Z-Image Turbo FP8 Hires Workflow (Оптимизированный для низкого VRAM)

Это высокоэффективный рабочий процесс ComfyUI, разработанный специально для пользователей с низким VRAM. Благодаря использованию квантованных моделей FP8 и технологии Latent Upscale, он быстро генерирует изображения высокого разрешения (1024x1792), сохраняя при этом минимальное использование ресурсов. 📂 Требуемые модели и загрузки Чтобы рабочий процесс работал правильно, пожалуйста, скачайте следующие модели и поместите их в соответствующие папки ComfyUI: 1. Модель UNet (Поместить в models/unet/) Название файла: z-image-turbo-fp8-e4m3fn.safetensors Загрузка: HuggingFace - Z-Image-Turbo-FP8 2. CLIP / Text Encoder (Поместить в models/clip/) Название файла: qwen3-4b-fp8-scaled.safetensors Загрузка: HuggingFace - Qwen3-4B-FP8 ⚙️ Ключевые настройки и конфигурация Этот рабочий процесс работает по системе 2-х проходов. Пожалуйста, придерживайтесь следующих настроек для наилучших результатов: 🔹 Этап 1: Основная генерация Размер латентного состояния: Генерирует на более низком начальном разрешении (например, 512x896), чтобы сэкономить вычислительные ресурсы. 🔹 Этап 2: Latent Upscale Метод масштабирования: Использует LatentUpscaleBy. Коэффициент масштабирования: По умолчанию 2 (результатом является конечный вывод 1024x1792). 🔹 Этап 3: Hires Fix (Refiner) Этот этап критически важен для четкости и деталей изображения: Сэмплер: res_multistep (Сильно рекомендуется). Денойз: Рекомендуемый диапазон 0.5 - 0.6. < 0.5: Изменения минимальны; изображение может оставаться слегка размытым. > 0.6: Добавляет больше деталей, но слишком высокое значение может изменить структуру изображения или вызвать галлюцинации. 📊 Бенчмарк производительности Данные основаны на реальных тестах: GPUOutput ResolutionTimeNVIDIA RTX 5070 Ti1024 x 17928 ~ 9 сек 📝 Советы по использованию Управление памятью: Если у вас крайне ограниченный VRAM, убедитесь, что в фоновом режиме нет других крупных моделей. ПROMPTing: Поскольку здесь используется текстовый энкодер Qwen, он обладает сильным пониманием естественного языка. Подробные, основанные на предложениях промпты работают очень хорошо. Решение проблем: Если вы замечаете, что детали изображения разрываются или выглядят "сгоревшими", попробуйте немного снизить значение денойза во втором KSampler.