2026年Nunchaku-FLUX.1-dev开源大模型部署教程：从零搭建本地文生图工作站

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

想不想拥有一台自己的AI绘画工作站？不用再排队等云端API，也不用担心调用次数限制，就在你自己的电脑上，输入一段文字描述，几分钟后就能得到一张高质量的图片。今天，我们就来聊聊如何从零开始，搭建一个基于Nunchaku-FLUX.1-dev模型的本地文生图工作站。

Nunchaku-FLUX.1-dev是一个基于开源FLUX.1 [dev]模型优化而来的文本生成图片大模型。它最大的特点，就是为中文场景和本地部署做了深度优化。简单来说，它解决了两个核心痛点：第一，你用中文描述“古风少女，江南水乡”，它生成的效果比原版模型更懂你；第二，它优化了显存占用，让普通玩家用RTX 3090或4090这样的消费级显卡就能跑起来，彻底摆脱对云端服务的依赖。

这对于想用AI做图文创作、生成电商素材，甚至接一些AI绘画单子的朋友来说，简直是福音。本地部署意味着没有额外费用，想怎么用就怎么用，创作自由度和成本控制都掌握在自己手里。

接下来的教程，我会手把手带你完成整个部署过程，从环境准备到最终出图，保证每一步都清晰明了。即使你之前没怎么接触过命令行和模型部署，跟着做也能搞定。

在开始动手之前，我们先花几分钟了解一下我们需要准备什么，以及整个项目的基本情况。这能帮你建立一个清晰的认知，知道每一步在做什么。

2.1 你需要准备什么？

首先，硬件是基础。这个模型经过优化，目标就是让它在消费级硬件上跑起来。以下是核心要求：

显卡：这是最重要的部分。你需要一块NVIDIA的显卡，显存建议在24GB左右。像RTX 4090 D（24GB）就是理想选择。RTX 3090（24GB）也可以。如果显存稍小，比如20GB，通过后续的参数调整也可能运行，但体验会打折扣。
操作系统：一个Linux服务器环境。通常大家会选择Ubuntu 20.04或22.04 LTS版本，它们有很好的社区支持和软件兼容性。
网络：部署过程中需要下载模型文件（大约几十GB），所以需要一个稳定且速度不错的网络连接。

软件环境方面，项目已经为我们做好了大部分封装，但了解底层依赖有助于排查问题：

Python 3.11：项目的运行语言环境。
PyTorch 2.7.1+cu118：深度学习框架，并且需要匹配CUDA 11.8的版本。
CUDA驱动：确保你的NVIDIA显卡驱动版本支持CUDA 11.8或更高。

2.2 项目结构预览

当你部署完成后，主要的文件和目录会是这样：

项目根目录：/root/nunchaku-flux-1-dev
- 这里是WebUI界面、配置文件和一些脚本的存放地。
模型存放目录：/root/ai-models/AI-ModelScope/FLUX.1-dev
- 下载的FLUX.1-dev模型权重文件会放在这里。
WebUI访问地址：http://你的服务器IP地址:7860
- 部署成功后，在浏览器打开这个地址就能看到操作界面了。

简单来说，我们的工作就是准备好硬件和基础系统，然后通过几条命令，把项目代码和模型“安装”到服务器上，最后启动一个网页服务。整个过程就像安装一个复杂的软件，只不过大部分步骤是通过命令行完成的。

好了，理论部分结束，我们开始动手。请确保你已经有一台满足上述要求的Linux服务器，并且可以通过SSH连接到它。

3.1 第一步：获取部署脚本并执行

通常，这类开源项目会提供一个一键部署脚本。我们假设你已经通过某种方式（例如从代码仓库下载）获得了部署脚本 deploy.sh。

登录服务器：打开你的终端，使用SSH命令连接到你的服务器。
```
ssh username@your_server_ip 
```

定位并运行脚本：进入存放部署脚本的目录，给它添加执行权限，然后运行它。

# 假设脚本在 /root 目录下 cd /root chmod +x deploy.sh # 赋予脚本执行权限 ./deploy.sh # 执行部署脚本

这个 deploy.sh 脚本会自动完成一系列繁重的工作：

检查系统环境和依赖。
创建Python虚拟环境（比如 /opt/miniconda3/envs/torch28）。
安装所有必需的Python包（PyTorch, Diffusers, Gradio等）。
从模型仓库下载FLUX.1-dev模型文件到指定目录。
配置WebUI界面和相关服务。

这个过程可能会持续较长时间，主要耗时在下载模型文件（几十GB）。请耐心等待，保持网络连接稳定。

3.2 第二步：验证服务是否启动

部署脚本执行完毕后，它通常会尝试自动启动WebUI服务。我们需要确认一下服务是否真的跑起来了。

检查服务状态：使用 supervisorctl 这个进程管理工具来查看。
```
supervisorctl status 
```
如果一切正常，你应该能看到类似下面的输出，其中 nunchaku-flux-1-dev 的状态是 RUNNING：
```
jupyter RUNNING pid 70, uptime 2:30:00 nunchaku-flux-1-dev RUNNING pid 12345, uptime 0:05:00 
```
检查端口监听：确认服务是否在监听我们约定的7860端口。
```
netstat -tlnp | grep 7860 
```
如果看到 7860 端口被某个Python进程监听，那就没问题了。

3.3 第三步：访问WebUI界面

服务启动成功后，就可以在本地电脑的浏览器中访问了。

打开浏览器，在地址栏输入：

http://你的服务器IP地址:7860

例如，你的服务器IP是 192.168.1.100，那么就访问 http://192.168.1.100:7860。

如果页面成功加载，出现一个标题为“Nunchaku FLUX.1-Dev WebUI”的界面，那么恭喜你，部署成功了！你会看到一个简洁的页面，左边是参数设置区，右边是图片生成展示区。

界面出来了，怎么用呢？别急，我们这就来生成第一张图。

4.1 认识操作界面

界面布局很直观，主要分为左右两栏：

左侧（输入区）：你在这里“告诉”AI你想要什么。
- 提示词 (Prompt)：最重要的文本框，在这里用文字描述你想要的画面。
- 宽度/高度：滑动条，设置生成图片的尺寸。
- 推理步数：控制AI“思考”的细致程度，步数越多，细节可能越好，但速度越慢。
- 引导系数：控制AI是否严格听从你的提示词。
- 生成按钮：大大的“ 生成图像”按钮，点击它开始创作。
右侧（输出区）：AI在这里“交出”它的作品。
- 这里会显示生成的图片。
- 下方可能会有一些生成信息的日志。

4.2 生成你的第一张图片

我们来一个简单的开始：

输入提示词：在左侧的“提示词”框里，输入一句英文描述。我们先从简单的来，输入：
```
A cat holding a sign that says hello world 
```
（一只举着写着“hello world”牌子的猫）
使用默认参数：第一次生成，我们先不调整宽度、高度和步数这些参数，就用默认的（比如512x512，20步）。
点击生成：大胆地点击那个火箭按钮“ 生成图像”。

然后，你会看到界面有变化，按钮可能变成“正在生成...”，右侧区域开始显示进度。等待大约2到3分钟（取决于你的显卡），一张图片就会出现在右侧区域！

这就是你的第一张由本地AI工作站生成的图片。感觉怎么样？是不是很有成就感？图片会自动保存在服务器上，位置就在 /root/nunchaku-flux-1-dev/ 目录下，文件名类似 output__.png。

4.3 尝试更多创意提示词

掌握了基本操作，就可以玩点花样了。提示词是AI绘画的灵魂，描述得越具体、越有画面感，效果通常越好。你可以试试下面这些例子：

宁静场景：A serene Japanese garden with cherry blossoms, koi pond, peaceful atmosphere (一个宁静的日式花园，有樱花和锦鲤池)
科幻城市：Futuristic cyberpunk city at night, neon lights, highly detailed (未来赛博朋克城市夜景，霓虹灯，高细节)
奇幻生物：A majestic dragon flying over mountains, fantasy art, epic scene (雄伟的龙飞越山峦，奇幻艺术，史诗场景)

针对中文优化的秘诀：Nunchaku版本对中文提示词理解更好。你可以尝试输入混合中英文的描述，或者使用翻译工具将你的中文想法转为英文关键词。例如，你想画“古风少女，江南水乡，水墨风格”，可以尝试输入：Ancient Chinese style girl, Jiangnan water town, ink painting style。

想要得到更满意、更符合预期的图片，就需要了解并调整那些参数。它们就像是控制AI画师的“旋钮”。

5.1 图像尺寸：画布有多大？

宽度和高度决定了图片的像素大小。模型对尺寸有要求：必须是64的倍数。

推荐尺寸：
- 512x512：最标准、最稳定的尺寸，显存占用友好，强烈推荐新手使用。
- 768x512 或 512x768：如果你想生成横版或竖版的图片。
注意事项：
- 尺寸越大，需要的显存越多，生成时间也越长。
- 1024x1024 对于24GB显存的显卡来说压力很大，很容易导致显存不足而失败。不建议轻易尝试。

5.2 推理步数：AI要“画”多少笔？

你可以把推理步数想象成画家的作画遍数。步数少，就像快速素描；步数多，就像精细油画。

10-15步：速度最快，但细节和连贯性可能较差，适合快速测试一个创意。
20-25步：在速度和质量之间取得了很好的平衡，是日常使用的甜点区。
30-50步：能产出细节非常丰富、质量很高的图片，但耗时很长，适合对最终作品要求极高的场景。

建议：从20步开始尝试。如果觉得细节不够，再逐步增加到30或40步，观察提升是否值得等待。

5.3 引导系数：AI要不要听你的？

这个参数控制AI在“自由发挥”和“严格遵守提示词”之间的权衡。

低值 (1.0-2.0)：AI更有“创意”，可能会加入一些你没想到但觉得不错的元素，但有时也会偏离主题。
中值 (3.0-4.0)：推荐范围。既能较好地遵循你的描述，又保留了一定的画面美感。
高值 (5.0-10.0)：AI会非常严格地尝试匹配你的每一个词，但有时会导致画面生硬、不自然。

5.4 随机种子：让结果可复现

种子值决定了生成过程的初始随机状态。

设为0：每次生成都会使用一个新的随机种子，所以每次结果都不同。
设为一个固定数字（如）：只要其他参数不变，每次生成都会得到几乎一模一样的图片。这非常有用！当你生成了一张大体满意但有些小瑕疵的图时，可以固定种子，然后微调提示词（比如加上“more details”, “better lighting”），就能在保持构图不变的基础上优化细节。

使用过程中难免会遇到问题，别担心，大部分都有解决办法。

6.1 生成失败：CUDA out of memory (显存不足)

这是最常见的问题，意味着显卡的“工作内存”不够用了。

怎么办？

立刻降低要求：这是最有效的方法。将图片尺寸从768x768降回512x512，或者将推理步数从30降到20。
重启服务：有时候显存没有被完全释放，重启一下服务能清理干净。
```
supervisorctl restart nunchaku-flux-1-dev 
```
等待几十秒后，再刷新WebUI页面重试。

6.2 生成速度慢，正常吗？

正常，尤其是第一次生成时。 因为这个优化版模型使用了“sequential CPU offload”技术。简单说，它会把模型的不同部分在CPU和GPU之间来回搬运，以节省显存。这个搬运过程需要时间。

生成一张512x512、20步的图片，耗时2-3分钟是正常的。
后续生成同一尺寸的图片可能会稍快一点，因为有些数据已经缓存了。
想要更快，唯一的硬件途径是使用显存更大的显卡。

6.3 图片质量不满意？试试这些技巧

如果图片模糊、扭曲，或者根本不是你想要的东西：

优化你的提示词：这是提升质量最关键的一步。避免用单个词，尽量使用详细的、充满形容词的句子。
- 不好：a dog
- 好：a fluffy Samoyed dog smiling and sitting in a field of sunflowers, bright sunlight, sharp focus, professional animal photography （一只微笑的、毛茸茸的萨摩耶犬坐在向日葵花田中，阳光明媚，焦点清晰，专业动物摄影）
增加推理步数：从20步提升到30或40步，给AI更多“刻画”细节的时间。
调整引导系数：在3.5到5.0之间尝试，找到最适合当前提示词的值。
使用并固定种子：找到一个生成结果还不错的种子号，固定它，然后只微调提示词或其他参数，这样可以在一个较好的基础上迭代。

6.4 服务管理常用命令

你需要知道如何控制这个后台服务：

查看状态：supervisorctl status
重启服务（修改配置或出问题时）：supervisorctl restart nunchaku-flux-1-dev
停止服务：supervisorctl stop nunchaku-flux-1-dev
启动服务：supervisorctl start nunchaku-flux-1-dev
查看实时日志（调试用）：tail -f /root/nunchaku-flux-1-dev/supervisor.log
检查显卡状态：nvidia-smi （查看显存使用和GPU利用率）

至此，你已经成功搭建了一个属于自己的、功能强大的本地AI文生图工作站。让我们回顾一下核心收获：

你完成了什么？ 你从零开始，在Linux服务器上部署了Nunchaku-FLUX.1-dev模型，并启动了一个可以通过浏览器访问的WebUI界面。这意味着你获得了一个：

高质量：基于120亿参数FLUX.1-dev模型的图像生成能力。
本地化：完全运行在你自己的硬件上，数据隐私有保障，没有调用限制。
中文友好：针对中文提示词场景进行了优化。
成本可控：利用消费级显卡（如RTX 4090）即可运行，长期使用成本远低于按次付费的API。

如何使用它？ 核心就是“提示词工程”。通过左侧的输入框，用详细、生动的英文（或中英混合）描述你脑海中的画面，调整好尺寸、步数等“旋钮”，点击生成，等待几分钟，创意就能变为视觉现实。记住“描述具体化”、“从默认参数开始”、“善用固定种子迭代”这些实用技巧。

遇到问题怎么办？ 大部分问题都有迹可循。显存不足就降低分辨率或步数；速度慢是特性使然；图片不满意就精炼你的提示词。利用 supervisorctl 和日志文件，你能有效地管理和维护这个服务。

这个本地工作站为你打开了一扇创意生成的大门。无论是用于个人兴趣创作、自媒体配图，还是探索商业应用的可能性，它都是一个强大而自由的工具。技术的乐趣在于动手实践，现在就去你的WebUI界面，输入天马行空的想法，开始你的AI绘画之旅吧！

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。