1. Red-Z-Image-AIO 模型概述與優勢 [0]

thumbnail Red-Z-Image-AIO 模型能生成具有真實感的圖像，減少「網紅感」，並支援 NSFW 內容修復，且對硬體要求低。

1.1. 模型特色與應用 [0]

  1. 生成圖像的真實感更強 [0]
    1. 該模型生成的圖片「網紅感」較弱，更接近手機拍攝的質感 [0]。
    2. 無論是從文字生成圖片（文生圖）還是圖片修復（洗圖）的過程中，圖像質感都有顯著提升 [1]。
  2. 支援 NSFW 內容修復 [16]
    1. 模型支援生成和修復 NSFW（不適合在工作場所觀看）內容，且細節表現良好 [16]。
    2. 若對細節不滿意，可透過後續教學進一步提升特定部位的真實感 [17]。
  3. 低硬體配置要求 [23]
    1. 該模型主要為 8G 顯存的低配電腦設計 [24]。
    2. 建議 12G 顯存以上的用戶關閉「卸載顯存」功能，以加快啟動速度 [23]。

2. 工作流程與優化 [15]

thumbnail

Red-Z-Image-AIO 的工作流程簡化了傳統的放大步驟，並透過多樣性參考和局部修復功能提升圖像品質和真實感。

2.1. 文生圖工作流程 [15]

  1. 簡化放大步驟 [9]
    1. 此次工作流程捨棄了傳統的 CBD 放大步驟 [9]。
    2. 直接生成 1920 分辨率的圖片，已足夠追求真實感 [10]。
    3. 過度放大皮膚細節反而會讓圖片顯得不真實，目標是模擬手機隨手拍出的真實人物質感 [11]。
  2. 模型與速度 [15]
    1. 文生圖僅使用一個 AIGo 模型，只需同時曝光模型的 clip 和 AE [15]。
    2. 運行速度快，10 步、1920 分辨率的圖片約 50 多秒即可生成 [21]。
    3. 首次啟動可能較慢（約 60-70 秒），之後會更快 [22]。
  3. 顯存管理 [23]
    1. 8G 顯存用戶需保留「卸載顯存」功能 [24]。
    2. 8G 以上顯存用戶則不需保留，可手動清理顯存和記憶體 [25]。
    3. 關閉「卸載顯存」可避免熱啟動時重複加載大模型，從而加快啟動速度 [26]。
  4. 分辨率設定與潛在問題 [29]
    1. 建議高配用戶將分辨率調整至 1920x1280 或更高 [29]。
    2. 由於模型訓練集融合了多種分辨率圖片，調整至接近 2K 尺寸時，可能偶爾出現「多頭多手」問題 [30]。
    3. 1280x720 分辨率下不會出現此問題，1920 分辨率下出現機率不大 [30]。

2.2. 提升多樣性與採樣器選擇 [31]

  1. 多樣性參考 [31]
    1. 透過新增「多樣性參考」解決了生成圖片場景重複的問題 [31]。
    2. 原理是跳過第一步，將參數設定為 0.001 或 0.1 即可 [34]。
    3. 生成四五張圖片後，場景會明顯改變，不像之前生成多張圖片也幾乎沒有變化 [33]。
  2. 採樣器設定 [37]
    1. 推薦的採樣器組合能讓人物細節更多 [37]。
    2. 使用 YOLO 和 Simple 採樣器效果差異不大，用戶可依習慣調整 [37]。

2.3. 洗圖工作流程與 NSFW 處理 [38]

  1. 洗圖效果與重繪幅度 [39]
    1. 洗圖功能在保持原圖基礎上，顯著提升人物真實度和細節 [41]。
    2. 建議重繪幅度設定為 0.7，這是較為均衡的幅度 [42]。
    3. 若重繪幅度超過 0.75 至 0.8，圖片會過度依賴提示詞生成，導致場景變化過大 [42]。
  2. 分辨率與反推圖片 [43]
    1. 洗圖分辨率可設定為 1920，模型有防爆機制，不會超過最大邊數，避免畫面劣化 [43]。
    2. 可選擇使用反推圖片，也可自行撰寫提示詞 [44]。
    3. 若要自行撰寫提示詞，需斷開反推圖片的連接線 [45]。
    4. 反推圖片使用 FP8 模型即可，因其對大模型能力要求低 [49]。
    5. 處理 NSFW 內容的反推時，必須將模型更換為 4B 或 8B，FP8 不支援 [50]。
  3. 局部修復功能 [61]
    1. 該功能對於 NSFW 內容的修復效果顯著，能大幅提升真實性 [61]。
    2. 使用 XL 模型，操作簡單：上傳圖片，打開遮罩節點，圈選需要修復的部位，然後運行即可 [64]。
    3. 系統只會重新處理圈選的部位，其他部分不會修改，類似於局部修復 [67]。

2.4. 插件與 ComfyUI 版本要求 [53]

  1. 顯存與記憶體管理 [53]
    1. 工作流程中加入了 LaoLi 節點和 Queen 3 節點以減少顯存和記憶體壓力 [53]。
    2. 建議保留釋放顯存和記憶體的節點，因為整體流程較為複雜，不建議隨意移除 [55]。
  2. 模型與插件清單 [70]
    1. 主要模型為 Shookpoint 模型和局部修復模型 [70]。
    2. 包含 4B、8B 和 FP8 模型，其中 FP8 不支援 NSFW 內容 [71]。
    3. 插件包括重繪（局部修復用）、LaoLi 節點和 Queen 3 插件 [72]。
  3. ComfyUI 版本要求 [73]
    1. 需將 ComfyUI 更新至最新穩定版 [73]。
    2. 新版 ComfyUI 不再支援「分塊」功能，因為其儲存邏輯已改變，更多占用記憶體 [75]。
    3. 若使用新版 ComfyUI，建議關閉「分塊」功能，否則可能導致問題 [75]。
    4. 若仍需使用「分塊」功能，則需將 ComfyUI 版本回退到新版之前（例如 11 月份左右的版本） [76]。

3. RunningHub 平台資源 [6]

thumbnail

RunningHub 平台提供了 Red-Z-Image-AIO 的大合集和本地解碼範例，並提供用戶福利。

3.1. RunningHub 平台介紹 [6]

  1. 模型合集與範例 [6]
    1. 影片中提到的工作流已上傳至 RunningHub 平台，包含「RED-Z-IMAGE-AIO 大合集」和「本地解碼」範例 [5]。
    2. RunningHub 是作者最常用的平台 [6]。
  2. 用戶福利與使用方式 [6]
    1. 首次註冊 RunningHub 可獲得 1000 點，每日登錄可獲得 100 點 [6]。
    2. 本地解碼的使用方法可在影片簡介和流末尾的教程中找到 [7]。
    3. 用戶可私訊作者索取邀請碼，使用邀請碼可獲得額外福利 [7]。