flux2和qwen2511对比

总的来看， flux 二 clean 在 实际编辑场景中的可用性和完成度都非常高，推荐大家深入使用，也欢迎加入我们一起学习交流。 二零二六年一月十五日， blackforest labs 正式开源 flux 二的 kline 系列，同时放出四 b 与九 b 两个核心版本。 卡兰一词源自德语，原本是小的意思，但在这里并不只参数缩水，而是一整套围绕本地使用场景重新做过权衡的工程路线。 从显存预算、推理延迟到交互节奏、关键约束在模型设计阶段就已经锁死。模型能力是在这些边界内被系统性构建出来，并不试图通过堆规模去换指标，而是把重心放在一个更具体 也更难的目标。上升程与编辑被统一进同一套紧凑架构，端到端推理延迟被压缩到交互级别，使用体验不再是等待结果，而是及时反馈，让高质量生成，与图像编辑在本地环境中形成可连续操作的实时流程。 这是他第一次在问题空间上与 google image jamaican 所代表的人机协同视觉创作路线发生正面对齐。也就是说， g z image 之后，国内又一次在图像编辑这个真实使用场景里，具备了与谷歌体系正面竞争的开源模型。 特别值得重点推荐的是，科映四 b 模型在八 g 显存条件下就已经可以完整跑通图像编辑这一整套流程， 因此八 g 以上显卡的用户可以和我一起完成下面内容的全部步骤。本期内容共分为三个部分，第一部分， flux 二 client 模型在 comfyui 中的部署流程。第二部分，工作流核心节点与关键参数说明第三部分， flux 二 client 领的实际使用技巧 以及与 cmh 在 图像编辑思路上的差异。 接下来，我将使用上期发布的整合包，对 flux 二 kline 在 comfy ui 中的部署流程进行演示。 这里我还是要强调一下，几乎每一期视频我都会说明解压工具和路径要求，但实际出问题的情况基本都集中在解压阶段，甚至有人使用三六零进行解压。该类工具在开源整合包上的稳定性已多次验证不足。 在 ai 相关环境中，气用这类工具本身就是一个必要前提，所以关于这种文件繁多的开源项目压缩包推荐使用七 z 进行解压 分卷压缩格式的整合包只需要解压零零一文件，其余分卷会自动合并，解压完成后进入项目目录， 直接运行启动程序即可。使用 kan 的 工作流模型和工作流我已经全部整理好并放在整合包里，这一步不需要你再做任何处理。 如果你之前已经下载过我的 comfyui 整合包或正在使用其他版本，要使用 clean 工作流，需要将 comfyui 升级到最新版本。双击升级程序，拉取官方仓库的最新代码，然后进入网盘的 dream id 微文件夹， 下载并替换旧的更新依赖文件。双击更新依赖。之所以将更新代码与更新依赖拆分为两个文件，是为了避免升级过程中对现有环境造成破坏。 依赖升级完成后，当前环境已具备运行 clay 模型的全部条件。需要再次强调，通过本期视频下载的整合包，解压后即可直接使用，无需进行任何升级操作。后续如有新项目需要升级 cfui， 统一按照以上流程处理即可。 工作流统一放置在根目录下的 work 文件夹内，本整合包不仅包含 client 模型，同时也包含 zimage 的 完整工作流与模型文件，拖入 client 图像编辑工作流。 程序提示，缺少模型文件，直接点击后方的下载按钮，按提示将模型下载到对应路径下。

flex two client 开源极速，一秒出图， ai 绘图又一次向实时绘画迈进，而且它不只是速度快，还原声支持图片编辑，局部修改，细节调整几乎不用重来。下面我们来看一下效果演示。 这期视频我会在 comfy ui 里边生成边拆解 flex two client 的 实际表现，哪些地方拉开速度差距，哪些设置决定最终画面质量。 如果你想把 ai 绘图真正用成高效率工具，这期内容一定别错过。想要深入学习康复 ui 的 同学，欢迎加入小黄瓜的知识星球，星球汇聚了两小时入门，十二小时进阶工作流竹节点拆解等高质量课程，后续持续更新 lara 训练、康复 ui 云端教程等实战内容， 每节课后有客户作业答疑群和每月直播辅导。进阶学员可参与 ui note 攻坚计划，实现技能变现， 内容丰富。感兴趣的小伙伴可在视频剪辑区联系小助理获取优惠加入。话不多说，我们直接开始本节的内容。哈喽大家好， plus two clean 模型已经开源了，现在我们可以直接在康复 ui 里面去进行一个使用。那么在开始讲解前呢，我们先看一下效果， 这里我用的是 plus two clean 九 b 蒸馏过的模型，然后生成一张图片，在七六八乘以一零二四的分辨率上，我们大概只需要两秒钟的时间就可以完成图片的生成。 看一下后台的时间哈，这里用了四步，然后一共需要两秒，我们可以运行完成一下抽卡。那么这里呢，可以看到又生成了一张新的图片，基本上每一次运行都是在两秒左右哈，那么这次用掉了三秒钟的时间，而且生成的画面质量呢，是非常不错的，只是说在真实人物的方面可能比 z image turbo 要稍微差一点， 我们可以多来测试一些案例。好的，那么这里是特殊风格的生成哈，然后可以看到封面当中呢，还是包含有文字的，有英文的文字包括数字和标点符号都是可以表现的不错。但是呢， fox 模型对中文的支持非常差，基本上不能够生成带中文文字的一些海报啊，或者说设计图， 所以不建议大家在使用 flux two clean 模型的时候去完成中文文字的一个生成哈，但是因为它用的是千问三对应的文本编码模型，所以说能够支持我们使用中文的提置词去完成一个书写 或者说羽翼的一个注入哈。那么接下来呢，我们看一下 flex two clean 模型都开源了哪几个种类，然后做一下总结。首先在哈根 space 上面，我们搜索 k l e i n 就 能够找到黑森林实验室的官方账号以及它对应的一个仓库，我们随便点进来一个， 然后到黑森林实验室官方仓库的一个主页，宏观的页面下面往下拖有一个 models， 也就是一个简介哈，然后打开之后，我们可以看到这里有 clear 相关的两类模型哈，从大范围分就是两类，上面的话一共有六个 是九 b 对 应的模型，下面的话是四 b 对 应的模型也是六个哈，所以说呢，上面我们写上是九 b 的 参数量，下面的话是四 b 的 参数量哈，然后在九 b 和四 b 的 参数量之上，他们是一一对应的，所以说仓库呢，相当于是完全的复制，除了参数量之外呢，其他没有过大的区别，所以说我们只讲其中的一个就可以， 那么就以九倍参数量为例哈，然后在仓库的名称中带有 base 的， 证明它是全量的模型，也就是没有做过蒸馏的，内部的空间也没有做压缩，所以说这个是主要给我们提供拿来做 lara 模型训练的，也就是做大模型微调的哈。 所以说如果我们在 comui 里面使用的话，我推荐大家使用不带 face 的 那些模型哈，那么这个仓库呢，名称后面有个 l p 八，代表了它是有了 l p 八精度的一个量化，那么这个对比于没有量化的模型大概要小掉一半左右，那么显存占用呢，也会相应的去进行一个减少。 那么这个 nv lp 四就是 lp 四精度的一种量化模型，比 lp 八要更小一点，前面加上了 nv， 证明是新型的一种量化吧，针对于五零系或者四零系的显卡，在五零上表现会比较好，而且速度呢会有所提升，所以说这个呢，如果是五零系的显卡，建议可以使用这个模型， 首先比较小，占用少，其次运行比较快，然后这个 nv lp 四是一样的哈，只是说它是贝斯模型的，这个贝斯模型九 b 的 话，就是没有做量化的 好吧，那么这个 flex two clean 九 b， 也就是没有做量化的蒸馏模型，那这个呢，就是我们关于这共十二个仓库的全部介绍了，他们基本都是一样的，要么就是呃有了量化，要么就是它的参数量比较少， 要么就是它是蒸馏的或者说非蒸馏的模型，总而言之，后面的三个参数就是这样的一个选择，好吧，那么在网盘里面，我们给大家提供的是蒸馏的一个生成和制作哈，那么这个呢，就是关于 clean 模型的一个宏观介绍了。 那么当我们使用的时候，回到 cfui 当中，大家首先把 cfui 更新到最新的版本哈，如果说你用的是便携包的话， 那么在便携包里面会有一个 update 脚本，保证你的网络没问题，运行这个 update cfui 点 bet 双击就可以了，然后运行完之后，这里会自动把 github 里面最新的 cfui 版本给拉取下来，同时呢还会帮你处理环境包， 那么环境包里面就包含了 kufui 里面的一些工作流模板，所以说建议大家用这种方式去进行一个更新，那么可以看到这里就完成了更新，并且给我重新安装了一些环境包。这里的环境包呢有前端包，然后包括我们的 workflow templates， 也就是工作流的模板，然后以及其他的工作流的模板等等。 那么这个时候呢，我们就属于完成了更新，完成更新之后呢，大家双击这个 run nvidia gpu， 然后启动 kufui 就 可以了， 如果你用的是整合包的话，那使用整合包的版本切换就可以，那么当我们切换完更新完之后，重新打开 ctrl u i， 在 左上角点击这个 logo 页面， 然后会有一个浏览模板按钮，点击浏览模板之后，在图像当中就能够找到 flux clean 模型对应的各种工作流， 官方呢一共给我们提供了六个相关的工作流，是 flux two 零四 b 对 应的，但是官方的工作流里面呢，可能会有组结点，是组结点的一个形式哈，在这里面如果你打开的话，每一个组里面的连接方式大家都能看得比较清楚， 那么我这里呢，就做了一个稍微的简化，给大家一共提供了差不多三个工作流哈，我们可以来看一下。首先第一个就是 flux 颗粒模型对应的纹身图工作流哈，前面的话就是加载我们对应的模型，然后中间完成提示的输入，最终完成我们图片的一个生成， 这个是纹身图。那么在这个时候呢，我们需要补充一点关于 flux 颗粒模型的一个对应关系哈，刚才在官方的仓库里面，我们看了 k、 l、 e、 n 模型，分成了两个，一个是四 b 参数量的，一个是九 b 参数量的 四 b 参数量，它的扩散去噪模块用的就是 clean 四 b 哈，然后它的文本编码模块呢，是千问三四 b， 然后它的 ve 呢，就是 flex two 对 应的 ve 哈，那么九 b 模型它用到的扩散去噪模块是 clean 九 b 的 模型，然后它的文本编码呢是千问三八 b 哈， 然后 ve 呢，跟我们的四 b 的 ve 是 一样的，所以说这个位置呢，大家要注意区分哈，固定搭配上出现了一些偏差哈，也就是四 b 的 颗粒模型要用千万三四 b 的 文本编码模型，九 b 的 颗粒模型要用千万三八 b 的 文本编码模型，不然的话会报错。 所以说当前这个工作流呢，我是以九币为例了哈，通过名字可以看到 flux two 零九币名称里没有 base， 那 么它是一个蒸馏模型，因为名称里面有九币，所以文本编码模型我们用千万三八币的，然后类型呢，我们就选 flux two 就 可以了， ve 就是 flux two 对 应的 ve 模型。 好的，那这个呢，就是我们九币量化模型的一个纹身图的使用方式哎，也包括模型的一个固定搭配，就是这三个固定搭配的使用方式哈，那这个页面呢，我就先清掉了， 这个时候我们点击运行，可以看到基本上也就是四秒的时间去完成我们纹身图工作流的一个生成。假如说我们换成四 b 的 模型，在这里选择 clean 四 b， 那 么这个文本编码模型呢？我们是需要替换的啊，假如不替换会报错，给大家演示一下吧， 可以看到这里出现了矩阵一和矩阵二不匹配的错误，那么这个报错我们在之前基础课都有给大家讲过，这里就不多讲了啊，看到 mate 一 和 mate 二就认为是模型不匹配就可以了。好吧，大概率是这样，那么在加载 clip 当中呢，我们就需要进行一个切换，换成我们千万三四 b 对 应的文本编码模型，这个时候点击运行。 好的，可以看到这里已经完成了我们图像的一个生成哈，但是右上角的文字呢，有一点点的毁坏哈，而且四 b 的 模型生成的速度是要快很多的哈，可以看到这里，我们大概一秒的时间就完成了图像的生成，我们可以再点击运行， 可以看一下。好吧，这里还是一秒的时间，那么右上角这个 m 呢，还是稍微有一点毁坏的，所以说四 b 的 参数量的质量可能相对于九 b 稍微差那么一点哈，那么这个呢，就是纹身图的一个工作流了，在网盘里面也有给大家提供， 如果大家要切换成九 b 的 模型或者四 b 的 模型，在左侧自己进行一个选择就可以了。然后呢我们接下来来看一下图片编辑的工作流哈， 那么这里用到的是 flux two clean 单图编辑的工作流，我们点击运行哈，运行的时候给大家讲一下 flux two clean 的 模型，它既支持我们纹身图的生成，也支持我们去进行图片的编辑，同时也支持我们进行多图的一个编辑。所以说这里单图编辑的工作流我们可以看一下， 前面呢是加载我们的模型，一共三个模块哈，然后中间呢就是提示词的一个输入，在图片编辑当中呢，我们会说这个是编辑指令哈，然后后续有一个 sample 彩样的节点，那么这个呢，其实就是可以彩样器的一个拆分哈，大家可以这么简单的理解，所以说这块呢，我们基本上不用做过多的改变， 只是说如果说大家真的感兴趣，非要去用那个 base 的， 也就是霉菌蒸馏的模型的时候，那这个 c f g 值你需要给到四， 那么采用步数呢，也就是在 flux two schedule 当中的采用步数需要给到二十步，那这个呢就是唯一的区别哈。然后当前这个案例我用的是一张毛坯房的图片，然后编辑指令写的是根据图一生成现代装修的结果图， 然后这是最终它给我们生成的一张装修后的结果图哈，我们可以来看一眼，那么基本上房型并没有做过多的一个修改，同时呢也添加上了对应的一些家具，包括装修的一些风格， 那么大家可以大概看一下这个效果如何哈，我觉得这个效果还是不错的哈，真的是不错的，它在保留一致性的同时呢，还添加到了该有的一些元素，它并不会因为过度的去强调一致性而保留原始的这种毛坯房的特征，然后或者说地面上的这些瑕疵的地方。 所以说这个九臂的颗粒模型编辑能力在我这里认为是非常强的哈，目前可以说是很强的梯队之一哈。 然后整个工作流的话，前面就是加载模型，中间是输入编辑指令，后续呢是进行惨样，然后完成结果的一个输出。所以说当我们去进行多图工作流的一个修改的时候，可以看一下下面这几个节点。当我们输入第一张图像的时候，会经过一个节点叫做缩放图像， 他会将当前的图片，也就是你上传的这张图片，按照像素的总数量哈去进行一个分辨率的调整，但是不改变他的宽高比，我们可以预览一下 右键运行到这个节点结束。我们上传的原图是八百乘以一千零六十七的，大概约等于八十万的一个像素点，那么该节点呢，设置了像素的数量为一百万，所以说他会将长宽进行同比例的一个缩放，或者说放大，放大到一百万左右，所以说我们的图像呢就变成了八八七乘以幺幺八三左右， 那么这两个值相乘大概就是在一百万，所以说假如你想让像素点更多，那么在像素数量上我们可以给到一点五，那么这个一点五指的就是一百五十万的像素点，那么当我们在运行的时候，可以看到图片变成了一零八六乘以一四四八，但是它的宽高比并没有变哈， 所以说这个节点呢，就是对图像进行一个缩放的操作，我这里呢就给到一百万来进行一个演示，那么当对上传的图像进行了图像缩放之后呢，会进入这个 reference conditioning， 那 么这个呢可可以理解为就是将我们原始的图片信息传递给大模型去进行编辑的一个节点，也就是一个连接点哈， 那么假如我们要进行多图编辑的话，工作流的修改也比较简单，直接把下面这个组结点，也就是 reference conditioning 这个组结点哈，按着 alt 键复制出来一份，然后呢将正反向提示词进行一个串联，连接完之后，将最后的输出呢传到 c f g 的 引导器就可以了。 然后呢这个节点需要上传我们的第二张编辑图片，我们把 pixel 挪过来输入 log image， 也就是加载第二张图像，把 ve 模型呢也连接过来就可以了。那么这个工作流我们现在就已经变成了双图编辑的工作流哈，我们可以做个尝试，比如说在左边是我们的第一张图片，然后这里呢我们上传第二张图片，这里我就给一个沙发的照片吧，好吧， 那么第一个 reference conditioning 节点可以看到，也就是从正反向提示词当中直接连的第一个点啊，我们把它拖过来啊，这样方便于大家观察它是这样的一个串联关系，先经过了这个，再经过了这个，然后呢才到达了 c f g 引导器，对吧？所以说经过的第一个 reference conditioning， 它连接的第一张图像 就是我们的图一，那么这个呢就是图二，所以说在提示词里面呢，我们就写上将图二的沙发放在图一的房间里，不改变图一的布局结构。好的，那么这个时候呢，我们就完成了提示词的输入，直接点击运行就可以了，等待模型给我们编辑出来结果。 好的，那么这里呢，就完成了我们图像的生成，我们可以把图一和图二拿过来做一个对比哈，那么最左侧是我们最后生成的一张图像哈， 然后可以看到对我们图一当中的空间结构，包括整个画面当中的内容都没有产生过多的一个影响，包括光照的方向都是没问题的。然后图二的沙发呢，也添加到了我们对应的一个场景当中，而且沙发看起来还是很像的哈， 只是说它的大小呢，可能有很多的区别，比如说它可以缩的更小，对吧，可以把它放的更大，那么这个透视关系呢，可能模型现在他没有办法，因为我们在文本的输入当中哈，也就是在正向提示词当中，也没有说这个沙发的大小，包括它的一个透视关系的描述，所以说模型呢就自行发挥了，但是呢这个沙发还是 很像的哈，基本上没有过多的一个区别哈，这个沙发可以看到，在添加完沙发之后呢，地面上也有相应的一个光影哈，所以说一致性的保持效果是非常不错的。那么这个 king 九 b 模型呢， 在双图编辑当中用掉了七秒钟的时间，然后给我了一个不错的一个质量，那么大家呢，也可以自行进行一个尝试，经过测试之后，发现一个事情，就是 当我们去进行多图编辑的时候，比如说我们再创建一个图三，再创建一个图四，那么每增加一个参考节点，时间基本上就是成倍数的增加哈， 比如说第一个只有单图编辑的话是七秒，那么双图编辑呢，大概会在十秒左右吧，然后三图编辑可能就是十四秒，然后再往后呢就是十八秒，就是这样的，每一个节点就是会多增加升图的一个时间，好吧， 所以说这一点呢，大家就自己去进行一个选择，那么关于图像编辑的更多案例，我们这里就再演示几个吧，好吧，再给大家演示几个案例哈。还有一点就是要补充的，就是当我们上传图二的时候，可以看到我们是直接连接的第二张图像哈，建议大家也可以用一个缩放图像节点， 把这个图二把它缩放到一百万的像素点附近，好吧，因为在一零二四乘以一零二四的附近呢，是 flux two k 模型较好的一个感知能力和感知范围哈，假如说分辨率过高或者说过低，都有可能导致我们最终的图像生成出问题，那么假如你上传的这张图片是个高分辨率的，比如说五千乘以五千这样的一个分辨率， 那么当传到 reference condition 节点的当中的时候，可能导致时间增加的非常大哈，所以说图像的尺寸对生成的时间有强烈的一个影响，那么这里呢，我们就把它再删掉哈，回到我们单图编辑的工作流当中 来演示一些案例哈，比如说我们常见的几种水印的消除，这里上传一张图片，我们说消除图一中的水印，然后点击运行。 好的，可以看到这里水印已经消除了，我们把它放到旁边哈，然后同时把提示词也放在这里，我们可以多来测试一些案例哈，这样的可以看到我们说消除图一当中的水印，那么这个水印呢，就已经被消除了，人物的一致性呢，保持还是不错的，并没有出现 啊，人物脸上非常的涂抹感那种情况哈，那我们再来换一个案例，比如说这样一张图片生成一个模特穿着图一中的衣服，点击运行哈， 好的，那么这个呢，就是给我们生成的模特，大家可以对比一下这个服装的效果哈，在服装上面非常细节的一些地方，特别是颜色还比较接近的一些地方， 比如说像这件衣服的上面有蕾丝的材质，对吧？但是呢在生成的模特当中就并没有。那么在整体的衣物上面比较特征突出的一些地方，比如说黑白相间的地方啊，或者说黑色和白色有明显的一个区分的地方，一致性保持的都非常好， 比如说画面当中的三只兔子下面有两个蝴蝶结，那么我们生成的人物穿着的衣服也是三个兔子和两个蝴蝶结，只是说颜色比较接近，而且材质比较接近的地方，可能很难去表达出来。 那么现在呢，可能是编辑模型会遇到的一个问题，也是属于九十九到一百的一个突破哈，那么这里呢，就是我们单独参考去换装相关的一个突破哈，那么这个工作里有没有做非常详细的修改，只是简单的一个演示哈，然后我们再来看一下，比如说风格转会，我们让他将图一 的风格变成像素风格，那么这里呢就完成了风格的一个转会哈。然后我们再来看一下，再来演示一个案例，比如说像这样的一个手绘稿，上色也是可以的，点击运行，我们写的就是根据图一当中的手稿呢，生成一个动漫人物， 可以看到这里的效果还是很不错的哈，基本上线条都有所保留哈，那这里的公文包呢，就变成了一本书哈，这可能是模型的一个理解，但是整体的画面布局，包括画面的质量以及清晰度都是没有问题的，让我们再来试一个案例， 这里修复图一中的瑕疵，并且完成上色，可以看到这个老照片上色的效果也是很不错的，而且确实是把瑕疵修改了哈，好吧，那这个呢，就是该模型编辑的一些相关效果的演示哈。接下来我们讲解一下怎么去进行一个安装。首先更新 copy ui， 这个我们前面已经讲过了，这里不用多讲了。 然后呢，大家在视频简介区打开网盘，地址在网盘里面呢，大家可以啊，找到小黄瓜 b 站资料分享，然后这里呢会有一个 flex clean 模型对应的工作流，大家双击打开，里面有一个 models 文件夹哈，然后一共包含了三个模块， 最主要的就是 diffusion model， 还有 text encode 当中的哈。在 diffusion model 当中给大家提供了蒸馏模型对应的九 b 和四 b， 以及九 b 的 f p 八和四 b 的 f p 八，大家按需去进行选择，不用都下哈。 然后接下来呢就是 textencoder 哈，在 textencoder 当中给大家提供了两个，一个是九 b 对 应的纤维三八 b 模型，一个是四 b 对 应的纤维三四 b 模型，所以说这些呢，一定要对应加载哈，刚才我们已经讲过了，然后这里是 ve 模型，只有一个就是 flux two ve。 然后在最前面的一个层级还提供了三个工作流， 分别是纹身图，双图编辑和单图编辑的工作流，大家假如想要用四三图编辑或者是四图编辑等更多图的一个融合的话，那么自行去进行一个修改，根据我们前面讲过的知识就可以。好吧，那这个呢，就是我们本地安装的教程啊，直接把模型下载放到 comui 对 应的 models 文件夹就可以了，同名的文件夹就可以了哈， 然后更新完 compui 直接拖入工作流就可以使用了。然后在云端的话，大家还是在视频的简介区打开我们云端的地址，然后找到小黄瓜最新镜像，这个零点零点一七的版本现在就已经支持了 flux two k 模型，大家可以随便选择一个去进行一个创建， 创建完成之后呢，在当前这个页面等待启动完成，在服务端口当中就会出现一个康复 u i 的 按钮，大概等个一分钟左右就能够启动成功。大家启动完毕之后，直接点击康复 u i 就 可以到达当前这个界面啊康复 u i 的 工作区，然后在左侧工作流当中呢，大家可以搜索 k， l， e， i， n， 然后就能够找到确定对应的工作流，选择其中的一个直接运行就可以了。模型也不需要下载，环境也不需要处理好的，那么今天的内容呢，我们就先讲到这里，感谢大家。

如何实现一键漂移呢？这期分享千万二五一一首先打开工作流，选择千万二五幺幺修图预设选择一键漂移，使用正方形框选角色裙子记得扩大一点，给 ai 更多的发挥空间。点击运行等待运算结束。点击发送至选区， 可以看到裙子变得有动态感，且保留了原有的特征，更为重要的是飘动的裙子符合原图的光影。 这时候就有小伙伴要问了，主包主包工作流生成掉精度了怎么办？小问题，保持选区不变，运行一次 c v 二二超分工作流即可，对比前后纹理回来了，精度损失小。 千万二五幺幺工作流叫吃性能，推荐配置为八 g 显存，三二 g 运存跑不动，别慌，会会有云端版本工作流开源分享已上传，欢迎加入会会交流群获取！

哈喽，兄弟们，我是楚楚，今天又是一期头盔测评， flux 极道者 x 二不得不说品牌方的设计真的是别有洞天，映入眼帘满满的山水画，还有送给骑士们的暖心文案。包装细节无可挑剔，盖板、防尘袋、赠品配件一应俱全，亮白珠光漆面，温润通透，耐磨抗黄。 最重要的一点呢，就是它的整体材质，玻纤盔体，更轻更硬，安全系数更高。不得不说它的每一处细节做的都很到位。八驱智能通风系统， 即使夏天骑行也不会闷热哦。导流尾翼流线型设计，减少风噪，尾翼可轻松拆卸下巴托非常柔软细腻，可以抵挡住行驶中的粉尘。可拆卸内衬透气不闷热，磁吸搭扣更方便安全。一起上路看看效果吧！

各位小伙伴们好，我是飞翔精。好，今天呢主要来介绍一下这个像素对齐节点。 那像我们平时在用各种编辑模型，像千问啊、 prox 啊，那只要说这个尺寸呢，比较不规则，那都会出现这种偏移现象，就是这个原图啊，那我们进行编辑了以后，回贴的时候就会出现这种啊，因为整个尺寸被他缩放了， 那我这边做了一个这个像素对齐的节点，那他这个节点的作用就是他直接会把这个缩放的图再拉回去， 那使这种偏移量就明显减少，看这个偏移量就明显减少，违和感就少了，不会像这样子。 ok， 那 这个节点呢，我已经把它那个发布到 github 上面了，那我们在管理器里面输入这个像素对齐，就可以下载这个节点，那这个瑞秘里面就有写的很清楚的具体使用方法。那我们这边再讲一下它的使用方法。 首先这个像素对齐它其实最主要的用处是在这样的，就是两张图像啊，就长图，超长的， 你这个是这参考图啊，这是目标图，那他会自动的进行一个拼接，把这两张图像数合适的地方进行拼接，那就重合的地方只显示一部分，拼接完以后就这样子， 那像这个东西我们还可以隐身来再做一些更高难度的。像这个我们在做换装的时候，比如说这个人的头部是一样的，但是衣服换那么点运行的时候，他可以很明显的看到他这个， 他就把那张图给贴上来了。啊，那我们当我们这边把这个这张图给贴上来了啊，那我们当我们这边把这个这张图给贴上来了， 再高一点，这个就会把这些衣服给模糊掉，它对齐的方向是没错的，它其实靠这张脸来对齐的， 包括的话假设说我们这个因为偏移嘛，偏移就是说放只要这个人的脸啊，说放，你看这个变窄了，那把它拉过去，我们点硬性， 他也能很好的把它回贴上去，贴上去了看，然后另外的话呢，他会把这张图给拉回原尺寸， 这个是瘦的啊，就拉回原来的尺寸，他这个就是拉回原尺寸贴上去， ok， 那 这个主要是像素对齐的节点，那我这个节点里面除了这个像素对齐呢，我还有补了一个这个强力遮罩裁剪， 这个遮罩裁剪跟我们原来用的那个一些裁剪工具，包括葫芦娃的，还有一个外国人做的那个有什么区别呢？那首先是我这个对于边缘 的识别，我们可以看得到，当我把这个这个使用锐赛关闭的时候，它其实是根据这个上下左右的这个来一个，我们点运行看一下， 他其实就是获取到的遮罩是最快的啊。在整张图像获取遮罩是这他尺寸是这个 六二四乘幺四三二，然后这个是八的这个倍率，那这个情况就跟葫芦娃的那个缩放，哎，那个什么裁剪缩放，裁剪尺寸那个节点是一样，然后我开启这个了以后呢，我们有两种方式，第一个就是都没有的情况，我们点运行 它其实就是把这周围的这一块按照一零二四的方式去裁，但是因为 我们看一下啊，但是因为我们这边限制了前后左右的方位的距离，它大概只能裁到这样，它的长边是一零二四，那我们如果说把这个给它改成一个白色， 我们就可以得到一张这样的图片啊，那如果是还有黑色的也行，黑色就是这张图片， 那这个有什么作用呢？像一零二四像素的话，那二五幺幺他肯定是不偏移的。所以说当你用这张图片在二五幺幺进行一些修改的时候， 把修改完的图片放在这边，例如这张我修改完了一零二四尺寸的，那把它导入 啊，这个遮罩的话，我们把边缘稍微模糊一下回贴进去，这个就是一个回贴的这个功能，这个如果有用过，大家应该比较熟，那这个就是严丝合缝的贴上去了啊。 ok， 看一下， 那这个节点就是简化吧，因为我们原来做回贴的话，首先一个规定尺寸不好处理，然后第二个的话，就是像这种尺寸放大了啊，幺六零零， 幺六零零啊，像这个尺寸放大了，他也可以直接帮你放大，然后直接回贴进来， 因为我们这个已经是这个跟这个其实是一样缩放的，所以说他这个回贴也很 ok， 你 只要尺寸是类似的就行啊。但是你如果尺寸不类似，比如说我把这个宽改成零，他长边还是幺六零，那我们看一下， 结果就是这样回贴他就会出问题啊。 ok， 那 这两个节点的介绍就会出问题，那我们看一下实际工作流， 实际工作流，比如说我们把这个，这个是二五幺幺的工作流啊，先用二五幺幺的啊，那照样加速模型，我选择这个 image 四部的 v 二的，因为这效果快又好。 然后这个提示是挺简单的啊，主角咬个苹果，头戴猫耳朵，背景保持不变。那我们有两种情况，第一种就是我们之前视频有讲的说怎么样防偏移嘛？防偏移就是把这个断掉，把这个开起来，他就可以防偏移，偏移量就会比较小。 那我们现在就是故意要让它偏移量大，就把这个接上去，那它其实跑出来的图片，我们可以仔细看到这幺二八零乘幺零二四，它缩放了以后，这边缘都会有一些这个像素条都出来了，变形了， 所以说当我们回贴进去的时候就是成这样子， 这个就看得到了，即便说我回贴的时候有做了这个遮罩模糊，但还是看得到。那用这个像素对齐的话，出来的图直接跟原图进行像素对齐， 让他自己参考，自己去对齐，那这个片一量就小很多了。当然了，我们如果说把这个打开， 这边直接干一零二四，一零二四，那肯定两张图都不偏了，是吧？因为一零二四的这个尺寸他就不会偏移的，我们可以看一下截，结果 普遍出来了，那可以看得到一零二四，你看完全不偏，是不是一点都不偏啊？它这个像素对齐也是一样，反正都已经对齐了，那就在齐上再齐啊，对不对？ ok， 那 今天的这个节点介绍就到这边了，那反正有这两个节点，我们至少说像 flax 二啊，千万二五零九这些编辑模型啊，就不用担心了，接上去反正就是物理性的方片仪前面，管它偏到哪里去，无所谓了。 ok， 那 这个工作流呢？跟节点呢？我已经传到那个 running hub 上面去了，那有需要的小伙伴可以在那个视频简介区里面获取。好，谢谢。