FLUX.1 模型：
模型下载： 主模型下载：可在 dev 或者 schnell 的 huggingface 地址中下载模型，下载后放在 comfyui\models\unet 文件夹中。 FLUX.1[dev]模型：https://huggingface.co/black-forest-labs/FLUX.1-dev FLUX.1[schnell]模型：https://huggingface.co/black-forest-labs/FLUX.1-schnell VAE 下载地址：https://huggingface.co/black-forest-labs/FLUX.1-schnell/blob/main/ae.sft，下载后放在 comfyui\models\vae 文件夹中。 CLIP 下载地址：https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main，官方提供了 clip_l.safetensors，还有 t5xxl 的 FP8 和 FP16 的两种精度的 clip 模型供选择，可根据电脑配置任选 FP8 或者 FP16 精度下载，下载后放在 comfyui\models\clip 文件夹中。 GitHub 仓库：https://github.com/black-forest-labs/flux 百度网盘链接：https://pan.baidu.com/s/1VPQedispwtR29kDrhGR10A?pwd=4iwj 低显存方案（8G 以下）：ComfyUI BitsandBytes_NF4 Flux 模型解决显卡显存是 6 – 8G 的 FLUX 的运行，下载慢的可以从网盘里下（上面百度网盘里也有）。模型与工作流地址：https://pan.quark.cn/s/2797ea47f691，工作流在 ComfyUI 里的使用。在 AI 图像生成中，“diffusion”（扩散）通常指的是一类生成模型，称为扩散模型（Diffusion Models）。这类模型通过逐步引入噪声到数据中，并训练网络学习逆向过程来生成数据。扩散模型在图像生成领域中应用广泛，特别是在文本到图像的生成任务中表现出色。
扩散模型的工作原理可以概括为以下几个步骤：
正向扩散过程：向图像逐渐添加高斯噪声，直到图像完全无法识别，这个过程可以被形式化为顺序扩散马尔可夫链。 潜空间表示：将图像压缩到低维的潜在空间（Latent Space）中，以减少计算量和提高生成速度。 学习逆向过程：训练一个神经网络来预测每一步中噪声的分布，并逐步去除噪声，从而恢复出清晰的图像。 文本到图像的生成：结合文本编码器和图像解码器，根据文本描述生成相应的图像。扩散模型的关键优势在于其生成高质量的图像的能力，以及相比其他生成模型（如 GANs）在计算效率和稳定性上的优势。Stable Diffusion 等模型就是基于扩散模型的文本到图像生成工具，它们能够根据文本提示生成逼真的图像。
