Flux Redux Header Image

本图由 AI 生成

如果你有用过 Midjourney 应该有用过他们的一个叫 Variation 的功能。Flux 的 Redux 模型就是为了实现这一功能所训练出来的模型。 没用过此功能的朋友也没有关系。 你可以简单理解为，你可以将一张图输入给 Flux 模型，然后让 Flux 模型生成出一张和原图相似的图片。比如下方我将一张乐高风格的鞋子的图片输入给 Flux 模型，然后让 Flux 模型生成出一张和原图相似的图片。它不仅仅图片主体类似，连风格都会很类似。
Flux Redux
这个功能比较适合用在，你已经生成了一张图片，但是你想要生成出一张和原图相似，但是又有一些不一样的图片。我们来看看如何使用 Flux 的 Redux 模型。

​
1. 下载 Flux Redux 模型

首先第一步，还是要下载 Flux Redux 模型。你需要去到这里下载 Flux Redux dev 模型，并将其放在 /models/style_models 目录下，注意是 style_models 目录，而不是 diffusion_models 目录。 除了这个模型外，你还需要下载一个名为 sigclip_vision_patch14_384 的模型。这个模型是 Flux 用来将图片转为 Conditioning 的模型。你需要去到这里下载此模型，并将其放在 /models/clip_vision 目录下。

​
2. Flux Redux 基础工作流

​
2.1 单图变体

下载好模型后，我们来搭建 Flux Redux 的 ComfyUI 工作流。 如果你不想手动连接，可以去 Comflowy 下载此工作流模板，并导入到本地 ComfyUI 使用。（另外，如果你不知道如何下载 Comflowy 模板，可以参考此教程）

Flux ComfyUI 工作流模板

点击右上角 Remix 按钮，进入 ComfyUI 工作流模式。
 最核心的变化其实就是多了一个 Flux Redux 节点组。通过这个节点组将图片转成 Conditioning，然后将其和 Prompt 一起输入到 Flux 模型中。 你可能初看这个节点组会觉得很复杂，但你可以简单听我解释下。你就能记住这个节点组该如何配置了。首先，这个 Redux 的能力是让模型生成一个与输入图类似风格的图片。所以它最关键的节点是 Apply Style Model 节点（图中①），然后这个节点输出是 Conditioning，所以需要跟 BasicGuider 节点相连。 然后这个 Apply Style Model 节点有以下几个输入节点：
  1. Conditioning：正如我前面提到的那样，Redux 是将 Prompt 和图片一起输入到 Conditioning，所以这个 Conditioning 需要跟 CLIP 后的 FluxGuidance 节点相连。
  2. Style Model：这个就是要连 Flux Redux 模型，双击空白处，搜索 Load Style Model 节点（图中②），然后添加到工作流中，然后将其和 Apply Style Model 节点相连，并选择我们前面下载好的 Flux Redux 模型。
  3. Clip_vision_output：搜索 Clip Vision Encode 节点（图中③），然后添加到工作流中，然后将其和 Load CLIP Vision 节点（图中④）以及 Load Image 节点（图中⑤）相连。
这里需要注意，图中③的 Clip Vision Encode 有个额外的 crop 参数。这是什么意思? 它会对你的图片进行裁剪，然后只对裁剪后的图片进行编码。如果你选择 Center 就意味着会裁切图片的中间部分。为何需要裁切？因为 Redux 模型只能接收方形图片。所以你的输入图最好是正方形，不然最后生成的图可能不会包含里图片里的所有元素。
Flux Redux
我们完整解释下，整个 Redux 的节点组。其实就是使用 sigclip_vision_patch14_384 的模型将图片转为 Vision（简单理解就是一堆词向量），然后再用 Redux 模型将 Vision 数据转为 Conditioning（简单理解就是转为 Flux 能理解的向量），然后将其和 Prompt 一起输入到 Flux Redux 模型中，最后将 Flux Redux 模型的输出和原图一起输入到 Flux 模型中，生成出图片。 简单理解可以将这个过程理解为，用 Flux Redux 模型就像一个翻译。它将图片里的各种元素翻译成 Flux 模型能理解的 Conditioning 数据，然后再输入到 Flux 模型中生成出图片。

​
2.2 两图融合

除了可以用单张图生成变体外，你还可以试试将两张图通过 Redux 模型融合在一起。基于上面的工作流，我们只需要增加一个 Batch Images 节点（图中①），然后将其和第二个 Load Image 节点（图中②）相连。 然后选择两张你想要融合的图片，比如我是将一张沙发和一张森林的图片融合在一起，你将会得到了一张很有意思的图片。
Flux Redux Batch Image
如果你不想手动连接，可以去 Comflowy 下载此工作流模板，并导入到本地 ComfyUI 使用。（另外，如果你不知道如何下载 Comflowy 模板，可以参考此教程）

Flux ComfyUI 工作流模板

点击右上角 Remix 按钮，进入 ComfyUI 工作流模式。

​
3. Flux Redux API 工作流

如果你的电脑性能不够，无法跑动 Flux Redux 模型，也可以试试在 ComfyUI 里使用 Comflowy 的 Redux API 节点。当然，你也可以直接在 Comflowy 里使用 Flux Redux API 节点，链接方式很简单，只需要用一个节点就能使用，同时还支持 Flux Pro 版本和 Dev 版本.
注意，因为此节点使用的是 API，所以使用的时候需要支付相应的费用。
Flux Redux API

​
4. 降低 Flux Redux 权重

在使用上面的工作流的时候，你可能会发现，Prompt 的权重极低，你基本上无法通过 Prompt 去更改图片的内容，亦或者是风格。这是什么原因？ 前面提到了 Flux Redux 模型就像一个翻译。它将图片里的各种元素翻译成 Flux 模型能理解的 Conditioning 数据，然后再输入到 Flux 模型中生成出图片。这些翻译的数据，会添加到你的 Prompt 后面。 但是因为你写的 Prompt 通常非常简短，一般在 255 或 512 个 token。相比之下，Redux 为你 Text 的 Prompt 长达 729 个 token。这可能是你原始 Prompt 的 3 倍。 那如果我想更多地通过 Prompt 去控制图片的内容，该怎么办？从数学的角度看，方法有两种：
  1. 减小 Redux 的权重，或者说缩短 Redux 的 Prompt 长度。
  2. 增加 Text 的权重，或者说增加你 Prompt 的长度。
这两种方法各有优缺点，效果好坏很多时候取决于你的输入图，所以各位可以根据自己的需求都尝试下。

​
4.1 通过插件降低 Redux 权重

首先，先说第一种方法。为了解决这个问题，有开源开发者开发了这个插件，允许你更好地对 Redux 模型进行控制。 你可以通过 ComfyUI Manager 安装此插件，亦或者通过 Git Clone 的方式安装。详细的安装方式，可以参考安装 ComfyUI 插件一文。 安装完插件后，只需要修改工作流里的 Redux 的节点组：
  1. 去掉 Apply Style Model 节点。换成图中 ① 的 Redux Advanced 节点。
  2. 修改 Text Prompt。
  3. 最后你就能得到一个和输入图相似，但内容由 Text Prompt 控制的图片。比如下方案例，就是从乐高风格的篮球鞋，转化成了乐高风格的跑鞋。
有以下几点需要注意：
  1. 你需要调整图中 ① 的 Redux Advanced 节点 的 downsampling_factor 参数。这个参数的值越大，Image Prompt 的权重越低。3 大概是 medium 的强度。你可以根据自己情况测试一下各个值的效果。
  2. 除了调整 downsampling_factor 参数外，你还可以调整 downsampling_function 参数。可以切换成不同的参数试试。
Flux Redux Plugin
这个插件除了这种使用用法外，还可以通过 Mask 的方式，圈定一些你想要的元素。比如我们这个案例，我只需要保留乐高风格，但我不需要保留鞋子本身，那我只需要将 Load Image 节点的 Mask 端点与 Redux Advanced 节点里的 Mask 端点相连，然后圈定一些了一些区域：
Flux Redux Plugin Mask

​
4.2 增加 Text Prompt 权重

再说下第二种方法，增加 Text 的权重，或者说增加 Text Prompt 的长度。工作流如下：
Flux Redux Text Weight Workflow
我在工作流里增加了如图所示 ① 和 ② 两个节点，分别控制 Strength ，我加强了 Text Prompt 的权重，降低了 Redux 的权重，整体来看，效果一般。虽然 Text Prompt 的权重提高了，生成的图的确是 running shoes，但是风格上并没有保留乐高风格。 所以我又切换了个思路。我先将 Text Prompt 传递给模型，然后再将 Redux 处理的数据再传递给模型，这样生成的图片里会先包含 Text Prompt 的内容，然后再根据 Redux 的数据进行调整。从而保证了 Text Prompt 的权重。 工作流的修改相对比较简单，只需要修改 Redux 的节点组：
图示描述
①我添加了一个ConditioningSetTimestepRange 节点，然后为了更好区分，我将它命名为 Prompt Conditioning。然后将其和 FluxGuidance 节点相连。并设置 start 为 0，end 为 0.1。这就意味着最后生图的过程中，Text Prompt 的占比会达到 10%。如果你想让 Prompt 权重更高，你可以将 end 的值设置得更大一些。
②再添加一个ConditioningSetTimestepRange 节点，然后为了更好区分，我将它命名为 Image Conditioning。然后将其和 Apply Style Model 节点相连。并设置 start 为 0.1，end 为 1。这就意味着最后生图的过程中，Image Conditioning 的占比会达到 90%。注意这里的 start 必须是大于 Prompt Conditioning 的 end 的值。
③添加一个 Conditioning Combine 节点，然后将其和 Prompt Conditioning 以及 Image Conditioning 相连。 注意 Prompt Conditioning 是第一个输入。
④然后我在 Text Prompt 里填写了 “running shoes”
⑤生成的图片主体就是 Running Shoes 了，但风格仍然是输入图的乐高风格。
需要注意，最后生成的图是否满足你的需求，取决于你如何分配 Prompt Conditioning 和 Image Conditioning 的占比，你可以根据自己的需要进行调整。
Flux Redux Text Weight