abenzerps/Qwen-Image-2.1-Uncensored-GGUF: Yerel Görsel Üretimi ve ComfyUI Entegrasyonu

Hugging Face üzerinde 182 bini aşkın indirme ve 1200'den fazla beğeniye ulaşan abenzerps/Qwen-Image-2.1-Uncensored-GGUF, yerel yapay zeka modelleriyle çalışan geliştiriciler için öne çıkan açık bir kaynaktır. Bu çalışma, Alibaba'nın güçlü Qwen/Qwen-Image-2.1 temel model ağırlıklarının sansürsüz ve GGUF formatında kuantize edilmiş sürümlerini sunarak tüketici sınıfı donanımlarda yüksek kaliteli metinden görsele üretim yapmayı mümkün kılar.

Kıyaslama: Sansürsüz GGUF Dosyaları

Model, donanım kaynaklarına göre farklı kuantizasyon seviyelerinde optimize edilmiştir:

BF16 (14.23 GB): Kayıpsız temel ağırlıklar; maksimum görsel doğruluğu ve yüksek VRAM kapasitesi gerektirir.
Q8_0 (7.59 GB): 8-bit kuantizasyon; kalite kaybı neredeyse sıfırdır, üst segment GPU'lar için uygundur.
Q6_K (5.88 GB): 6-bit sıkıştırma ile yüksek kaliteyi korurken belirgin bellek tasarrufu sağlar.
Q5_K_M (5.22 GB): Orta seviye ekran kartları için dengeli bir başarım ve bellek profili sunar.
Q4_K_M (4.60 GB): Boyut ve üretim kalitesi arasındaki en ideal dengeyi kurar; yerel geliştirme için tavsiye edilen sürümdür.
Q4_0 (4.15 GB): En agresif sıkıştırma; kısıtlı sistemlerde minimum VRAM tüketimi hedefler.

Standart GGUF Dosyaları

Sansürsüz modellerin yanı sıra referans standart ağırlıklar da sunulmaktadır:

Q8_0 (7.59 GB)
Q6_K (5.88 GB)
Q5_K_M (5.22 GB)
Q4_K_M (4.60 GB)
Q4_0 (4.05 GB)

Metin Kodlayıcılar (Text Encoders) ve VAE

ComfyUI ile uçtan uca görsel üretim boru hattı kurmak için gerekli yardımcı bileşenler:

Metin Kodlayıcı (BF16): qwen3vl_8b_bf16.safetensors (17.53 GB) - Yüksek dil anlama hassasiyeti sunar.
Metin Kodlayıcı (Int8): qwen3vl_8b_int8_convrot.safetensors (9.35 GB) - Düşük bellekli ortamlar için optimize edilmiştir.
VAE (BF16): qwen_image_2.1_vae_bf16.safetensors (676 MB) - Görsel uzay kodlaması ve kod çözümü sağlar.

Kullanım (Usage)

Modelin ComfyUI üzerinde çalıştırılması iki aşamadan oluşur:

İndirme ve Dosya Yerleşimi: Dosyalar ComfyUI dizin yapısına uygun klasörlere yerleştirilmelidir:
- ComfyUI/models/diffusion_models/: Tercih edilen kuantize model (örn. qwen-image-2.1-UC-Q4_K_M.gguf).
- ComfyUI/models/text_encoders/: Metin kodlayıcı (qwen3vl_8b_int8_convrot.safetensors veya BF16).
- ComfyUI/models/vae/: VAE modeli (qwen_image_2.1_vae_bf16.safetensors).
ComfyUI Kurulumu ve Düğüm Yapılandırması:
- Eklenti Kurulumu: Qwen-Image 2.1 mimarisi için güncel tutulan leejet/ComfyUI-GGUF forku custom_nodes dizinine klonlanmalıdır (city96 sürümündeki mimari tanıma hatalarını engeller).
- Düğüm Yapılandırması: Difüzyon modeli için Unet Loader (GGUF), metin kodlayıcı için CLIPLoader (tip: qwen_image) ve VAE için standart VAELoader düğümleri bağlanır.
- Resmi İş Akışları: Comfy-Org metinden görsele veya görsel düzenleme şablonlarında varsayılan UNET düğümü Unet Loader (GGUF) ile değiştirilerek boru hattı tamamlanır.

Bellek ve Performans Notları

Geliştiricilerin çıkarım (inference) verimliliğini artırması için pratik mimari çıkarımlar:

Optimal Kurulum (GPU + RAM): Örnekleme adımlarında hız belirleyici olduğundan GGUF difüzyon modeli GPU VRAM'inde tutulmalıdır. Metin kodlama istem başına sadece bir kez çalıştığından bu işlem sistem RAM'ine (CPU) aktarılabilir. Bu yöntem, üretim hızından ödün vermeden 9–17 GB VRAM tasarrufu sağlar.
Önerilen Konfigürasyon: VRAM'de qwen-image-2.1-UC-Q4_K_M.gguf (~4.6 GB) ve sistem belleğinde qwen3vl_8b_int8_convrot.safetensors (~9.35 GB).
Düşük VRAM Modu: Bellek kısıtı yaşayan geliştiricilerin kesintisiz üretim yapabilmesi için kaynak kullanımını minimumda tutan çalışma modudur.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://huggingface.co/abenzerps/Qwen-Image-2.1-Uncensored-GGUF)

Bu konuyu derinlemesine öğrenmek isterseniz: Modeller: Hangisi, Ne Zaman? modülüne göz atın.