Model
Trends
.ai
Model
Trends
.ai
les meilleurs modèles d'IA open source

Nœud Load Diffusion Model dans ComfyUI

Load Diffusion Model (UNETLoader) charge un réseau de débruitage nu comme Flux, SD3.5, Wan ou HunyuanVideo depuis models/diffusion_models, avec une option weight_dtype pour fp8 afin d’économiser de la VRAM.
Pack de nœuds : ComfyUI core
Catégorie : Chargeurs

Ce que fait Load Diffusion Model

Les familles de modèles plus récentes ne sont pas fournies sous forme d’un checkpoint tout-en-un. Flux, SD3.5, Wan 2.x, HunyuanVideo, LTX et Qwen-Image viennent avec un fichier transformer autonome plus des encodeurs de texte séparés et un VAE. Load Diffusion Model charge seulement ce transformer et sort un MODEL ; les encodeurs de texte viennent de DualCLIPLoader ou Load CLIP et le VAE de Load VAE.
L’option weight_dtype décide comment les poids sont stockés en mémoire : par défaut, la précision du fichier est gardée (bf16/fp16), tandis que fp8_e4m3fn et fp8_e5m2 divisent par deux la VRAM nécessaire avec un petit coût en qualité. fp8_e4m3fn_fast active des calculs matriciels fp8 plus rapides sur les cartes RTX série 40. Les fichiers quantifiés GGUF nécessitent le chargeur ComfyUI-GGUF séparé.

Entrées

Nom
Type
Rôle
unet_name
COMBO
Le fichier modèle depuis models/diffusion_models (models/unet sur les anciennes installations).
weight_dtype
COMBO
default, fp8_e4m3fn, fp8_e4m3fn_fast ou fp8_e5m2. Les options fp8 stockent les poids en 8 bits pour s’adapter aux cartes avec moins de mémoire.

Sorties

Nom
Type
Rôle
MODEL
MODEL
Le réseau de débruitage, prêt pour les chargeurs LoRA, ModelSamplingFlux, les nœuds de guidage et KSampler.
AD
Oubliez l'installation : des workflows ComfyUI préinstallés sur le cloud
BitVector exécute des workflows ComfyUI prêts à l'emploi sur ses propres GPU. Rien à installer, aucun nœud manquant, aucune case rouge. Ouvrez-le sur votre téléphone ou votre portable et générez en une minute.

Comment utiliser Load Diffusion Model

  1. Télécharge le fichier transformer (par exemple flux1-dev.safetensors) dans models/diffusion_models.
  2. Télécharge les encodeurs de texte dans models/text_encoders (clip_l et t5xxl pour Flux) et le VAE dans models/vae.
  3. Ajoute Load Diffusion Model et choisis le fichier ; prends fp8_e4m3fn si tu as 12 Go de VRAM ou moins.
  4. Ajoute DualCLIPLoader pour les encodeurs de texte et Load VAE pour le VAE.
  5. Relie MODEL à KSampler, CLIP à CLIP Text Encode, VAE à VAE Decode, et utilise EmptySD3LatentImage pour le latent.

Réglages et conseils

  • Flux Dev veut un cfg à 1.0 avec Flux Guidance autour de 3.5 ; le prompt négatif normal n’a aucun effet à cfg 1.
  • Si le fichier est déjà un checkpoint fp8, laisse weight_dtype sur default ; le convertir encore ne sert à rien.
  • T5 peut aussi être chargé en fp8 (t5xxl_fp8_e4m3fn.safetensors) pour économiser environ 5 Go de mémoire.
  • Garde les poids bf16 quand tu affines ou entraînes des LoRAs ; utilise fp8 seulement pour la génération.
  • Le nom du nœud était UNETLoader pendant des années ; chercher "UNET" le trouve toujours.

Dépannage de Load Diffusion Model

ERREUR : Impossible de détecter le type de modèle

Pourquoi cela arrive
Le fichier n’est pas un transformer de diffusion reconnu par ComfyUI (par exemple un checkpoint complet, un LoRA ou un fichier GGUF placé dans le dossier diffusion_models).

Comment le corriger
Les checkpoints complets passent par Load Checkpoint, les LoRAs par Load LoRA et les fichiers .gguf par le nœud Unet Loader (GGUF) du pack ComfyUI-GGUF. Mets à jour ComfyUI si la famille de modèles est plus récente que ton installation.

La sortie Flux est floue ou bruitée

Pourquoi cela arrive
Les réglages du sampler viennent d’un workflow SD : cfg au-dessus de 1 sans Flux Guidance, une Empty Latent Image au lieu de EmptySD3LatentImage, ou un mauvais VAE (SDXL VAE avec Flux).

Comment le corriger
Utilise ae.safetensors comme VAE, EmptySD3LatentImage, cfg 1.0, sampler euler avec scheduler simple ou beta, 20-28 étapes et un nœud Flux Guidance à 3.5.

torch.OutOfMemoryError lors du chargement d’un fichier Flux de 24 Go

Pourquoi cela arrive
Le fichier bf16 demande environ 24 Go de VRAM à lui seul ; l’encodeur de texte ajoute 10 Go en fp16.

Comment le corriger
Passe weight_dtype à fp8_e4m3fn et charge t5xxl en fp8. Sur les cartes 8 Go, utilise un fichier GGUF Q4 ou Q5 avec le chargeur GGUF et ajoute --lowvram.

fp8_e4m3fn_fast est plus lent ou génère des erreurs sur ma carte

Pourquoi cela arrive
Le mode rapide nécessite une carte RTX série 40 (Ada) ou plus récente et une version récente de PyTorch ; les cartes plus anciennes basculent ou échouent.

Comment le corriger
Choisis fp8_e4m3fn sans _fast sur les cartes RTX 30 et plus anciennes.

AD
Lancez ce workflow depuis votre téléphone
Chaque workflow de cette page est préinstallé sur BitVector, modèles et nœuds personnalisés déjà en place. Choisissez-en un, tapez un prompt, c'est fait. Zéro configuration, rien à télécharger.

Questions sur Load Diffusion Model

Où dois-je mettre le fichier, models/unet ou models/diffusion_models ?

Les deux fonctionnent. diffusion_models est le nom actuel ; unet est conservé pour les anciennes installations et les deux dossiers sont scannés.

Ce nœud charge-t-il l’encodeur de texte ?

Non. Associe-le à DualCLIPLoader (deux encodeurs, Flux et SD3) ou Load CLIP (un encodeur, Wan et Hunyuan).

Puis-je utiliser Load LoRA avec ?

Oui. Load LoRA prend le MODEL de ce nœud. Pour les LoRAs Flux qui patchent seulement le modèle, LoraLoaderModelOnly évite d’avoir besoin d’une entrée CLIP.

Nœuds liés

Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) ouvre un fichier modèle .safetensors ou .ckpt et fournit les trois parties dont chaque workflow a besoin : le MODEL de diffusion, l'encodeur texte CLIP et le VAE.
DualCLIPLoader
ComfyUI core
DualCLIPLoader charge deux encodeurs de texte en même temps, par exemple clip_l plus t5xxl pour Flux ou clip_g plus t5xxl pour SD3, et sort un seul objet CLIP pour les nœuds de prompt.
Load VAE
ComfyUI core
Load VAE (VAELoader) charge un fichier VAE autonome depuis models/vae pour qu’un checkpoint avec un VAE manquant ou faible décode des couleurs propres, et pour que les modèles divisés comme Flux et Wan aient leur décodeur.
EmptySD3LatentImage
ComfyUI core
EmptySD3LatentImage crée le latent vide à 16 canaux dont Flux, SD3 et SD3.5 ont besoin ; il remplace Empty Latent Image dans ces workflows.
Flux Guidance
ComfyUI core
Flux Guidance (FluxGuidance) écrit la valeur de guidance dans le conditioning que Flux Dev a été conçu pour attendre, en remplaçant le cfg ; 3.5 est la valeur par défaut et 2 à 5 la plage utile.
AD
Marre de réparer des nœuds ? Laissez faire le cloud
BitVector garde des centaines de workflows ComfyUI installés, à jour et testés sur des GPU cloud rapides. Pas de Python, pas d'erreurs CUDA, pas de limite de VRAM. Depuis n'importe quel navigateur.

Autres nœuds ComfyUI

CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode transforme un prompt texte en CONDITIONING en utilisant l'encodeur texte du modèle. Un nœud contient le prompt positif, un autre le prompt négatif.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager est l’extension qui installe, met à jour et répare les packs de nœuds personnalisés et les modèles directement depuis l’interface, résout les nœuds manquants dans les workflows importés et sauvegarde ta configuration.
KSampler
ComfyUI core
KSampler exécute la boucle de débruitage : il prend le modèle, les prompts et un latent, et produit l'image latente finale, contrôlée par la graine, les étapes, le cfg, le sampler, le scheduler et le débruitage.
Save Image
ComfyUI core
Save Image enregistre le tenseur IMAGE dans ComfyUI/output au format PNG, avec tout le workflow intégré dans les métadonnées du fichier pour que l’image puisse être glissée dans ComfyUI et restaurer le graphe.
VAE Decode
ComfyUI core
VAE Decode convertit le LATENT échantillonné en IMAGE pixelisée avec le VAE ; VAE Decode (Tiled) fait la même chose en tuiles pour les images très grandes.
Empty Latent Image
ComfyUI core
Empty Latent Image crée la toile latente vide (largeur, hauteur, batch_size) à partir de laquelle le sampling texte-image démarre ; les dimensions doivent être des multiples de 8 et correspondre à la famille du modèle.