Nunchaku FLUX.1-dev保姆级教程huggingface_hub自动下载目录结构校验想用上最新的Nunchaku FLUX.1-dev模型但被复杂的安装步骤和模型文件搞得晕头转向别担心这篇教程就是为你准备的。我会手把手带你搞定从环境准备到成功出图的每一个环节重点解决两个最让人头疼的问题怎么用huggingface_hub自动下载模型以及怎么确保所有文件都放对了地方。跟着步骤走半小时内你就能在ComfyUI里用上这个强大的文生图模型。1. 准备工作检查你的“工具箱”在开始安装之前我们先花几分钟确认一下你的电脑环境是否就绪。这就像做饭前要准备好锅碗瓢盆一样基础打好了后面才顺利。1.1 硬件要求你的显卡够力吗Nunchaku FLUX.1-dev模型对显卡有一定要求主要是显存。这里给你一个清晰的参考推荐配置拥有24GB或以上显存的NVIDIA显卡。这是运行FP16精度全精度模型比较舒服的配置。入门配置如果你的显卡显存只有8GB或12GB也不用担心。我们可以选择FP8或INT4量化版本的模型它们对显存的要求会低很多大概在12-17GB左右画质损失很小完全够用。重要提醒如果你用的是最新的Blackwell架构显卡比如RTX 50系列请务必选择FP4量化版本的模型以获得最佳兼容性和性能。简单来说先看看自己显卡的显存大小我们后面会根据这个来选合适的模型版本。1.2 软件环境安装必要的“零件”软件方面我们需要确保几个基础组件已经就位Python 3.10或更高版本这是运行ComfyUI和AI模型的基础。打开你的命令行终端或CMD输入python --version或python3 --version就能看到。Git用于从网上下载代码。通常系统会自带如果没有去Git官网下载安装一个很简单。PyTorch这是深度学习的核心框架。它的版本需要和你的CUDA版本显卡驱动匹配。如果你不确定一个比较稳妥的方法是安装PyTorch官网针对你系统推荐的稳定版。huggingface_hub工具这是我们今天的主角之一用来自动、正确地下载模型文件。安装命令非常简单pip install --upgrade huggingface_hub运行这行命令就能把这个好用的下载工具安装到你的Python环境里。2. 搭建舞台安装Nunchaku插件与后端环境准备好了现在我们来搭建运行FLUX.1-dev的“舞台”——也就是在ComfyUI里安装Nunchaku插件。2.1 安装ComfyUI-nunchaku插件这里我给你两种方法选一个你觉得顺手的就行。方法A用Comfy-CLI一键安装最省心如果你喜欢命令行操作并且希望步骤最少这个方法非常适合。# 1. 安装ComfyUI的命令行管理工具 pip install comfy-cli # 2. 安装ComfyUI主程序如果你还没装的话 comfy install # 3. 安装Nunchaku插件 comfy noderegistry-install ComfyUI-nunchaku # 4. 将插件移动到ComfyUI的正确目录 mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes执行完这几条命令插件就安装并配置好了。方法B手动安装更灵活可控如果你想自己控制安装目录或者对流程更清楚可以选择手动安装。# 1. 下载ComfyUI主程序如果还没下载 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 2. 安装ComfyUI的Python依赖包 pip install -r requirements.txt # 3. 进入自定义节点目录下载Nunchaku插件 cd custom_nodes git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes2.2 安装Nunchaku后端驱动插件装好了还需要一个“发动机”这就是Nunchaku后端。从v0.3.2版本开始安装变得非常简单。插件安装完成后你通常可以在ComfyUI的Web界面里通过加载一个名为install_wheel.json的工作流文件来一键安装或更新这个后端驱动包。如果找不到也可以查阅插件文档通常会有明确的安装指引。3. 核心步骤准备模型文件与校验目录这是最关键的一步很多朋友出错就是因为模型没下对或者放错了地方。我们一步步来并用huggingface_hub工具来简化流程。3.1 配置示例工作流首先我们把插件自带的示例工作流复制到ComfyUI能识别的位置这样启动后就能直接加载。# 进入你的ComfyUI主目录 cd ComfyUI # 创建存放示例工作流的目录如果不存在的话 mkdir -p user/default/example_workflows # 复制Nunchaku插件提供的工作流文件 cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/3.2 下载并校验模型文件你需要下载两类模型基础FLUX模型和Nunchaku FLUX.1-dev专属模型。请严格按照下面的目录存放。目录结构一览非常重要ComfyUI/models/ ├── unet/ # 存放 Nunchaku FLUX.1-dev 主模型 ├── loras/ # 存放 LoRA 模型可选用于风格增强 ├── text_encoders/ # 存放 CLIP 和 T5 文本编码器模型 └── vae/ # 存放 VAE 模型3.2.1 下载基础FLUX模型必须这些是FLUX系列模型的通用组件包括理解你文字描述的编码器和解码图像的VAE。我们使用hf命令huggingface_hub提供的命令行工具来下载它会自动处理缓存和文件路径。# 下载文本编码器模型到指定目录 hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders # 下载VAE模型到指定目录 hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae下载后校验进入ComfyUI/models目录检查一下文件是否以“软链接”或实际文件的形式存在。(base) ~/ComfyUI/models$ ls -l text_encoders/ total 0 lrwxrwxrwx. 1 root root 68 2月 25 00:47 clip_l.safetensors - /root/.cache/huggingface/FLUX.1-dev/text_encoders/clip_l.safetensors lrwxrwxrwx. 1 root root 72 2月 25 00:47 t5xxl_fp16.safetensors - /root/.cache/huggingface/FLUX.1-dev/text_encoders/t5xxl_fp16.safetensors (base) ~/ComfyUI/models$ ls -l vae total 0 lrwxrwxrwx. 1 root root 54 2月 25 00:48 ae.safetensors - /root/.cache/huggingface/FLUX.1-dev/vae/ae.safetensors看到类似的列表并且文件能正常指向缓存路径就说明基础模型准备好了。3.2.2 下载Nunchaku FLUX.1-dev主模型核心这是生成图片的“大脑”根据你的显卡选择对应的量化版本大部分NVIDIA显卡选择INT4版本在效果和显存占用上平衡得很好。Blackwell架构新显卡选择FP4版本。显存紧张如12GB可以选择FP8版本。这里以最常用的INT4版本为例# 下载INT4量化的Nunchaku FLUX.1-dev主模型 hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/下载后校验确认主模型已经放在unet目录下。(base) ~/ComfyUI/models$ ls -l unet/ total 0 lrwxrwxrwx. 1 root root 72 2月 25 00:50 svdq-int4_r32-flux.1-dev.safetensors - /root/ai-models/comfyanonymous/unet/svdq-int4_r32-flux.1-dev.safetensors3.2.3 可选下载LoRA模型LoRA像是模型的“滤镜”或“风格包”可以显著改变或优化出图效果。比如FLUX.1-Turbo-Alpha可以加速生成Ghibsky Illustration可以赋予吉卜力动画风格。你可以将它们下载到models/loras/目录在ComfyUI工作流中按需加载。# 示例下载一个LoRA模型请替换为实际的模型ID和文件名 # hf download [作者/模型仓库名] [模型文件名.safetensors] --local-dir models/loras目录校验确保你的loras目录结构清晰。(base) ~/ComfyUI/models$ ls -l loras/ total 0 lrwxrwxrwx. 1 root root 76 1月 27 18:47 diffusion_pytorch_model.safetensors - /root/ai-models/comfyanonymous/diffusion/diffusion_pytorch_model.safetensors lrwxrwxrwx. 1 root root 55 1月 27 18:46 lora_v2.safetensors - /root/ai-models/comfyanonymous/lora/lora_v2.safetensors4. 启动与体验生成你的第一张FLUX图片所有文件就位终于到了激动人心的时刻——启动ComfyUI并生成图片。4.1 启动ComfyUI服务在你的ComfyUI根目录下运行启动命令python main.py如果一切正常命令行会输出一个本地网址通常是http://127.0.0.1:8188。用浏览器打开这个网址你就看到了ComfyUI的图形化操作界面。4.2 加载Nunchaku FLUX.1-dev工作流在ComfyUI网页界面点击右上角的“Load”按钮在弹出的对话框中导航到ComfyUI/user/default/example_workflows/目录。这里你会看到几个工作流文件我们选择功能最全的nunchaku-flux.1-dev.json推荐使用。这是支持加载多个LoRA的文生图工作流效果最好灵活性最高。加载后界面会铺满各种节点不用怕我们只需要关注几个关键参数。4.3 设置参数并生成图片输入提示词找到名为“Positive Prompt”的节点框在里面用英文描述你想生成的画面。FLUX模型对英文提示词响应更好。例如A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K一个美丽的山水风景超高清写实风格8K分辨率。调整参数可选推理步数Steps一般20-50步。如果关闭了FLUX.1-Turbo-Alpha这个LoRA步数不要低于20否则图片质量会下降。分辨率Resolution默认可能是1024x1024。如果显存不足可以尝试降低到768x768。LoRA权重如果你加载了LoRA可以调整这里的滑块通常是0-1之间来控制风格影响的强度。点击生成检查无误后点击界面上的“Queue Prompt”按钮。右侧的预览窗口会开始显示生成过程稍等片刻你的第一张由Nunchaku FLUX.1-dev生成的图片就诞生了5. 总结与关键要点回顾恭喜你走到这一步你已经成功在ComfyUI中部署并运行了Nunchaku FLUX.1-dev模型。我们来回顾一下整个流程中最关键的几点帮你避坑目录结构是生命线这是最容易出错的地方。务必记住主模型 (svdq-*.safetensors) →models/unet/LoRA模型 →models/loras/文本编码器 (clip_l.safetensors,t5xxl_fp16.safetensors) →models/text_encoders/VAE模型 (ae.safetensors) →models/vae/用ls -l命令多检查几遍绝对没错。模型版本要对号入座根据你的显卡型号和显存大小选择正确的量化版本FP16/FP8/INT4/FP4。选错了可能无法运行或效果不佳。善用hf工具huggingface_hub的hf download命令能自动处理下载和缓存比手动下载再移动文件更不容易出错。工作流选择首次使用无脑选择nunchaku-flux.1-dev.json这个工作流它功能最全也最适合文生图。参数调节如果生成速度慢或显存不足优先尝试降低分辨率或启用FLUX.1-Turbo-AlphaLoRA并相应减少步数。如果加载工作流时提示缺少节点可以通过ComfyUI Manager安装对应的自定义节点。现在你可以尽情探索FLUX.1-dev的强大能力了。尝试不同的提示词组合不同的LoRA创造出属于你的独特作品吧获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。