Flux 1 下载安装 2025 最新教程：文本图像视频生成全攻略

? 一、Flux 1 2025 版本特性与硬件适配

? 版本选择指南

• Flux 1 Pro：商用级版本，支持高精度图像生成和企业定制，生成速度 45-90 秒 / 张（1024x1024），适合专业设计和商业项目。
• Flux 1 Dev：开源版本，参数规模与 Pro 一致，生成速度 20-45 秒 / 张，适合开发测试和个人创作，显存要求最低 24GB。
• Flux 1 Schnell：快速版，4 步蒸馏技术实现 5-8 秒 / 张的生成速度，适合快速原型和批量处理，显存需求可低至 12GB。

? 硬件配置建议

• 入门级：RTX 3060 12GB + 32GB RAM，支持 512x512 分辨率生成。
• 推荐级：RTX 4070 12GB + 64GB RAM，可流畅运行 1024x1024 分辨率。
• 专业级：RTX 4090 24GB + 128GB RAM，支持 2048x2048 高分辨率及多模态复杂任务。

?️ 二、Flux 1 本地部署与安装流程

? 准备工作

• 系统要求：Ubuntu 22.04 或 Windows 11（需 WSL2 支持），Python 3.10 及以上。
• 依赖工具：Git、Docker（可选）、CUDA 12.1、cuDNN 8.9。

? 安装步骤详解

1. 克隆代码库
   
   
   bash

   git clone https://github.com/black-forest-labs/flux.git
   cd flux
   
   
   
   若网络受限，可通过镜像仓库下载：https://gitcode.com/gh_mirrors/flux49/flux。
   
   
2. 创建虚拟环境
   
   
   bash

   python3.10 -m venv .venv
   source .venv/bin/activate  # Windows 系统使用 .venv\Scripts\activate
   
   
   
3. 安装依赖
   
   
   • 基础依赖：
     bash

     pip install -e ".[all]"
     
     
     
   • TensorRT 支持（可选）：
     需先安装 enroot 和 PyTorch 镜像：
     bash

     sudo apt-get install enroot
     enroot import 'docker://nvcr.io/nvidia/pytorch:25.01-py3'
     enroot create -n pti2501 nvidia+pytorch+25.01-py3.sqs
     enroot start --rw -m ${PWD}/flux:/workspace/flux -r pti2501
     cd flux
     pip install -e ".[tensorrt]" --extra-index-url https://pypi.nvidia.com
     
     
     此配置可提升推理速度 40%。
   
   
4. 下载模型文件
   
   
   • 官方模型：访问 Hugging Face 下载对应版本：
     • Flux 1 Dev：https://huggingface.co/black-forest-labs/FLUX.1-dev
     • Flux 1 Schnell：https://huggingface.co/black-forest-labs/FLUX.1-schnell
     
     
   • 优化模型：低显存用户可选择 FP8 量化版本，如 flux1-dev-fp8.safetensors，下载地址：https://huggingface.co/Kijai/flux-fp8。
   
   
5. 启动服务
   
   
   bash

   python launch.py --webui
   
   
   
   访问 http://localhost:8188 进入 Web 界面，首次启动需等待模型加载（约 5-10 分钟）。
   
   

? 三、文本到图像生成实战技巧

? 提示词设计策略

• 结构公式：主体描述 + 风格限定 + 细节补充 + 质量要求
  示例：“一只坐在复古书桌前的橘猫，水彩画风格，背景有书籍和台灯，细节丰富，分辨率 1024x1024”。
• 负向提示词：排除不希望出现的元素，如 “低分辨率，模糊，变形”。

⚙️ 参数调优指南

• 质量优先：
  Steps=35-50，CFG Scale=4.0-6.0，Scheduler=DPM++ 2M Karras，适合精细创作。
• 速度优先：
  Steps=20-28，CFG Scale=3.5-4.5，Scheduler=Euler，适合快速迭代。
• 均衡设置（推荐）：
  Steps=28-32，CFG Scale=4.0-5.0，Scheduler=DPM++ 2M，平衡质量与效率。

? 高级功能应用

• ControlNet 控制：上传线稿或深度图，精准控制构图。例如，输入人体骨架图并附加描述 “穿着白色礼服的女性在婚礼现场微笑”，可生成高一致性图像。
• LoRA 风格微调：通过训练自定义风格模型（如赛博朋克、卡通），加载至 Flux 的并行注意力层，实现个性化风格注入。

?️ 四、图像编辑与多模态生成

✂️ 局部重绘与修复

1. 选择区域：在 Web 界面点击画笔工具，圈选需修改的区域。
2. 输入提示词：例如 “将背景中的建筑物替换为森林”，生成后自动融合边缘。
3. 高级技巧：结合 ControlNet 的 Canny 边缘检测，可实现亚像素级精准修改，如 “将第三颗纽扣改为菱形宝石”。

? 视频生成初探

1. 上传参考视频：提取关键帧作为初始图像。
2. 设置运动参数：调整 “运动模糊强度” 和 “帧间过渡平滑度”。
3. 生成视频：输入提示词如 “角色在森林中漫步，树叶随风飘动”，生成 10 秒短视频（分辨率 720p）。

? 五、移动端与云端部署方案

? 移动端适配

• ONNX 转换：将模型导出为 ONNX 格式，通过 TensorRT 优化后可在手机端运行。
• 工具推荐：使用 NVIDIA AI Enterprise 套件实现端侧实时编辑，显存占用降低 52%。

☁️ 云端 API 调用

• 注册账号：访问 https://www.damodel.com/register 创建 GPU 云实例。
• API 调用示例：
  python

  import requests
  
  headers = {"Authorization": "Bearer YOUR_API_KEY"}
  payload = {
      "model": "flux.1-dev",
      "prompt": "A futuristic cityscape at sunset",
      "steps": 
  }
  response = requests.post("https://api.laozhang.ai/v1/flux/image-to-image", json=payload, headers=headers)
  
  
  单次调用成本约 $0.015-0.03（1024x1024）。

❓ 六、常见问题与解决方案

?️ 显存不足

• 解决方案：
  1. 降低分辨率至 512x512 或启用 CPU 卸载（添加 --cpu-offload 参数）。
  2. 使用 FP8 量化模型，显存需求可降至 12GB。
  
  

⏳ 生成速度过慢

• 优化方法：
  1. 减少采样步数至 20-25 步。
  2. 切换至 Flux 1 Schnell 版本，速度提升 5-8 倍。
  
  

? 生成质量不佳

• 排查步骤：
  1. 检查提示词是否包含冲突描述，如 “透明金属”。
  2. 调整 CFG Scale 至 4.0-5.0，避免过度引导导致失真。
  
  

? 七、未来趋势与生态扩展