# 克隆FLUX.1 GitHub仓库
git clone https://github.com/black-forest-labs/flux
# 进入仓库目录
cd flux
# 创建并激活Python虚拟环境
python3.10 -m venv .venv
source .venv/bin/activate
# 安装依赖
pip install -e '.[all]'
# 根据需要设置环境变量,例如指定模型权重路径
export FLUX_SCHNELL=path_to_flux_schnell_sft_file
# 使用提供的脚本进行图像生成
python -m flux --name 'FLUX.1 [schnell]' --loopFLUX.1是什么
FLUX.1是由Stable Diffusion创始团队推出的开源AI图像生成模型,拥有12B参数,是迄今为止最大的文生图模型。包含三种变体:顶级性能的FLUX.1 [pro]、开源非商业用途的FLUX.1 [dev] 和 快速高效的FLUX.1 [schnell]。FLUX.1以卓越的图像质量、高度逼真的人体解剖学表现和先进的提示词遵循能力脱颖而出,为AI图像生成设定了新的行业标准。

FLUX.1的功能特色
- 大规模参数:拥有12B(120亿)参数,是迄今为止最大的开源文本到图像模型之一。
- 多模态架构:基于多模态和并行扩散Transformer块的混合架构,提供强大的图像生成能力。
- 高性能变体:提供三种不同性能和用途的模型变体,包括专业版(FLUX.1 [pro])、开发版(FLUX.1 [dev])和快速版(FLUX.1 [schnell])。
- 图像质量:在视觉质量、提示词遵循、大小/纵横比可变性、字体和输出多样性等方面超越了其他流行的模型。
- 开源和可访问性:部分模型变体如FLUX.1 [dev]和FLUX.1 [schnell]是开源的,易于研究和非商业应用。
- 技术创新:引入了流匹配训练方法、旋转位置嵌入和并行注意力层,提高了模型性能和硬件效率。

FLUX.1的技术原理
- 多模态架构:FLUX.1采用了多模态架构,这意味着模型能够同时处理和理解多种类型的数据,如文本和图像,从而更好地捕捉不同数据间的关联性。
- 并行扩散Transformer块:模型利用并行扩散Transformer结构,这是一种先进的神经网络组件,能够高效地处理序列数据,增强模型对信息的编码和解码能力。
- 流匹配训练方法:FLUX.1通过流匹配方法改进了传统的扩散模型。这种方法是一种通用的训练生成模型的技术,能够简化训练过程并提高模型的生成质量。
- 旋转位置嵌入:模型引入了旋转位置嵌入技术,这是一种特殊的编码方式,可以增强模型对图像中不同位置特征的识别能力,从而提升图像的细节表现。
- 并行注意力层:通过并行注意力机制,模型能够同时关注输入序列中的多个部分,这有助于捕捉长距离依赖关系并提高生成图像的准确性。
FLUX.1的项目地址
- 项目官网:https://blackforestlabs.ai/#get-flux
- 在线Demo:
- GitHub仓库:https://github.com/black-forest-labs/flux
- HuggingFace模型库:https://huggingface.co/black-forest-labs/FLUX.1-schnell
如何使用FLUX.1
- 选择合适的模型变体:
- FLUX.1 [pro]:适合需要顶级性能的商业应用,需要通过API访问。
- FLUX.1 [dev]:适用于非商业用途,是一个开源的、经过指导蒸馏的模型,可以在HuggingFace上获取。
- FLUX.1 [schnell]:适合本地开发和个人使用,是最快的模型,同样在HuggingFace上可以获取。
- 设置环境:如果是本地部署,需要设置Python环境并安装必要的依赖库。
- 安装FLUX.1:可以通过Git克隆官方GitHub仓库到本地环境,并按照指南安装所需的Python包。
- 使用API:对于FLUX.1 [pro],需要注册并获取API密钥来访问模型。
- 编写代码:根据官方文档或示例代码,编写脚本来与模型交互,生成图像。
- 生成图像:使用模型提供的接口,输入文本提示(prompt),模型将根据文本生成图像。
下面是一个简单的使用示例,假设您已经设置了环境并安装了必要的依赖:
FLUX.1的应用场景
- 媒体和娱乐:在电影、游戏和动画制作中,FLUX.1可用来创建逼真的背景、角色和场景。
- 艺术创作与设计:使用FLUX.1生成高质量的图像,辅助艺术家和设计师快速实现创意构想。
- 广告和营销:生成吸引人的广告图像和营销材料,以提高宣传效果。
- 教育和研究:在学术研究中,FLUX.1可作为工具来探索图像生成的新技术和理论。
- 内容创作:为社交媒体、博客和在线内容创作提供独特的图像,增加内容的吸引力。
🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
❓ 常见问题解答(FAQ)
FLUX.1 和 Stable Diffusion 有什么关系?
FLUX.1 由 Stable Diffusion 创始团队推出,定位为新一代开源文生图模型。文章强调它在图像质量、提示词遵循和人体结构表现上有明显提升,并提供不同用途的模型变体。
FLUX.1 哪个版本适合本地部署?
如果是本地开发或个人使用,优先选择 FLUX.1 [schnell];若用于非商业研究,可考虑 FLUX.1 [dev]。两者都可从 HuggingFace 获取,且适合在本地环境中安装和运行。
FLUX.1 的核心技术亮点是什么?
核心亮点包括多模态架构、并行扩散 Transformer 块、流匹配训练方法、旋转位置嵌入和并行注意力层。这些设计共同提升了生成效率、细节表现和提示词遵循能力。
🔬 语宙深潜追问 · 进阶实操拆解
FLUX.1本地部署要注意什么?
重点看显存、推理框架和模型变体选择。pro更偏效果,dev/schnell更适合本地或快速迭代;部署时要控制分辨率、批量大小和采样步数,否则显存和延迟会迅速上升。
如何提升FLUX.1提示词遵循度?
把主体、构图、风格、镜头和负面约束拆开写,尽量结构化描述;对关键元素用明确数量、位置和关系限定。若要稳定输出,最好配合参考图、固定种子和多轮筛选。
🗳️ 读者观点微投票 · 您的实战立场是?
FLUX.1最该先拼画质还是可控性?
