Qwen Image 2.1

Qwen Image 2.1 是阿里通义千问团队推出的多模态图像生成与指令编辑统一架构，由 7B 扩散主干、Qwen3-VL 8B 视觉语言编码器和原生 4 通道 Qwen Image 2.1 VAE 组成。它能够直接理解连贯的中文与英文长句，在同一套权重中兼顾原生 2K 大尺寸直出、密集的多行中英文字排版、带 Alpha 透明通道的免抠素材生成，以及最多 16 张图片的参考合成与局部改图。ComfyCarry 在该入口下整合了 文生图 / 参考生成 模式与 标准 / 快速 两档速度，并配套提供 LoRA、四类结构控制与保留透明通道的后期增强流水线。

模型设置与首次生成

打开 内容生成，点击顶栏的 架构 按钮，在 图像生成 中选择 Qwen Image 2.1。

Qwen Image 2.1 采用拆分模型形态，首次使用时按顺序准备主权重与配套组件：

1. 在 基础设置 中点击 选择主模型，选定本地的 Qwen Image 2.1 标准主权重。官方提供 BF16 全精度版与 INT8 ConvRot 量化版：12–16 GB 显存设备优先选择 INT8 量化版，24 GB 及以上显存可选用 BF16 版。
2. 查看下方的 运行组件 面板并确认所需文件已就绪：
   • Qwen3-VL 8B 文本编码器：默认推荐兼顾理解精度与显存占用的 INT8 标准档；显存紧张时可切换下载 W4A8 轻量档，显存充裕时可选 BF16 完整档。
   • Qwen Image 2.1 VAE：支持 4 通道透明图像的专用解码器（与早期 Qwen Image VAE 不通用）。
   • Qwen Image 2.1 Turbo 加速组件：仅在顶栏切换到 快速 模式时需要准备。
3. 展开 高级设置 核对文本编码器与 VAE 已自动填入。
4. 在顶栏选择 标准（完整去噪，适合复杂版式与精细肌理）或 快速（在标准主模型上自动挂载 Turbo 加速组件并启用专用 8 步采样序列），保留当前模式的默认参数，填写提示词后点击 运行。

独立 Turbo 主权重与快速模式开关的区别

如果你在本地单独下载并选择了独立的 Qwen Image 2.1 Turbo 蒸馏主权重，本身已经内置加速特性：此时顶栏应保持在 标准 模式，再前往 高级设置 将 调度器 设为 qwen_image21_turbo，避免与 快速 模式自动挂载的加速组件重复叠加。日常使用只需保留一份标准主权重，即可通过顶栏 标准 / 快速 自由切换两种速度。

编写自然语言提示词与文字排版

Qwen3-VL 编码器按照完整语境理解画面逻辑、空间方位与因果关系。编写提示词时请使用连贯的中文或英文句子，不要堆叠零散的英文标签或 (tag:1.2) 括号权重：

画面媒介与景别 → 主体外观与动作 → 多对象空间关系 → 画面文字与载体 → 光线、材质与风格

商业摄影与中英混排示例：

清晨柔和侧逆光洒进木质咖啡馆窗台，一杯拉花拿铁放在带细微划痕的深色胡桃木桌面上，
右侧摆着翻开的米色速写本与黄铜钢笔，窗外是微雨后略带散景的街道绿植。
杯旁的手绘小木牌上用深棕色手写体清晰写着“Morning Coffee · 今日营业”，
85mm 近景商业摄影，真实陶瓷釉面反光与细腻奶泡肌理，温暖克制的胶片色调。

明确交代光源方向、镜头焦段与具体材质细节（例如粗陶颗粒、亚麻织物纹理、潮湿石板反光、真实皮肤毛孔），能显著提升画面质感，避免直出画面过于平滑。

多行文字排版与版式设计

生成海报、书籍封面、菜单或双栏信息卡时，把需要原样渲染的中文或英文放进双引号内，并按区域写明载体位置、字形特征与字号层级：

一张现代极简主义竖版展览海报，米白色棉质特种纸质感背景。
画面顶部居中用醒目的粗黑无衬线字体排印主标题“光与器 · 现代陶艺展”；
画面中央是一只置于石台上的青灰色裂纹釉花器，插着一枝枯木，左侧单灯投下柔和长影；
右下角用深灰色小号宋体整齐排列两行展讯文字：“2026.11.15 — 12.20”与“上海西岸艺术中心 B 馆”。

需要排入多处小字时，优先减少背景杂物干扰，并在显存允许时选用更高分辨率预设，让笔画留出充足像素空间。

直出透明背景图像（RGBA）

Qwen Image 2.1 的专用 VAE 原生支持解码第四通道（Alpha 透明通道），无需事后抠图即可直接生成贴纸、图标、UI 素材或角色立绘剪影。使用时请确认 高级设置 → 文件格式 为支持透明通道的 PNG 或 WebP（若存为 JPG、BMP 或 GIF，系统会自动剥离透明通道），并在提示词首尾使用官方透明通道句式：

This is an RGBA image with transparency. 一只戴着复古飞行员护目镜的橘猫半身贴纸，干净利落的粗墨线赛璐珞插画风格，毛发层次分明，外圈带有柔和白色描边. The image has alpha channel and the background is transparent.

开启 面部修复 或 高清放大 时，ComfyCarry 会在重绘与超分前后自动拆分并还原 Alpha 通道，使放大后的成片依然保持干净的透明背景。

负面提示词与引导方式

标准 与 快速 模式的默认 CFG Scale 均为 1。当 CFG Scale 为 1 时，模型不计算负面提示词，请直接将“纯色无杂物背景、自然清晰的五指”等要求写进正向描述。

如果你在 标准 模式下希望主动压制画面涂抹感、灰蒙色调或手部结构瑕疵（或搭配社区画质修复 LoRA 使用），可以将 CFG Scale 上调至 2.5–4，并在 负面提示词 中填入简短的针对性排除项：

blurry, low resolution, washed-out colors, waxy skin, smudged texture,
malformed hands, missing fingers, watermark

画面需要保留标题或招牌文字时，注意不要在负面提示词中写入 text。

多图参考生成与指令改图

Qwen Image 2.1 将文生图与指令式图像编辑统一在同一模型中。在顶栏将模式从 文生图 切换到 参考生成，提示词卡片左侧会展开 参考素材 面板，最多可添加 16 张参考图片。

添加的图片按顺序对应提示词中的 <image1>、<image2>、<image3> 等编号。其中第 1 张图片（<image1>）会作为主画幅与基础构图基准，后续图片提供补充人物、商品、服装、材质或画风参考：

• 单图局部改图与换字：上传原图作为 <image1>，直接用句子说明要修改的对象与需要原样保留的部分：

将 <image1> 中女孩的外套替换为深红色哑光皮夹克，并把身后霓虹招牌上的文字改为“OPEN 24H”，保持人物五官、发型、站姿与雨夜街道背景不变。

• 多图角色一致性与场景合成：同时上传多张参考图，在提示词中为每个 <imageN> 指派单一职责：

让 <image1> 中的银发女骑士身穿 <image2> 展示的深蓝刺绣礼服，站在 <image3> 的古典彩绘玻璃长廊中央，双手轻握剑柄，柔和黄昏光线穿过彩色玻璃投在她身上。

• 画框标记辅助定位：遇到多物体复杂场景时，你还可以先在 <image1> 上用醒目红框圈出要改的位置再上传，在提示词中写明“在 <image1> 的红色方框位置添加一只蜷缩睡觉的三花猫，去除红色标记框并匹配桌面暖光阴影”。

调整生成参数

选项	标准模式默认	快速模式默认	具体作用与调整方法
分辨率	1024 × 1024	1024 × 1024	原生提供从 1024×1024 到 2048×2048、2400×1792、2528×1696、2752×1536 等 2K 预设（文生图按 16 倍数对齐，参考生成按 32 倍数对齐）。16 GB 显存建议先用 1024×1024 试构图；24 GB 以上显存可直接选用 2K 预设提升多行小字与肌理锐度
步数	25	8	标准模式常用 25–40 步精细收敛复杂排版与光影；快速模式采用专用 Turbo 采样序列，固定为 8 步
CFG Scale	1	1	默认 1 即可准确遵循长句与改图指令；标准模式下需启用负面提示词或增强对比度时可调至 2.5–4，快速模式保持 1
采样器	euler	euler	默认采用 euler；标准模式下固定种子也可对比 res_multistep 等采样器的肌理表现
调度器	simple	qwen_image21_turbo	切换顶栏 标准 / 快速 时会自动联动切换对应的调度器，日常生成保留默认即可

使用 LoRA、结构控制与社区生态

社区 LoRA 生态

在 CivitAI 筛选 Qwen Image 2.1 架构资源时（注意与早期 Qwen Image 区分，两代架构权重不互通），除了常见的角色与画风 LoRA（建议权重从 0.7–0.8 起步）外，还可以按需搭配以下社区功能型 LoRA：

• 画质与肌理修复（Fix）LoRA：针对直出图片偶发的皮肤偏滑或暗部涂抹感进行微调，常在 标准 模式下以 0.4–0.7 权重挂载，配合具体材质词增强真实颗粒感。
• 编辑一致性与多视角 LoRA：在 参考生成 模式下进一步锁死人物长相、减少非修改区域的背景漂移，或辅助单张角色图生成不同机位角度。
• 第三方低步数加速 LoRA：若使用社区发布的 DMD2 等第三方加速 LoRA，请将顶栏切回 标准 模式并按模型详情设置步数与 CFG Scale，避免与内置的 Qwen Image 2.1 Turbo 组件叠加导致画面过曝。

结构控制与后期增强

• 结构控制（Fun ControlNet Union）：支持 姿势控制、轮廓控制、深度控制 与 线稿控制 四类模块，四项共用同一个 Qwen Image 2.1 Fun Union 联合控制模型（提供 INT8 与 BF16 两个版本，展开任意控制模块即可按提示一键下载）。
• 图生图与局部重绘：在 文生图 模式下，可使用传统的重绘强度图生图或手绘遮罩 局部重绘 修补小范围区域。
• 后期增强：支持串联 二次采样、面部修复 与 高清放大（各模块参数详见图像高级功能）。

生成结果调整

• 小字笔画粘连或排版拥挤：缩短单块文字长度，切换到 2K 级分辨率预设（或开启 二次采样），并在提示词中写清文字所在区域与留白背景。
• 皮肤或暗部质感偏平滑、缺少细节：补充具体光源角度与表面材质描述；在 标准 模式下将步数提高到 30–35、CFG Scale 调至 3 左右并加入简短负面提示词，或挂载画质修复 LoRA。
• 透明背景未生效而出现实色底或棋盘格：检查 高级设置 → 文件格式 是否为 PNG 或 WebP，并保留完整的英文首尾透明通道声明句式。
• 参考生成时非编辑区域发生轻微变化：在提示词末尾明确写出“保持 <image1> 的背景、构图、人物五官与光线不变”，并移除与当前任务无关的多余参考图。
• 16 GB 显存跑 2K 大图或多参考图时显存紧张：改用 INT8 量化主模型与 Qwen3-VL 8B W4A8 轻量编码器，或先以 1024×1024 成图再开启 高清放大。

相关资料

• Qwen-Image-2.1 官方仓库
• Qwen-Image-2.1 模型卡
• Qwen-Image-2.1 Turbo 模型卡
• ComfyUI Qwen-Image-2.1 权重与组件仓库
• ComfyUI Qwen-Image-2.1 官方教程