ComfyUI Kitchen NVFP4 Converter

Please, only use the original files (bf16/fp16, not fp8, fine-tuned/merged or not) from comfyui. https://huggingface.co/Comfy-Org

Mise à jours:

• Base support Z-Image-Turbo
• Ajout du support pour Flux.1-dev (Philippe Joye)
• Ajout du support pour Flux.1-Fill
• Ajout du support pour Qwen-image-edit 2511 (Merci Philippe)
• Ajout du support pour Qwen-image 2512
• Ajout du support pour Flux.2-dev
• Ajout du support pour Wan2.2-i2v-high-low
• Ajout du support pour Z-Image-Base
• Ajout du support pour Ltx-2-19b use the dev or distilled version (not fp8) https://huggingface.co/Lightricks/LTX-2/tree/main

---

Un nœud ComfyUI haute performance pour convertir vos modèles en NVFP4. Basculez entre les architectures Z-Image, Flux.1, Flux.1-Fill, Qwen-image-edit 2511, Qwen-image 2512 et flux.2-dev et plus en un clic et profitez de la puissance des Tensor Cores.

Ce format permet de diviser la taille des modèles par 3.5 tout en conservant une qualité quasi identique au BF16, tout en profitant des Tensor Cores des cartes NVIDIA récentes.

🛠️ Installation

1. Prérequis : Assurez-vous d'avoir installé la bibliothèque comfy-kitchen dans l'environnement Python de votre ComfyUI :

pip install comfy-kitchen

2. Installation du nœud : Allez dans votre dossier custom_nodes et clonez ce dépôt (ou via manager) :

cd custom_nodes
git clone https://github.com/tritant/ComfyUI_ZimageTurbo_nvfp4_Converter.git

3. Redémarrez ComfyUI.

📖 Utilisation

1. Cherchez le nœud 🍳 Kitchen NVFP4 Converter dans la catégorie Kitchen.
2. Sélectionnez votre modèle source dans la liste model_name.
3. Choisissez un nom pour le fichier de sortie (ex: mon_modele_nvfp4).
4. Réglez le device sur cuda pour une vitesse maximale.
5. Appuyez sur Queue Prompt.

---