wikeeyang

/

Flux2-Klein-9B-True-V3

like 120

听别人说一百遍，不如自己从头到尾做一遍。
一致性高与不高，取决于评判标准是否一致，把这个图片中的物件，生搬硬套到另一个图片中，就是一致性好？抑或能把这个图片中的物件，较好的融入到另一个图片中指定的位置，才是好的一致性？

听别人说一百遍，不如自己从头到尾做一遍。
一致性高与不高，取决于评判标准是否一致，把这个图片中的物件，生搬硬套到另一个图片中，就是一致性好？抑或能把这个图片中的物件，较好的融入到另一个图片中指定的位置，才是好的一致性？

我认为的一致性是指，将一张人物肖像照仅做皮肤美化操作后，对两张图中的人物做一致性量化计算，是否可以从金融和安保领域的标准判定为同一个人，如果判定为一个人，说明一致性很好，V1是可以相对容易达到这一点的，V2相对V1则很困难几乎无法达到，V3还没试用过，只是看了一些案例的主观判断。

这个你有空可以先试试，实践出真知。图片编辑大模型是一个通用任务的模型，完成一些常规的图片编辑任务，不会局限于某一点，对于精准换脸之类的单一任务，不用通过大模型，也有很多方法可以实现。

这个你有空可以先试试，实践出真知。图片编辑大模型是一个通用任务的模型，完成一些常规的图片编辑任务，不会局限于某一点，对于精准换脸之类的单一任务，不用通过大模型，也有很多方法可以实现。

fp8mixed和mxfp8两个版本的区别是什么？

fp8mixed 是基于 fp8_e4m3fn 的 tensors scaled 版本，适配浮点精度 8bit GPU；而 mxfp8 是针对 50 系优化的 fp8 版本，普通 GPU 也能用，但在 50 系上速度更快，NVFP4 则是针对 50 系的 fp4 优化。

fp8mixed 是基于 fp8_e4m3fn 的 tensors scaled 版本，适配浮点精度 8bit GPU；而 mxfp8 是针对 50 系优化的 fp8 版本，普通 GPU 也能用，但在 50 系上速度更快，NVFP4 则是针对 50 系的 fp4 优化。

做了初步的测试，版本是fp8mixed，感觉如下：

1 一致性：V3>V1>V2
2 真实感：V3>V2>V1
3 提示词遵从度：V1>V2>V3

👍 棒！所以，你现在有充分的依据来帮我回答 #11 中他们几个用户讨论的问题了。。。😉
至于提示词遵从度这一块，有两方面的原因可参考：1. 描述的方法，文生图和编辑对提示词的描述不同，编辑时，简单直接很重要，描述太详细了反而容易干扰。2. 针对大范围的编辑，不需要 MASK，针对换脸、换装等，可以加针对性的 LoRA 提升提示词响应，针对细小局部的编辑，采用 MASK 很重要。

fp8mixed 是基于 fp8_e4m3fn 的 tensors scaled 版本，适配浮点精度 8bit GPU；而 mxfp8 是针对 50 系优化的 fp8 版本，普通 GPU 也能用，但在 50 系上速度更快，NVFP4 则是针对 50 系的 fp4 优化。

做了初步的测试，版本是fp8mixed，感觉如下：

1 一致性：V3>V1>V2
2 真实感：V3>V2>V1
3 提示词遵从度：V1>V2>V3

Consider that you can vary some aspects easily using https://github.com/capitan01R/ComfyUI-Flux2Klein-Enhancer

fp8mixed 是基于 fp8_e4m3fn 的 tensors scaled 版本，适配浮点精度 8bit GPU；而 mxfp8 是针对 50 系优化的 fp8 版本，普通 GPU 也能用，但在 50 系上速度更快，NVFP4 则是针对 50 系的 fp4 优化。

做了初步的测试，版本是fp8mixed，感觉如下：

1 一致性：V3>V1>V2
2 真实感：V3>V2>V1
3 提示词遵从度：V1>V2>V3

Consider that you can vary some aspects easily using https://github.com/capitan01R/ComfyUI-Flux2Klein-Enhancer

谢谢您，我抽时间学习下。