上期我们深入解析了Flux生态的核心模型以及Lora、ControlNet的实用技巧，本期将继续拓展，详细讲解Flux的几大核心工作流，涵盖图生图、高清放大、局部重绘等关键操作。同时，也会为大家详解上周最新推出的Flux IP-Adapter的具体使用方法。
一、文生图工作流
之前介绍过基础的Flux文生图流程，但原版工作流涉及的模型节点较多，参数设置不当容易导致报错或效果不佳。因此，我们首先需要掌握几个关键参数的配置要点。
① 剪枝类型（weight_dtype）：目前最常用的模型是 dev fp8，因此对应的 weight_dtype 应选择 fp8_e4m3fn。如果此处选择默认选项，会显著延长生成时间。
② T5-XXL模型选择：该模型提供 fp16 和 fp8 两种精度版本。两者对画面整体效果影响不大，fp16版本在细节上可能更精致，但消耗的计算资源也更多。通常而言，选择 fp8 版本即可满足需求。请注意，模型类型（type）务必选择 flux，而非 sdxl 或其他选项。
③ 图像尺寸设置：Flux 模型对输出尺寸的适应性非常强，无论是 512*768 的标准尺寸，还是 300*1200 的特殊画幅，都能保证良好的生成效果。如果显卡显存有限，建议先生成较小尺寸的图片，后续再通过放大流程处理。
④ 采样器与调度器搭配：官方推荐配置为 euler 采样器配合 simple 调度器，但这并非唯一选择。开源社区的测试表明，像 ipndm + simple、uni_pc + bh2 + simple、euler + beta 等组合有时能产生更出色的图像质量，值得用户尝试。
⑤ 引导尺度（Guidance Scale）：官方建议值为 3.5，但该参数在 2-5 之间均可调整。当数值低于 3 时，图像风格更偏向艺术化；在 3-3.5 之间兼容性最佳，适合大多数应用场景；高于 3.5 时，画面细节会增强，但对比度也可能随之升高。
另外需要注意，Flux 模型本身不依赖负面提示词和 CFG 参数，但为了确保某些工作流节点正常运作，有时仍需连接一个空的 Clip_Text_Encoder 节点。如果流程中包含涉及 CFG 参数的节点，请务必将该值设置为 1，以免影响最终输出。
二、图生图工作流
图生图工作流的构建非常简单，只需在文生图的基础上，增加一个「图像上传」节点和一个「VAE 编码」节点即可。该功能非常适合对现有图像进行微调，例如改变画面质感、转换艺术风格、调整人物表情或增减画面元素。
效果控制主要依赖两个参数：首先是提示词，将你希望修改的方向写入正向提示词，例如想将真人照片转为动漫风格，可加入“anime style”；其次是去噪强度（Denoise）参数，其范围在0到1之间，数值越高，生成结果与原图的差异就越大。
三、高清放大流程
高清放大是在图像生成后进行的后处理操作，因此可以直接将常用的放大工作流连接到 Flux 的文生图或图生图流程之后。目前，Ultimate SD Upscale 节点备受青睐，推荐的放大模型是 4x-UltraSharp。使用此节点时，需要添加一个空的负面提示词节点，并确保 cfg 参数也已调整为 1。
四、局部重绘技巧
这里推荐两种实现方法。第一种是使用 VAE Encode (for inpainting) 节点，方法简便且重绘效果已相当不错；第二种方案更为复杂，会用到 differential diffusion、gaussian blur mask、Inpaint model conditioning 等节点，以换取更自然、更精细的局部重绘质量。
操作时有两个实用技巧：一是在涂抹需要重绘的区域时，可适当将边缘向外扩展一些，这样能使融合效果更自然；二是多次尝试调整 denoise 数值，通常设置在 0.8 或以上能获得比较理想的效果。
方法①：简易重绘
方法②：高级重绘
五、Flux IP-Adapter 应用指南
XLab 上周发布了针对 Flux 模型的 IP-Adapter，可用于学习参考图像的色调风格、构图内容乃至角色特征。虽然目前其效果的准确性和稳定性尚不及 SD1.5 和 SDXL 的版本，但已能很好地用于风格提取。官方也表示这是首个版本，未来将推出更稳定的迭代。
具体使用步骤如下：
① 环境准备：更新你的 ComfyUI，并确保已安装并更新至最新版本的 x-flux-comfyui 自定义节点。
② 模型放置：下载 clip_vision_l.safetensors 文件，将其放入 ComfyUI 根目录下的 models/clip_vision 文件夹内；接着下载 flux-ip-adapter.safetensors 文件，放入 models/xlabs/ipadapters 文件夹中。
③ 加载工作流：启动 ComfyUI，从 custom_nodes/x-flux-comfyui/workflows 目录中加载对应的 ip_adapter_workflow 工作流文件。
④ 生成与调整：上传你想要学习风格的图像，检查各个节点的模型选择是否正确，然后点击生成。IP-Adapter 的强度（weight）建议设置在 0.8 左右。如果效果不理想，可以尝试在 Xlab Sampler 节点中将 true_gs 数值设置为 2。由于存在随机性，多次生成往往能获得更佳结果。
