nunchaku-flux.1-krea-dev

229 00

nunchaku-flux.1-krea-dev 的意义在于,它证明了即使在 4-bit 低精度下,扩散模型依然可以生成高质量、富有细节的图像。通过 SVDQuant 与 Nunchaku 推理系统的结合,我们得以在不牺牲太多质量的前提下,大幅降低硬件门

nunchaku-flux.1-krea-dev

nunchaku-flux.1-krea-dev 是 FLUX.1-Krea-dev 模型的Nunchaku 量化版本,专为在消费级显卡上实现高效图像生成而设计。它通过先进的 SVDQuant 量化技术,将原模型压缩至 INT4 或 NVFP4 精度,在显著降低显存占用与计算需求的同时,保持接近原始模型的生成质量。

nunchaku-flux.1-krea-dev

该版本适用于希望在有限硬件资源下运行高质量文本到图像任务的用户,尤其适合本地部署、边缘设备推理或高吞吐服务场景。

核心特性

特性说明
📦 INT4 / NVFP4 量化显存占用减少约 60–70%,适合 16GB 及以下显存设备
⚡ 高效推理在非 Blackwell GPU 上使用 INT4,在 Blackwell(50 系列)上启用 NVFP4 加速
🎨 质量保留基于 SVDQuant 技术,有效抑制低比特量化中的“异常值”问题,减少生成退化

模型详情

🏷️ 基本信息

  • 开发者:Nunchaku 团队
  • 模型类型:文本到图像生成(Text-to-Image)
  • 基础模型:FLUX.1-Krea-dev
  • 许可协议:flux-1-krea-dev-non-commercial-license(仅限非商业用途)
  • 适用场景:艺术创作、概念设计、研究实验
nunchaku-flux.1-krea-dev

模型文件说明

本仓库提供两个量化版本,针对不同 GPU 架构优化:

文件名精度适用硬件显存优势
svdq-int4_r32-flux.1-krea-dev.safetensorsINT4(SVDQuant)非 Blackwell 显卡
(如 RTX 30/40 系列)
显存减少 ~65%
推理速度提升明显
svdq-fp4_r32-flux.1-krea-dev.safetensorsNVFP4(SVDQuant)Blackwell 架构显卡
(RTX 50 系列及以上)
利用原生 FP4 支持
实现极致加速

💡 提示:NVFP4 是英伟达在 Blackwell 架构中引入的原生 4-bit 浮点格式,配合 SVDQuant 可实现更高效率与稳定性。

使用方法(ComfyUI)

该模型可无缝集成至 ComfyUI,操作简单,无需修改工作流。

nunchaku-flux.1-krea-dev

步骤如下:

  1. 下载对应版本的 .safetensors 文件
  2. 将其放入 ComfyUI 的模型目录(如 models/checkpoints/
  3. 打开示例工作流:nunchaku-flux.1-dev.json
  4. 在 Checkpoint 加载节点中,选择你下载的量化模型文件
  5. 正常运行即可生成图像

✅ 支持标准文本提示输入
✅ 兼容 LoRA、ControlNet 等扩展模块(视具体配置而定)

相关图书

Amateur Snapshot Photo

Amateur Snapshot Photo

Amateur Snapshot Photo 是一个专注于还原早期手机拍照风格的 LoRA 模型,它成功地减少了 AI 生成图像的“完美感”,增加了生活气息与真实质感。对于希望生成更具“人味”的图像、或者构建具有怀旧氛围的内容创作者来说,这是一个非常值得尝试的模型。
AWPortraitCN2

AWPortraitCN2

AWPortraitCN2是之前介绍过的AWPortraitCN的升级版,深入挖掘并探索了更广泛的东方美学。在人物刻画方面,它现在涵盖了各个年龄段更丰富多样的面部数据。
CLAY GPT for flux

CLAY GPT for flux

CLAY GPT for flux 是一个专为 Flux 设计的 LoRA 模型 ,其训练数据完全来自于 GPT-4o 生成的 Clay(黏土)风格图像 。该模型能够帮助用户在文本到图像生成任务中,快速还原出具有手工质感和动画风格的黏土艺术效果。
Tabletop Miniatures

Tabletop Miniatures

Tabletop Miniatures是一款桌面微缩模型Flux Lora,自然就是适合出桌面微缩模型图片,再搭配混元或Wan2.1模型来生成视频,效果会非常好。

暂无评论

none
暂无评论...