Z-Image Turbo FP8 Hires 워크플로우 (낮은 VRAM 최적화)

낮은 VRAM 사용자를 위해 특별히 설계된 고효율적인 ComfyUI 워크플로우입니다. FP8 Quantized Models과 Latent Upscale 기술을 활용하여, 최소한의 리소스 사용으로 고해상도 이미지(1024x1792)를 빠르게 생성합니다. 📂 필요한 모델 및 다운로드 워크플로우가 정상적으로 작동하도록 하려면, 다음 모델을 다운로드하고 각 ComfyUI 폴더에 배치하세요: 1. UNet 모델 (models/unet/ 폴더에 배치) 파일 이름: z-image-turbo-fp8-e4m3fn.safetensors 다운로드: HuggingFace - Z-Image-Turbo-FP8 2. CLIP / Text Encoder (models/clip/ 폴더에 배치) 파일 이름: qwen3-4b-fp8-scaled.safetensors 다운로드: HuggingFace - Qwen3-4B-FP8 ⚙️ 주요 설정 및 구성 이 워크플로우는 2-Pass 시스템으로 작동합니다. 최상의 결과를 위해 다음 설정을 따르세요: 🔹 단계 1: 기본 생성 Latent Size: 컴퓨팅 리소스를 절약하기 위해 더 낮은 초기 해상도(예: 512x896)에서 생성합니다. 🔹 단계 2: Latent Upscale Upscale Method: LatentUpscaleBy를 사용합니다. Scale Factor: 기본값은 2(최종 출력 1024x1792). 🔹 단계 3: Hires Fix (Refiner) 이 단계는 이미지의 명확성과 세부 사항에 매우 중요합니다: Sampler: res_multistep (매우 추천). Denoise: 권장 범위 0.5 - 0.6. < 0.5: 변경 사항이 거의 없으며, 이미지가 약간 흐릿하게 유지될 수 있습니다. > 0.6: 더 많은 세부 사항을 추가하지만, 너무 높게 설정하면 이미지 구조가 변경되거나 환각을 일으킬 수 있습니다. 📊 성능 벤치마크 실제 테스트 데이터 기반: GPUOutput ResolutionTimeNVIDIA RTX 5070 Ti1024 x 17928 ~ 9 sec 📝 사용 팁 메모리 관리: VRAM이 매우 제한된 경우, 백그라운드에 다른 큰 모델이 로드되지 않도록 하세요. 프롬프팅: Qwen 텍스트 인코더를 사용하므로 자연어 이해 능력이 뛰어납니다. 상세하고 문장 기반의 프롬프트가 매우 잘 작동합니다. 문제 해결: 이미지 세부 사항이 깨지거나 "태운 것 같아 보이면", 두 번째 KSampler의 denoise 값을 약간 낮춰보세요.