
Z-Image Turbo FP8 Hires Workflow (Otimizado para Baixa VRAM)
Este é um workflow de alta eficiência para ComfyUI, projetado especificamente para utilizadores com baixa VRAM. Ao utilizar Modelos Quantizados FP8 e a tecnologia Latent Upscale, gera imagens de alta resolução (1024x1792) rapidamente, mantendo um uso mínimo de recursos. 📂 Modelos Requeridos & Downloads Para garantir que o workflow funcione corretamente, por favor, faça o download dos seguintes modelos e coloque-os nas respetivas pastas do ComfyUI: 1. Modelo UNet (Colocar em models/unet/) Nome do Ficheiro: z-image-turbo-fp8-e4m3fn.safetensors Download: HuggingFace - Z-Image-Turbo-FP8 2. CLIP / Text Encoder (Colocar em models/clip/) Nome do Ficheiro: qwen3-4b-fp8-scaled.safetensors Download: HuggingFace - Qwen3-4B-FP8 ⚙️ Configurações Chave & Configuração Este workflow opera num sistema de 2 Passos. Por favor, siga as seguintes configurações para obter os melhores resultados: 🔹 Fase 1: Geração Base Tamanho Latente: Gera a uma resolução inicial mais baixa (p.ex., 512x896) para poupar recursos computacionais. 🔹 Fase 2: Latent Upscale Método de Upscale: Utiliza LatentUpscaleBy. Fator de Escala: O padrão é 2 (resultando numa saída final de 1024x1792). 🔹 Fase 3: Hires Fix (Refiner) Este passo é crucial para a clareza e detalhe da imagem: Amostrador: res_multistep (Altamente Recomendado). Denoise: Faixa recomendada 0.5 - 0.6. < 0.5: As alterações são mínimas; a imagem pode permanecer ligeiramente borrada. > 0.6: Adiciona mais detalhes, mas definir este valor 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 Utilização Gestão de Memória: Se tiver uma VRAM extremamente limitada, certifique-se de que nenhuma outra grande modelo está a ser carregada em segundo plano. Prompting: Como este utiliza o codificador de texto Qwen, tem uma forte compreensão de linguagem natural. Prompts detalhados, baseados em frases, funcionam muito bem. Troubleshooting: Se notar que os detalhes da imagem estão a quebrar ou a parecerem "queimados", tente diminuir ligeiramente o valor de denoise no segundo KSampler.
Features & Nodes
✨ Características Chave Uso Extremamente Baixo de VRAM: Pipeline completo FP8 (Modelo & Text Encoder) para reduzir drasticamente o rasto de memória. Muito Rápido: Otimizado para modelos Turbo e passos de amostragem eficientes. Pipeline Hires Fix: Utiliza Latent Upscale + 2º Passo KSampler para garantir detalhes nítidos sem um custo elevado em VRAM. Arquitetura AuraFlow: Otimizada utilizando o nó ModelSamplingAuraFlow.