FLUX.1 설치 및 사용 가이드 (Mac)

개요

이 가이드는 Mac Apple Silicon(M1/M2/M3/M4) 환경에서 FLUX.1 이미지 생성 모델을 HuggingFace diffusers 라이브러리를 이용해 설치하고 실행하는 방법을 설명한다. FLUX.1 [schnell](Apache 2.0)과 FLUX.1 dev 모두 로컬에서 실행 가능하다.

관련 페이지: FLUX.1 소개

사전 요구사항

하드웨어

항목	최소 권장	권장
RAM (통합 메모리)	16 GB	32 GB 이상
저장공간	30 GB (schnell) / 35 GB (dev)	50 GB 이상
칩셋	Apple M1	Apple M2 이상

8 GB RAM: FLUX.1 실행 불가. 메모리 부족으로 크래시 발생
16 GB RAM: schnell은 GGUF 양자화 버전으로 제한적 실행 가능
24 GB RAM 이상: diffusers 기반 전체 파이프라인 안정 실행 가능
32 GB RAM 이상: 고해상도(1024×1024 이상) 생성 시 안정적

소프트웨어

macOS 13 Ventura 이상
Python 3.10 이상
Xcode Command Line Tools: xcode-select --install

설치 방법 (HuggingFace diffusers)

1단계: 가상 환경 생성

python3 -m venv flux-env
source flux-env/bin/activate

2단계: PyTorch 설치

Mac MPS를 지원하는 PyTorch를 설치한다. torch 2.3.1 이상을 권장한다.

pip install torch torchvision torchaudio

설치 확인:

python3 -c "import torch; print(torch.__version__); print('MPS available:', torch.backends.mps.is_available())"

3단계: diffusers 및 의존성 설치

pip install diffusers transformers accelerate sentencepiece protobuf

4단계: HuggingFace 로그인 (dev 모델 사용 시)

FLUX.1 [dev]는 HuggingFace에서 라이선스 동의가 필요하다. HuggingFace 모델 페이지에서 동의 후 토큰으로 로그인한다.

pip install huggingface_hub
huggingface-cli login

FLUX.1 [schnell]은 로그인 없이 사용 가능하다.

Apple Silicon MPS 설정

MPS(Metal Performance Shaders)는 Apple Silicon의 GPU를 PyTorch에서 활용할 수 있게 해주는 백엔드다.

import torch

# MPS 사용 가능 여부 확인
if torch.backends.mps.is_available():
    device = torch.device("mps")
    print("MPS 사용 가능 — Apple Silicon GPU 가속 활성화")
elif torch.cuda.is_available():
    device = torch.device("cuda")
else:
    device = torch.device("cpu")
    print("CPU 모드로 실행 (느림)")

print(f"사용 디바이스: {device}")

주의: MPS 백엔드는 FP8 데이터 타입을 지원하지 않는다. float16 또는 bfloat16을 사용해야 한다.

기본 이미지 생성 코드

FLUX.1 [schnell] — 빠른 생성 (4 스텝)

import torch
from diffusers import FluxPipeline

# 파이프라인 로드 (최초 실행 시 약 24GB 다운로드)
pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-schnell",
    torch_dtype=torch.bfloat16
)
pipe = pipe.to("mps")

prompt = "A serene mountain lake at sunset, photorealistic, golden hour lighting"

image = pipe(
    prompt=prompt,
    num_inference_steps=4,      # schnell은 1~4 스텝 권장
    guidance_scale=0.0,         # schnell은 guidance_scale=0 사용
    height=1024,
    width=1024,
    max_sequence_length=256,
).images[0]

image.save("output_schnell.png")
print("이미지 저장 완료: output_schnell.png")

FLUX.1 [dev] — 고품질 생성

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    torch_dtype=torch.bfloat16
)
pipe = pipe.to("mps")

prompt = "A majestic snow leopard in the Himalayas, ultra-detailed fur texture, bokeh background"

image = pipe(
    prompt=prompt,
    num_inference_steps=28,     # dev는 20~50 스텝 권장
    guidance_scale=3.5,         # dev는 3.5~7.0 권장
    height=1024,
    width=1024,
    max_sequence_length=512,
).images[0]

image.save("output_dev.png")

파라미터 조절 가이드

파라미터	설명	schnell 권장값	dev 권장값
`num_inference_steps`	노이즈 제거 반복 횟수. 높을수록 품질 향상, 속도 저하	1~4	20~50
`guidance_scale`	프롬프트 충실도. 높을수록 프롬프트에 집착	0.0	3.5~7.0
`height` / `width`	출력 이미지 해상도 (64의 배수여야 함)	512~1024	512~1360
`max_sequence_length`	프롬프트 최대 토큰 길이	256	512
`generator`	재현 가능한 결과를 위한 시드 고정	아래 참고	아래 참고

시드(Seed) 고정으로 재현 가능한 결과 생성

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-schnell",
    torch_dtype=torch.bfloat16
).to("mps")

# CPU generator 사용 (MPS에서 generator는 CPU로 생성해야 함)
generator = torch.Generator(device="cpu").manual_seed(42)

image = pipe(
    prompt="A futuristic city skyline at night",
    num_inference_steps=4,
    guidance_scale=0.0,
    generator=generator,
).images[0]

image.save("output_seeded.png")

메모리 최적화

방법 1: Sequential CPU Offload (16 GB RAM 환경)

모델의 각 레이어를 순차적으로 GPU에 올렸다 CPU로 내리는 방식. 속도는 느리지만 메모리 사용량을 최소화한다.

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-schnell",
    torch_dtype=torch.bfloat16
)

# CPU Offload 활성화 (pipe.to("mps") 대신 사용)
pipe.enable_sequential_cpu_offload()

# VAE 메모리 절약
pipe.vae.enable_slicing()
pipe.vae.enable_tiling()

image = pipe(
    prompt="A beautiful waterfall in a lush forest",
    num_inference_steps=4,
    guidance_scale=0.0,
).images[0]
image.save("output.png")

방법 2: mflux — Mac 전용 MLX 네이티브 구현 (권장)

mflux는 Apple MLX 프레임워크 기반의 FLUX.1 구현체로, Mac에서의 성능과 메모리 효율이 diffusers보다 뛰어나다.

pip install mflux

# schnell — 4 스텝으로 빠르게 생성
mflux-generate \
  --model schnell \
  --prompt "A cozy cabin in the woods during winter" \
  --steps 4 \
  --seed 42 \
  --height 1024 \
  --width 1024

# dev — 고품질 생성
mflux-generate \
  --model dev \
  --prompt "Portrait of an astronaut on Mars" \
  --steps 25 \
  --guidance 3.5 \
  --seed 42

방법 3: float16 명시 지정

bfloat16 대신 float16을 명시하면 일부 환경에서 메모리 효율이 개선된다.

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-schnell",
    torch_dtype=torch.float16  # bfloat16 대신 float16
).to("mps")

ComfyUI 연동 방법

ComfyUI는 노드 기반 GUI로 FLUX.1을 시각적으로 사용할 수 있게 해준다.

설치

# ComfyUI 설치
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

# Mac 전용 PyTorch nightly (MPS 최신 기능 사용 시)
pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu

모델 파일 배치

FLUX.1 [dev] FP8 체크포인트 다운로드 → ComfyUI/models/checkpoints/ 에 배치
VAE 파일(ae.safetensors) 다운로드 → ComfyUI/models/vae/ 에 배치
텍스트 인코더 CLIP/T5 → ComfyUI/models/clip/ 에 배치

실행

python main.py --force-fp16

브라우저에서 http://127.0.0.1:8188 접속 후 FLUX.1 워크플로우를 로드한다.

자주 발생하는 오류 해결

MPS backend out of memory

RuntimeError: MPS backend out of memory (MPS allocated: X.XX GB, other allocations: X.XX GB, max allowed: X.XX GB)

해결 방법:

enable_sequential_cpu_offload() 사용
해상도를 낮춤 (1024 → 768 또는 512)
다른 앱을 종료하여 RAM 확보
mflux 사용으로 전환

float64 not supported on MPS

NotImplementedError: The operator 'aten::_fft_r2c' is not currently implemented for the MPS device

해결 방법: torch_dtype=torch.bfloat16 또는 torch.float16으로 명시 지정. float32/float64는 MPS에서 지원되지 않는 연산이 있다.

slow_tokenizer or sentencepiece 오류

ModuleNotFoundError: No module named 'sentencepiece'