什么是 Qwen-Image-2.1？

Qwen-Image-2.1 是一个将图像生成和图像编辑整合到同一模型中的 open weight 图像生成模型。

闭源的 Qwen-Image 2.0 已经先行发布，而在 open weight 的 Qwen-Image 系列中，它是 Qwen-Image-2512 和 Qwen-Image-Edit-2511 的后继模型。

以往的 Qwen-Image 会将生成与编辑分成不同模型。2.x 则与 MiniMax H3 类似，将文本和参考图像一并送入同一个 DiT，因此图像生成、编辑和 Ref2Image 都可以使用同一个模型完成。

它还原生支持 RGBA，也就是可以生成透明图像。

图像生成部分只有 7B，却可以同时处理生成、编辑、参考和透明图像，确实是一个相当灵活的模型。

推荐设置

  • 分辨率
    • 推荐 2K（约 4 MP）
      • 1:1 时为 2048 × 2048 px
    • 宽度和高度使用 32 的倍数

模型的下载

📂ComfyUI/
└── 📂models/
    ├── 📂diffusion_models/
    │   └── qwen_image_2.1_int8_convrot.safetensors
    ├── 📂text_encoders/
    │   └── qwen3vl_8b_int8_convrot.safetensors
    └── 📂vae/
        └── qwen_image_2.1_vae_bf16.safetensors

text2image

qwen_image_2_1_text2image.json
  • CFG: 1.0
    • 官方工作流没有使用 CFG，不过稍微提高一点并尝试 Negative Prompt，或许也值得一试

Seed 带来的差异非常大，可以说有好有坏。改变分辨率也会让图像产生明显变化，请尝试不同的分辨率和 Seed。

输出示例

Ref2Image

组合多张参考图像，生成一张新图像。

qwen_image_2_1_ref2image.json
  • 最多可以输入 10 张参考图像
  • 在提示词中用“<image1> 中的女性坐在 <image2> 中的地点”这种方式，指定要使用的图像

Text Encode Qwen Image 2.1

在这里输入参考图像和提示词。

  • resolution
    • 参考图像会保持宽高比，缩放到约 1 MP 后再传给模型
  • latent 输出
    • 这个 latent 是按照第 1 张图像尺寸创建的空 latent，但尺寸会在内部取整。我的工作流希望输出与输入图像的尺寸完全一致，因此没有使用它

输出示例

图像编辑

工作流与 Ref2Image 几乎相同，区别只是生成图像的尺寸会与第 1 张图像保持一致。

既然是编辑，如果返回的图像尺寸发生变化就会很麻烦。因此，这个工作流使用 Get Image Size 读取第 1 张图像的尺寸，再传给 Empty Latent Image。

第 2 张及之后的图像与 Ref2Image 相同，可以作为参考图像使用。

基本图像编辑

qwen_image_2_1_image_edit.json

和以往的图像编辑一样，只要直接输入“删除男性”“把衣服变成红色”“改成水彩画”等指示即可。

Text Encode Qwen Image 2.1

  • resolution
    • 与 Ref2Image 不同，这里设置为 0。图像不会缩放，只会将尺寸取整为 32 的倍数（因为事先已经调整过尺寸，实际不会发生变化）
    • 最好还是让模型看到的图像尺寸与输出尺寸保持一致
input
input
output
output

用彩色圆圈指定位置

用彩色笔圈出想要编辑的位置。

qwen_image_2_1_image_edit_local.json

直接在图像上圈出要编辑的对象。

  • 也可以使用 Load Image 节点附带的 Mask Editor

然后输入“删除红圈里的手表”这样的指示即可。

还可以使用多种颜色分别给出不同的指示，遇到难以用语言准确说明位置的情况时很方便。

input
input
output
output

用蒙版指定位置

qwen_image_2_1_image_edit_local_mask.json

思路与彩色圆圈相同，不过这里会将表示位置的黑白图像，与原图分开 输入。

优点是不需要直接在原图上涂画，不会弄脏原图。

将蒙版转换为图像

使用 Convert Mask to Image 将 Load Image 的 MASK 输出转换为黑白图像，再输入到 image_2。

实际上，模型接收到的只是一张普通的黑白图像。也可以不从蒙版转换，直接准备一张在黑色背景上用白色涂出范围的图像。

这与通常所说的 inpainting 完全不同。
inpainting 有防止蒙版外区域被编辑的机制，而这里的图像只是用来提示位置。
因此，编辑也可能超出指定范围。

input
input
mask
mask
output
output

Outpainting

这与添加 Padding 后再进行 inpainting 的普通 Outpainting 完全不同。

qwen_image_2_1_outpainting.json

将横向图像作为参考图像输入，却把生成尺寸设成纵向，会怎么样呢？

Qwen-Image-2.1 会生成一张补全上下空间的新图像。

它不是只绘制空白部分，而是重新绘制整张图像，因此原图部分也会发生一些变化。

这并不是严格固定原图的方法，不过确实非常简单。

input
input
output
output

透明图像

Qwen-Image-2.1 只需稍微修改提示词，就可以生成透明图像。

不需要添加特殊节点，从一开始就能输出带有 Alpha Channel 的 RGBA 图像。

生成透明图像

qwen_image_2_1_text2image_rgba.json

按下面的格式编写提示词。

This is an RGBA image with transparency. <在这里填写要生成的内容>. The image has alpha channel and the background is transparent.

前后是固定句式，直接复制，只替换中间部分即可。

为了保留透明信息，请将输出保存为 PNG。保存为 JPEG 会丢失 Alpha Channel。

输出示例

抠图

将透明图像生成与图像编辑组合起来……没错，也可以用来抠图。

qwen_image_2_1_subject_extraction.json

使用刚才的格式，并用 Extract 〇〇 指定要提取的内容即可。

input
input
output
output

应用

全景图生成

输入一张喜欢的参考图，并要求以 2:1 分辨率生成 ERP，仅此而已，就能得到一张 360 度全景图。简单得有点过分……

自定义节点

  • nomadoor/ComfyUI-Panorama-Stickers
    • 顺便宣传一下，这是我制作的节点，可以预览全景图，也可以在全景空间中拍摄。如果感兴趣，可以试试看。
qwen_image_2_1_panorama.json

这个工作流会参考原图，生成一张横向的 2:1 图像。

它并不是严格地对左右两侧进行 Outpainting，而是重新绘制整个 ERP，使内容自然地落在全景空间中。