#FLUX.1-dev
FLUX.1-dev-LoRA-add-details - FLUX.1-dev模型的真实感和细节增强LoRA
Github开源项目AI绘图图像生成模型LoRAHuggingfaceFLUX.1-dev真实细节增强
FLUX.1-dev-LoRA-add-details是一个针对FLUX.1-dev模型的增强LoRA，专注于提升图像真实感和细节表现，尤其优化了自然肤质效果。此LoRA无需特定触发词，建议使用1.0的缩放比例，也支持负值应用。通过FluxPipeline可轻松集成，适用于生成逼真的人物肖像和高质量插画风格图像。
FLUX.1-Turbo-Alpha - 高效文本生成图像的蒸馏LoRA模型
Github开源项目AI绘图图像生成模型Huggingface模型加速FLUX.1-devLora模型
FLUX.1-Turbo-Alpha是阿里妈妈创意团队基于FLUX.1-dev模型开发的8步蒸馏LoRA模型。它采用多头判别器提升蒸馏质量，适用于文本生成图像和修复控制网等任务。该模型经过100万高质量图像训练，利用对抗训练提高效果，在保持输出质量的同时大幅提升生成速度。模型推荐引导缩放值为3.5。
FLUX.1-dev-Controlnet-Inpainting-Beta - FLUX.1-dev提供高分辨率的图像修复与细节优化
Github开源项目图像生成模型模型优化HuggingfaceInpaintingFLUX.1-dev分辨率支持
FLUX.1-dev ControlNet模型显著提升图像修复与生成效果，支持1024x1024分辨率，增强细节与提示控制。兼容FLUX.1 Turbo Alpha，优化创建流程，适用ComfyUI工作流，通过灵活调节参数实现多样化生成效果，适合追求更高细节控制的用户。
sitad2 - FLUX.1-dev驱动的AI图像生成LoRA模型
Github开源项目Replicate模型LoRADiffusers文本生成图像HuggingfaceFLUX.1-dev
Sitad2是基于black-forest-labs/FLUX.1-dev开发的LoRA模型，通过Replicate平台训练而成。模型集成diffusers库，使用REALLISTICAIMODEL触发词进行图像生成，支持LoRA权重调整、合并和融合功能。
cameduru-xlab-flux-anime-lora - FLUX模型训练的自然光影场景LoRA
Github开源项目AI绘图Stable Diffusion图像生成模型LoRAHuggingfaceFLUX.1-dev
该LoRA模型通过FLUX.1-dev训练，主要用于生成具有自然光影和柔和色调的图像。模型可处理人像、街拍、风景和静物等日常场景，实现kodachrome胶片质感和光线泄漏效果。其特点是还原真实的光影层次和自然色彩，适用于需要呈现真实光影氛围的图像创作。
FLUX.1-dev-Controlnet-Inpainting-Alpha - 阿里妈妈创意团队开发的FLUX图像修复控制模型
Github开源项目图像修复AI绘图ControlNetStable Diffusion模型HuggingfaceFLUX.1-dev
阿里妈妈创意团队基于FLUX.1-dev模型开发的图像修复控制模型，采用ControlNet技术实现精准的图像修复和编辑。模型在1200万张数据集上训练，适配768x768分辨率，支持ComfyUI和Diffusers框架调用。经实测对比SDXL-Inpainting模型，在图像修复质量上展现出明显优势。目前发布alpha版本，持续改进中。
FLUX.1-dev-Controlnet-Union - 多控制模式文本到图像生成技术
Github开源项目模型训练图像生成开源社区模型HuggingfaceFLUX.1-dev控制模式
FLUX.1-dev-Controlnet-Union是一个整合多种控制模式的文本到图像生成工具，支持canny、tile、depth等模式。当前已经发布beta版本，旨在推动开源社区及Flux生态系统的发展。尽管模型仍在训练中，但在多ControlNets集成方面已展示出优异性能。使用FluxMultiControlNetModel，可以在特定条件下实现高效图像生成。推荐从GitHub获取最新版本以获得最佳支持。
FLUX.1-dev-Controlnet-Canny - 多尺度图像生成技术的应用及其未来潜力
Github开源项目ControlNet模型Diffusers文本生成图像HuggingfaceFLUX.1-devfuturistic
FLUX.1-dev-Controlnet-Canny项目实现了首个版本的训练，提供在多尺度下的图像生成能力。该项目依托ControlNet和Diffusers技术，以1024x1024像素规模进行训练，使用8x8的批量大小和30K次训练步数，确保模型生成稳定且高质量的图像。支持最新的Diffusers版本运行，适合生成具有未来感的都市图像演示，具有极大的应用潜力。