Flux 3 文字轉圖像工作流程
基本的 Flux 3 文字轉圖像工作流程:BF16 的 Klein 基礎搭配 9GB 文字升頻器,Flux 2 VAE 和 Qwen VL 文字編碼器。建議 50 步。Graydient 上也可運行此系列的 Distill、Base、BF16 文字編碼器和升頻器預設,與 ModelTrends 上相同。典型渲染約三分鐘,需約 28 GB VRAM。
支援 Graydient 技術的應用程式
選項
| 選項 | 映射至 | 預設 |
|---|---|---|
(prompt positive) | Text (Multiline) → value | — |
/guidance | KSampler → cfg | 3.5 |
/images | Empty Flux 2 Latent → batch_size | 1 |
/seed | KSampler → seed | random |
/size | Empty Flux 2 Latent → width, height | 1024 × 1024 |
/steps | KSampler → steps | 50 |
使用的模型
/run:flux3 匯入 在 ModelTrends 查看 給開發者(可選)
API 範例程式碼。你可以用此工作流程建立個人使用的應用程式。準備部署時請 升級為商業方案。詳見 完整渲染 API 文件。
curl https://cloud.graydient.ai/api/v3/render/ \
-X POST \
-H "Content-Type: application/vnd.api+json" \
-H "Accept: application/vnd.api+json" \
-H "Authorization: Bearer $GRAYDIENT_TOKEN" \
-d '{
"prompt": "/workflow /run:flux3 a lighthouse on a cliff at dusk",
"callback_url": "https://example.com/webhook/render"
}'這是幕後運作方式。這已經為你設定好。上表中的參數會插入這些位置,讓你能改變運作方式及載入的模型。你不必理解或修改它——它已經能正常運作。
Load Diffusion Model#28
MODEL
Load CLIP (9GB Text Upscaler)#25
CLIP
Load CLIP#30
CLIP
Load VAE#32
VAE
Text (Multiline)#24
STRING
CLIP Text Encode (Prompt)#6
clipCONDITIONING
clip_upscale
text
Empty Flux 2 Latent#35
LATENT
KSampler#31
modelLATENT
positive
latent_image
VAE Decode#8
samplesIMAGE
vae
Save Image#9
images
唯讀視圖。高亮的選項是調用時可設定的。 BF16 基礎搭配 9GB 文字升頻器;建議 50 步。
ModelTrends 的節點文件
此圖中節點的淺顯說明:每個節點的功能、輸入與輸出,以及如何修正錯誤。
所有工作流程:強大的工作流程