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 버전: GGUF 모델 지원 노드 설치 필요, https://github.com/city96/ComfyUI-GGUF

간단한 워크플로우: 아래와 같이 매우 간단하며, 다른 comfy 커스텀 노드는 필요 없습니다 (GGUF 버전은 city96의 UNET Loader(GGUF) 노드를 사용하세요):

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

증류의 기름기를 씻어내고 모델 본연으로 돌아가, 가장 순수한 Flux 고품질 기본 모델을 만듭니다!

증류를 없애고 본질로 복귀하세요.

모델이 좋다고 느끼시면, 이미지 공유 많이 부탁드립니다. 감사합니다!

모델이 마음에 드시면, 여기서 이미지 공유 부탁드리며, 매우 감사드립니다!

감사의 말씀:

https://huggingface.co/black-forest-labs/FLUX.1-dev, 매우 훌륭한 오픈소스 T2I 모델입니다. FLUX.1 [dev] 비상업 라이선스 하에 배포됩니다.

https://huggingface.co/black-forest-labs/FLUX.1-schnell, 매우 훌륭한 오픈소스 T2I 모델로 Apache-2.0 라이선스입니다.

https://huggingface.co/Anibaaal, Flux-Fusion은 훌륭한 혼합 및 튜닝 모델입니다.

https://huggingface.co/nyanko7, Flux-dev-de-distill은 훌륭한 실험 프로젝트이며, inference.py 스크립트에 감사를 표합니다.

https://huggingface.co/jimmycarter/LibreFLUX, 자유로운 증류 제거 FLUX 모델로, FLUX.1-schnell의 Apache 2.0 버전입니다.

https://huggingface.co/MonsterMMORPG, Furkan는 Flux.1 모델 테스트 및 튜닝 강좌, 증류 제거 모델 특별 테스트를 다수 공유하였습니다.

https://github.com/cubiq/Block_Patcher_ComfyUI, cubiq의 Flux 블록 패처 샘플러는 Flux.1 블록 매개변수가 이미지 생성에 미치는 영향을 깊이 테스트할 수 있게 해주었습니다. 그의 ComfyUI_essentials에는 FluxBlocksBuster 노드가 있어 블록 값을 쉽게 조정할 수 있습니다. 훌륭한 작업입니다!

https://huggingface.co/twodgirl, 모델 양자화 스크립트 및 테스트 데이터셋 공유.

https://huggingface.co/John6666, 모델 변환 스크립트 및 모델 컬렉션 공유.

https://github.com/city96/ComfyUI-GGUF, GGUF 양자화 모델 네이티브 지원.

https://github.com/leejet/stable-diffusion.cpp, 순수 C/C++ GGUF 모델 변환 스크립트 제공.

주의: GGUF Q5/Q4로 쉽게 변환하려면 https://github.com/ruSauron/to-gguf-bat 스크립트를 다운로드하여 sd.exe 파일과 동일한 디렉터리에 두시고, 탐색기에서 fp8.safetensors 모델 파일을 bat 파일에 드래그 하시면 CMD 창이 열리며 메뉴에 따라 변환 가능합니다.

라이선스

가중치는 FLUX.1 [dev] 비상업 라이선스 하에 있습니다.