捋了下 FLUX.1 的底子,DiT 架构 120 亿参数

这阵子出概念稿基本全靠 FLUX,今天晚上干脆把它底细捋了一遍,边查边记。

核心的 FLUX.1 是 DiT 架构,就是 Diffusion Transformer,参数量 120 亿。官方主打三块:图像质量、出图速度、风格多样性。

风格这条我实际用着是认的,机甲和写实人像来回切,基本不怎么费劲。后来又出了 FLUX.2,我还没大规模换,手上的流程先不动。

另外查到的:它跟 Grok 那边合作提供出图,跟 Meta、Adobe、Canva 也有商业合作,难怪名气起得这么快。

接下来想碰的是社区 LoRA,主要是角色一致性那种。在 FLUX 上练过的朋友吱一声,稳不稳给句实话,我怕投进去白折腾。

顺是顺,就是画面里带字的我还得后期自己补

角色一致性 LoRA 我练过一版,脸稳手不稳,慎入

120 亿参数这体量,本地跑得肉不肉

1 个赞

同问 FLUX.2 值不值得换 :thinking:

字这块 FLUX 已经比 SD 强多了,短英文基本能对,中文就别指望

1 个赞