
Z-Image Turbo FP8 Hires Workflow (Otimizado para Baixa VRAM)
Este é um fluxo de trabalho ComfyUI de alta eficiência projetado especificamente para usuários com baixa VRAM. Ao utilizar Modelos Quantizados FP8 e a tecnologia Latent Upscale, ele gera imagens de alta resolução (1024x1792) rapidamente, mantendo o uso mínimo de recursos. 📂 Modelos Requeridos & Downloads Para garantir que o fluxo de trabalho funcione corretamente, por favor, baixe os seguintes modelos e coloque-os nas pastas ComfyUI correspondentes: 1. Modelo UNet (Colocar em models/unet/) Nome do Arquivo: z-image-turbo-fp8-e4m3fn.safetensors Download: HuggingFace - Z-Image-Turbo-FP8 2. CLIP / Text Encoder (Colocar em models/clip/) Nome do Arquivo: qwen3-4b-fp8-scaled.safetensors Download: HuggingFace - Qwen3-4B-FP8 ⚙️ Configurações Chave & Configuração Este fluxo de trabalho opera em um sistema de 2 Passos. Por favor, siga as seguintes configurações para os melhores resultados: 🔹 Fase 1: Geração Base Tamanho Latente: Gera em uma resolução inicial menor (por exemplo, 512x896) para economizar recursos computacionais. 🔹 Fase 2: Latent Upscale Método de Upscale: Usa LatentUpscaleBy. Fator de Escala: O padrão é 2 (resultando em uma saída final de 1024x1792). 🔹 Fase 3: Hires Fix (Refiner) Esta etapa é crucial para a clareza e detalhes da imagem: Sampler: res_multistep (Altamente Recomendado). Denoise: Faixa recomendada 0.5 - 0.6. < 0.5: As mudanças são mínimas; a imagem pode permanecer ligeiramente borrada. > 0.6: Adiciona mais detalhes, mas definir muito alto pode alterar a estrutura da imagem ou causar alucinações. 📊 Benchmark de Desempenho Dados com base em testes reais: GPUResolução de SaídaTempoNVIDIA RTX 5070 Ti1024 x 17928 ~ 9 seg 📝 Dicas de Uso Gerenciamento de Memória: Se você está extremamente limitado em VRAM, certifique-se de que nenhum outro modelo grande esteja carregado em segundo plano. Prompting: Como este utiliza o encoder de texto Qwen, ele possui forte compreensão de linguagem natural. Prompts detalhados e baseados em frases funcionam muito bem. Solução de Problemas: Se notar que os detalhes da imagem estão quebrando ou parecendo "queimados", tente diminuir ligeiramente o valor de denoise no segundo KSampler.
Features & Nodes
✨ Principais Recursos Uso Extremamente Baixo de VRAM: Pipeline completo FP8 (Modelo & Text Encoder) para reduzir drasticamente a pegada de memória. Rápido como Raio: Otimizado para modelos Turbo e etapas de amostragem eficientes. Pipeline Hires Fix: Utiliza Latent Upscale + 2º Passo KSampler para garantir detalhes nítidos sem alto custo de VRAM. Arquitetura AuraFlow: Otimizada usando o nó ModelSamplingAuraFlow.