W
AI-Wiki
CONCEPT

蒸馏图像模型采样参数

定义

蒸馏图像模型采样参数,是指针对经过蒸馏训练的图像生成模型,在推理阶段采用的少步数、低或固定引导系数、简化采样器与调度器组合。

这类参数策略的核心前提是:模型在训练阶段已经被压缩了推理路径,能够用更少的采样步数生成可用图像。因此,它不同于许多传统扩散模型常见的“较高 CFG、较多 steps、反复试调度器”的用法。

在来源文章的语境中,FLUX.3 Image Klein 被描述为一个参数极其简单的蒸馏图像模型:cfg=1、steps=15、euler/simple。作者认为 15 步已经足够收敛,继续增加采样步数只会浪费推理时间。

在本文档中的语境

来源文章围绕 FLUX.3 Image Klein 在 ComfyUI 中的实测展开。作者使用 RTX 4090D 24GB 显卡、ComfyUI 0.41.0、5.4GB 的 diffusion 模型 flux3_image_klein_sd_int8_convrot.safetensors、4.5GB 的文本编码器 qwen3vl_4b_int8_convrot.safetensors,以及本机已有的 flux2-vae.safetensors。

作者把 Klein 接入自己的 AI 工具集后,分别测试了文生图、4K 大图、10 种艺术风格、图片编辑、人物编辑和竖版写真编辑。所有这些测试的共同点是:核心采样思路都保持少步数,不靠复杂调参获得结果。

在文生图工作流中,作者使用的节点链路是:

  • UNETLoader
  • CLIPLoader(type=flux3)
  • EmptyFlux2LatentImage
  • KSampler(euler/simple, cfg=1, steps=15)

在图片编辑工作流中,作者使用:

  • LoadImage
  • ReferenceLatent 将原图 latent 注入正负两条条件分支
  • SamplerCustomAdvanced 执行采样

也就是说,文生图明确使用 KSampler(euler/simple, cfg=1, steps=15);图片编辑虽然换成 SamplerCustomAdvanced,但仍延续蒸馏模型的少步数推理思路。

关键参数组合

来源文章给出的 Klein 核心采样参数可以概括为:

参数取值含义
CFG1作者称蒸馏模型不需要额外引导系数,因此固定为 1
Steps1515 步采样;作者认为该步数已经收敛
Sampler / Schedulereuler/simple使用简单采样与调度组合,不做复杂调参
典型节点KSampler、SamplerCustomAdvanced文生图用 KSampler;编辑用 SamplerCustomAdvanced

作者的表述是:Klein 的生成参数“极其简单”,cfg 固定为 1,15 步采样,euler 调度器,没有花哨配置项,“15 步就是它的全部”。

机制解释

蒸馏图像模型的少步数参数策略,来自模型训练方式本身。传统扩散模型通常需要通过较多步数逐渐去噪,并用 CFG(classifier-free guidance)增强文本提示对图像的控制;而蒸馏模型会在训练时把较长的推理轨迹压缩成更短的轨迹,使模型在少量采样步骤内也能接近可用结果。

因此,在 Klein 的案例中,作者不再把 CFG 视为需要反复调节的创作旋钮,而是固定为 1。这个设置的理由不是“CFG=1 对所有模型都最好”,而是“该蒸馏模型不需要引导系数”。

这一区分很重要:cfg=1 是本文档语境下针对 FLUX.3 Image Klein 的参数结论,不应被泛化为所有扩散模型、所有文生图模型或所有编辑模型的通用经验。对于未蒸馏模型、不同架构模型或依赖强文本引导的模型,CFG 仍可能需要调高或单独调参。

实测支撑

来源文章用多个分辨率与任务类型验证了 cfg=1、steps=15、euler/simple 这一组合的可用性。

1024×1024 文生图

在 1024×1024 文生图基础测试中,作者使用 15 步采样。日志显示 15/15 步完成后,Prompt executed in 3.66 seconds。文章开头也将其概括为 1024px 文生图约 4 秒一张。

这说明在模型已加载的情况下,15 步参数组合可以在消费级 24GB 显存显卡上实现接近实时的单图生成。

3840×2160 4K 压测

在 4K 城市夜景测试中,作者直接生成 3840×2160 图像,并提醒需要使用 VAE Tiled Decode,否则可能因为显存占用导致 VRAM 爆掉。该轮结果为 44.50 秒出图,一次通过。

这个测试说明,少步数不只适用于 1024px 小图,也可以扩展到 4K 压测;但在高分辨率下,解码方式和显存管理仍然是边界条件。

1920×1080 艺术风格生成

作者用同一个“山水村居”场景测试 10 种艺术风格,每张输出 1920×1080。日志示例显示 15 步采样约 5.67 秒完成,整组结果平均约 6.0 秒一张。

文章称水彩的湿画法晕染、水墨的留白、浮世绘的木刻线条、像素风的严格网格都能命中;并用 Florence2 对成图做 caption 复核,10 张描述与 prompt 语义全部对得上。

1920×1080 图片编辑

图片编辑测试使用上一轮生成的 10 张风格图作为底图,每张执行一条编辑指令,覆盖加物、换物、天空替换、天气替换、时间替换等类型。文章列出的结果包括:

  • 加物:水墨画山顶加宝塔、像素画加篝火,5/5;
  • 换物:向日葵替换为薰衣草田,2/2;
  • 天空替换:水彩白天替换为晚霞,1/1;
  • 天气替换:赛博朋克雨替换为雪,1/1;
  • 时间替换:装饰艺术昼替换为夜,1/1。

作者特别提到,水墨加宝塔案例中,宝塔只落在最高峰顶,墨色浓淡和朱红印章保持原位;赛博朋克雨转雪案例中,霓虹倒影自动变成积雪反光,物理逻辑正确。

该部分的速度结论是:1920×1080 图片编辑平均约 10.0 秒一张。

人物编辑与竖版写真

在人物编辑专项中,作者先用 Klein 文生图生成 10 张多样化人物底图,再执行 10 条编辑指令,覆盖 8 类人物编辑能力。文章称整轮没有出现一次“换装换脸”,身份保持平均 10 秒一张。

在 1080×1920 竖版写真场景中,作者使用 4 张白底证件照风格的中国美女源图,执行 10 条编辑指令,输出统一竖版。由于 Klein 只吃 16 的倍数,实际生成尺寸为 1088×1920,再用 Lanczos 精调到目标尺寸。

端到端时间统计为:上传底图平均 30ms,任务提交平均 497ms,服务端生成 15 步为 10–11 秒,一次通过样本端到端平均 11 秒。作者指出服务端纯推理占端到端的 96%,工程链路本身几乎不耗时。

生产建议

来源文章给出的明确生产建议是:“15 步别加”。理由是蒸馏模型 15 步已经收敛,继续增加步数只会浪费时间。

在 Klein 的生产化使用中,这条建议与其他工程建议一起出现:

  • 直接使用 ComfyUI 0.41+,旧版节点注册不全;
  • 模型优先从 ModelScope 的 black-forest-labs/flux-3-image-klein-comfy 下载;
  • 图片编辑指令中加入 keep the face/pose unchanged,以提升人物稳定性;
  • 竖版编辑优先使用原生竖图作为底图;
  • 如果必须 pad 成竖版,需要在提示词中声明白区是待替换的 padding,新背景要铺满 9:16 全画布;
  • 15 步不要再加,因为加步数不能带来对应收益。

这些建议表明,蒸馏图像模型采样参数并不是孤立的数值设置。它还依赖工作流、输入预处理、显存管理、编辑指令和输出尺寸约束。

细节与边界

cfg=1 的边界

cfg=1 在本文档中只代表 Klein 这类蒸馏模型的实测配置。作者解释其原因是“蒸馏模型不需要引导系数”。因此,写作或复用该参数时,应避免把 cfg=1 解读成所有扩散模型的通用最佳实践。

如果模型不是蒸馏模型,或者训练目标、文本编码器、调度器、采样器不同,低 CFG 可能导致提示词约束不足;这时仍需要根据模型说明和实际结果调整 CFG。

15 步的边界

15 步是来源文章对 Klein 的生产建议,不是所有图像生成模型的固定规则。它成立的条件包括:使用的是 FLUX.3 Image Klein 这类少步数蒸馏模型,并且目标任务是文生图、风格化出图、人物写真编辑、电商换背景等来源文章覆盖的场景。

在超高分辨率直出、精确文字渲染、特殊构图控制等场景下,是否只用 15 步仍需单独评估。来源文章也指出,Klein 的文字渲染一般,编辑时已有伪文字会轻微形变;4K 以上建议先出 2K 后再放大。

分辨率与显存边界

Klein 的 int8 diffusion 模型为 5.4GB,文本编码器为 4.5GB,加起来不到 10GB,作者认为 24GB 显存环境较宽松。但在 3840×2160 4K 生成中,仍需要注意 VAE Tiled Decode,否则可能出现 VRAM 爆掉的问题。

对于 1080×1920 竖版输出,作者还提到 Klein 只吃 16 的倍数,因此采用 1088×1920 生成,再用 Lanczos 调整到目标尺寸。这说明少步数采样并不消除模型对尺寸倍数和解码方式的要求。

输入预处理边界

文章记录了一个 pad 白边陷阱:方图 pad 成竖版后,白边被模型当成需要保留的原图内容。背景替换指令执行后,新背景只填充中间区域,上下白条原样保留。

解决办法是在指令中显式说明:“白区是待替换的 padding,新背景需铺满 9:16 全画布”。作者据此总结:竖版编辑优先用原生竖图当底图;如果必须 pad,就要在指令里加入全画布声明。这不是模型能力缺陷,而是输入预处理与指令工程的配合问题。

与传统扩散参数思路的差异

传统扩散模型调参经常围绕 CFG、steps、sampler、scheduler 展开,用户会尝试提高 CFG 以强化提示词,增加 steps 以改善细节,或者更换采样器与调度器以追求风格与稳定性。

蒸馏图像模型的参数思路更接近“按模型训练目标使用默认短路径”:

  • 不把高 CFG 作为默认前提;
  • 不把增加 steps 当作质量提升的主要手段;
  • 不频繁更换调度器;
  • 更关注单位显存下的出图质量、编辑保真度和端到端耗时。

来源文章最后也将 Klein 的竞争力概括为:图像模型的竞争力不在参数有多大,而在“单位显存下的出图质量 + 编辑保真度”。

相关条目