openclaw赋能Nunchaku FLUX.1-dev开源可部署文生图模型落地全解析想在自己的电脑上跑出媲美Midjourney的AI绘画效果但又不想被高昂的API费用和网络限制束缚今天我们就来手把手带你部署一个完全开源、本地可运行的顶级文生图模型——Nunchaku FLUX.1-dev。借助openclaw平台提供的便捷镜像和ComfyUI可视化界面即使你是AI绘画的新手也能在半小时内搭建起属于自己的“私人画室”。这篇文章将为你提供一份从零开始、保姆级的部署与使用指南让你彻底告别“云服务依赖”享受本地生成的自由与高效。1. 为什么选择Nunchaku FLUX.1-dev在开始动手之前我们先简单了解一下今天的主角。FLUX.1系列模型是当前开源文生图领域的佼佼者以其出色的图像质量、对提示词的高度理解和丰富的细节表现而闻名。而Nunchaku FLUX.1-dev是这个系列的一个社区优化版本它最大的亮点在于完全开源可部署模型权重完全公开你可以自由下载并在本地或自己的服务器上运行数据隐私和安全完全由自己掌控。经过量化优化提供了INT4、FP8等多种量化版本大幅降低了显存需求。这意味着你不需要昂贵的RTX 4090用一张显存更小的显卡甚至消费级显卡也能流畅运行。与ComfyUI完美集成通过专门的插件可以无缝接入ComfyUI这个强大的可视化工作流工具。你不需要写一行代码通过拖拽节点就能完成复杂的图像生成任务。简单来说它把顶级AI绘画能力“装进”了你的电脑里。接下来我们就进入实战环节。2. 环境准备打好地基在部署模型之前我们需要确保你的系统环境满足基本要求。别担心步骤都很简单。2.1 硬件与软件要求首先确认你的电脑具备以下条件显卡拥有一张支持CUDA的NVIDIA显卡。这是必须的。推荐显存24GB及以上可以流畅运行FP16原版模型获得最佳效果。显存不足怎么办完全不用担心我们可以选择FP8或INT4量化版模型它们对显存的要求会低很多例如INT4版可能只需8-12GB显存画质损失却很小。软件环境Python 3.10这是运行AI模型的基础语言环境。Git用于从代码仓库拉取必要的软件。PyTorch深度学习框架。需要安装与你的系统和CUDA版本匹配的PyTorch。如果你不确定安装ComfyUI时会自动处理大部分依赖。2.2 前置工具安装我们只需要提前安装一个关键工具huggingface-hub。它可以帮助我们更顺畅地从Hugging Face平台下载模型文件。打开你的命令行终端Windows用CMD或PowerShellMac/Linux用Terminal输入以下命令pip install --upgrade huggingface_hub好了地基已经打好接下来我们开始搭建“画室”的主体——ComfyUI和Nunchaku插件。3. 安装部署搭建你的ComfyUI画室我们将使用ComfyUI作为操作界面并通过安装Nunchaku插件来接入FLUX.1-dev模型。3.1 方法一使用Comfy-CLI最简单推荐新手如果你希望用最少的命令完成安装这个方法是最佳选择。# 1. 安装ComfyUI命令行工具 pip install comfy-cli # 2. 安装ComfyUI本体如果之前没装过 comfy install # 3. 安装Nunchaku插件 comfy noderegistry-install ComfyUI-nunchaku # 4. 将插件移动到正确目录通常CLI会自动处理若需手动 # 进入你的ComfyUI安装目录例如 cd ComfyUI mv ComfyUI-nunchaku custom_nodes/nunchaku_nodes3.2 方法二手动安装灵活性更高如果你喜欢更可控的安装过程或者需要自定义安装路径可以按照以下步骤# 1. 克隆并安装ComfyUI git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt # 2. 克隆Nunchaku插件到自定义节点目录 cd custom_nodes git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes3.3 安装Nunchaku后端从插件v0.3.2版本开始安装变得异常简单。完成上述插件安装后启动一次ComfyUI插件通常会提示你安装或更新后端依赖。你也可以在ComfyUI的插件管理界面找到一键安装的选项。至此软件部分就安装完成了。接下来是最关键的一步——请“画家”模型入场。4. 模型准备请来你的专属画家模型文件就像画家的“大脑”和“技巧”。我们需要下载两个部分基础FLUX模型和核心的Nunchaku FLUX.1-dev模型。重要提示请根据你的显卡型号选择正确的模型版本否则可能无法运行Blackwell架构新显卡如RTX 50系列请使用FP4版本模型。其他NVIDIA显卡如RTX 20/30/40系列优先使用INT4版本模型平衡性能和画质。显存非常紧张可以选择FP8量化版本。4.1 步骤一配置工作流让ComfyUI认识新插件为了让ComfyUI网页界面能直接加载我们准备好的示例流程需要复制一下工作流文件。在你的ComfyUI根目录下执行# 创建用户工作流目录如果不存在 mkdir -p user/default/example_workflows # 复制Nunchaku插件自带的工作流示例 cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/4.2 步骤二下载模型文件我们将使用huggingface-cli刚才安装的huggingface_hub包提供的工具来下载模型。请在你的ComfyUI根目录下操作。4.2.1 下载基础FLUX模型必装这些是FLUX系列模型的通用组件包括文本编码器和图像解码器VAE。# 下载文本编码器模型会自动放到 models/text_encoders/ 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模型会自动放到 models/vae/ 目录 hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae小技巧如果你已经通过其他方式下载了这些模型可以手动创建软链接。例如在models/text_encoders/目录下执行ln -s /你的/模型/缓存/路径/clip_l.safetensors clip_l.safetensors4.2.2 下载核心Nunchaku FLUX.1-dev模型这是生成图像的核心“大脑”。根据你的显卡选择版本这里以INT4版为例# 下载INT4量化的主模型放到 models/unet/ 目录 # 请将 svdq-int4_r32-flux.1-dev.safetensors 替换为你选择的版本文件名 hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/4.2.3 可选下载LoRA模型LoRA像是给画家报的“专项进修班”可以微调风格。例如FLUX.1-Turbo-AlphaLoRA能显著加快生成速度。# 下载LoRA模型放到 models/loras/ 目录 # 你需要知道具体LoRA的下载链接这里是一个示例格式 # hf download [作者]/[模型仓库] [模型文件.safetensors] --local-dir models/loras所有模型下载完毕后你的ComfyUI/models/目录结构应该大致如下models/ ├── unet/ │ └── svdq-int4_r32-flux.1-dev.safetensors (核心模型) ├── text_encoders/ │ ├── clip_l.safetensors │ └── t5xxl_fp16.safetensors ├── vae/ │ └── ae.safetensors └── loras/ (可选) └── [你的LoRA模型].safetensors万事俱备只欠东风让我们启动ComfyUI开始创作吧。5. 启动与创作画出你的第一张AI作品5.1 启动ComfyUI服务在ComfyUI的根目录下运行启动命令python main.py稍等片刻你会看到终端输出一个本地地址通常是http://127.0.0.1:8188。用浏览器打开这个地址你就进入了ComfyUI的视觉化操作界面。5.2 加载Nunchaku FLUX.1-dev工作流ComfyUI的强大之处在于工作流。我们不需要从零搭建直接加载现成的。在网页界面右侧找到“Load”加载按钮。点击下拉菜单选择“Load Default”。你应该能看到一个名为nunchaku-flux.1-dev.json的工作流文件。选择它。这个工作流已经配置好了所有节点并支持加载多个LoRA是文生图效果最好的模板。加载成功后界面中会出现一系列连好线的节点这就是我们的生成流水线。5.3 设置参数并生成图像现在到了最激动人心的环节输入你的创意。输入提示词在工作流中找到标有“Positive Prompt”的节点框。在这里用英文描述你想要画面。FLUX模型对英文理解更好。示例A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K带有山川湖泊的美丽风景超高清写实8K调整参数可选推理步数Steps一般20-50步。步数越多细节越丰富耗时也越长。如果关闭了FLUX.1-Turbo-AlphaLoRA步数建议不低于20。分辨率Width/Height默认可能是1024x1024。显存不足时可以降低如768x768。LoRA权重如果你加载了LoRA可以在这里调整其影响强度通常0.5-1.0。采样器Sampler工作流已预设好新手无需改动。点击生成找到界面上的“Queue Prompt”按钮点击它ComfyUI就会开始运行工作流。你可以在右下角看到生成进度。稍等片刻时间取决于你的显卡和步数生成的图片就会出现在右边的预览区域你可以右键保存它。恭喜你你已经成功在本地运行了顶级的开源文生图模型6. 总结与关键要点回顾通过以上步骤我们完成了Nunchaku FLUX.1-dev模型在ComfyUI上的完整部署与应用。整个过程可以总结为准备环境 → 安装平台与插件 → 下载模型 → 加载工作流 → 输入创意出图。最后再强调几个关键点能帮你避开大多数坑模型别放错地方这是最常见的错误。记住FLUX.1-dev主模型在models/unet/LoRA在models/loras/文本编码器在models/text_encoders/VAE在models/vae/。量力而行选模型显存是硬指标。FP16完整版要约33GB显存FP8版约17GBINT4/FP4版更低。根据你的显卡选择效果差异没有想象中那么大。显卡型号要对号入座Blackwell新卡如RTX 50系只能用FP4模型其他N卡用INT4模型兼容性最好。工作流节点丢失如果加载工作流时提示缺少节点可以去ComfyUI的“Manager”插件里搜索安装或者更新你的Nunchaku插件。步数设置要合理如果不用FLUX.1-Turbo-Alpha这个加速LoRA步数千万不要设太低否则画面会不完整或奇怪建议从20步开始尝试。现在你已经拥有了一个完全自主、功能强大的本地AI绘画工具。无论是探索不同的艺术风格还是批量生成设计素材都可以在本地隐私、高速地完成。尽情发挥你的创意吧获取更多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。