Stable Diffusion е open source модел за генерация на изображения от текст (text-to-image). Пускаш го на собствен компютър - без абонамент, без ограничения, без данните ти да минават през чужди сървъри.

Flux е новото поколение от Black Forest Labs (основателите на Stable Diffusion). По-добро следване на промпт, по-реалистични резултати, по-чист текст в изображенията.

Моделът не "знае" как изглежда нещо - той е научен кога шум прилича на конкретен образ. При генерация тръгва от чист шум и итеративно го "оформя" по посока на промпта.

Модели = checkpoint файлове (.safetensors, .ckpt). Сваляш ги от HuggingFace или Civitai. Размерите варират от 2GB до 40GB+.

Всички модели се свалят от huggingface.co или civitai.com. За Flux - задължително от официалното HuggingFace repo на black-forest-labs.

ComfyUI е node-based workflow editor. Всяка операция е node - свързваш ги с жици. По-сложен за начало, но дава пълен контрол върху pipeline-а.

COPY# Провери Python
python3 --version

# Провери CUDA (NVIDIA)
nvidia-smi

# Провери ROCm (AMD Linux)
rocm-smi

COPY# Clone
git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI

# Virtual environment (препоръчително)
python3 -m venv venv
source venv/bin/activate

# Install dependencies - NVIDIA
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# AMD ROCm (Linux)
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/rocm5.6
pip install -r requirements.txt

COPY# Flux.1 Dev - нужен е HuggingFace акаунт и accept на license
# Свали от: https://huggingface.co/black-forest-labs/FLUX.1-dev

# flux1-dev.safetensors → models/unet/
# Или quantized версия (по-малко VRAM):
# flux1-dev-Q8_0.gguf → models/unet/

# Text Encoders (задължителни за Flux)
# clip_l.safetensors → models/clip/
# t5xxl_fp16.safetensors → models/clip/

# VAE
# ae.safetensors → models/vae/

# HuggingFace CLI download
pip install huggingface_hub
huggingface-cli download black-forest-labs/FLUX.1-dev flux1-dev.safetensors \
  --local-dir ./models/unet/

COPY# Стандартен старт
python main.py

# С нисък VRAM режим (<8GB)
python main.py --lowvram

# CPU само (бавно, за тест)
python main.py --cpu

# LAN достъп (от друг компютър)
python main.py --listen 0.0.0.0 --port 8188

COPY# ComfyUI Examples в официалното repo:
https://github.com/comfyanonymous/ComfyUI/tree/master/comfy_extras/workflows

# Или от ComfyUI Manager - инсталира workflows автоматично
# Инсталация на Manager:
cd custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager

По-лесен старт от ComfyUI. Традиционен UI, подходящ за SDXL. За Flux - по-ограничен.

COPY# Clone
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
cd stable-diffusion-webui

# Сложи модела в models/Stable-diffusion/
# SDXL base: sd_xl_base_1.0.safetensors
# SDXL refiner: sd_xl_refiner_1.0.safetensors

# Стартирай (инсталира зависимостите автоматично)
./webui.sh                          # Linux/Mac
webui-user.bat                      # Windows

# С флагове за нисък VRAM
# Редактирай webui-user.sh:
# COMMANDLINE_ARGS="--medvram --xformers"

# API режим (за програматична употреба)
# COMMANDLINE_ARGS="--api"

Промптингът за image generation е различен от LLM промптинг. По-дескриптивен, по-малко разговорен.

COPY// FLUX промпт пример
A weathered Bulgarian mechanic in his 50s working under a classic Lada in a rural garage.
Oil-stained hands, warm afternoon light filtering through dusty windows.
Photorealistic, shallow depth of field, natural colors.

// SDXL промпт пример (keyword стил)
masterpiece, best quality, Bulgarian mechanic, middle aged man, workshop, vintage car,
oil stains, natural lighting, photorealistic, bokeh, Canon EOS R5, 85mm lens

// SDXL negative prompt (стандартен)
ugly, blurry, low quality, deformed hands, extra fingers, watermark, text,
bad anatomy, worst quality, jpeg artifacts, duplicate

LoRA (Low-Rank Adaptation) е малък допълнителен файл, обучен върху специфичен стил, персонаж или обект. Зарежда се заедно с базовия модел и модифицира изхода.

COPY// SDXL - A1111 синтаксис за LoRA
masterpiece, portrait of a woman, <lora:detailed_skin_v2:0.7>, <lora:lighting_pro:0.5>

// Тежестта е 0-1. 0.7 е добра отправна точка.
// Може да комбинираш multiple LoRA, но гледай за конфликти.

COPY// ComfyUI - LoRA node
// Load LoRA node → свържи след model и clip
// strength_model и strength_clip: 0.7 е default

// Flux LoRA - папка: models/loras/
// Civitai вече има Flux LoRA секция

COPY# kohya_ss - стандартното LoRA training tool
git clone https://github.com/bmaltais/kohya_ss
cd kohya_ss
./setup.sh

# SimpleTuner - по-лесен за Flux LoRA
git clone https://github.com/bghira/SimpleTuner
# Следвай README за Flux конфигурацията

Нямаш GPU или искаш Flux Pro? Има cloud API опции.

COPY# Replicate API - Flux.1 Pro
pip install replicate

import replicate

output = replicate.run(
    "black-forest-labs/flux-1.1-pro",
    input={
        "prompt": "a cyberpunk city skyline at night, rain, neon reflections",
        "width": 1024,
        "height": 1024,
        "num_outputs": 1,
        "output_format": "webp",
        "output_quality": 90
    }
)

print(output[0])  # URL на генерираното изображение

COPY# fal.ai API - Flux Dev/Pro (PHP)
function fal_flux(string $prompt, string $api_key): string {
    $response = file_get_contents('https://fal.run/fal-ai/flux/dev', false,
        stream_context_create(['http' => [
            'method' => 'POST',
            'header' => "Authorization: Key {$api_key}\r\nContent-Type: application/json",
            'content' => json_encode([
                'prompt' => $prompt,
                'image_size' => 'square_hd',
                'num_inference_steps' => 28
            ])
        ]])
    );
    $data = json_decode($response, true);
    return $data['images'][0]['url'];
}

// img.aiflux.eu ползва Replicate API по същия принцип

COPY# Upscale след генерация - Real-ESRGAN
pip install realesrgan

# 2x upscale
realesrgan-ncnn-vulkan -i input.png -o output.png -s 2 -n realesrgan-x4plus-anime

# Или в ComfyUI: Ultimate SD Upscale node
# Генерира 512px → upscale до 2048px с детайли

COPY# img2img - редактиране на съществуващо изображение
# В A1111: img2img tab → upload image → пиши промпт за промяна
# Denoising strength: 0.3 = леки промени, 0.7 = значителни

# Inpainting - промяна само на маркирана зона
# В A1111: img2img → Inpaint → рисуваш маската
# Ускорява: не се рендерира целото изображение отново