漫剧出图最磨人的三件事：同一个角色每张图长得不一样，分镜里的招牌和手机屏幕字总是糊，做图层还得一张张抠图。通义 Qwen 团队 9 月开源的 Qwen-Image-2.1 基本是冲着这三点来的：一个模型同时做文生图和指令编辑，编辑最多吃 10 张参考图，文字排版强，VAE 还多一个通道，能直接出透明背景的图。
这两天它又热起来了：10 月 9 日出了 8 步 Turbo 版，10 月 13 日 Comfy-Org 补齐了 Turbo 和 Fun ControlNet Union 文件，同一天的 ComfyUI v0.40.0 修好了它在低显存下的问题。下面以 ComfyUI 官方文档为主线，对照 Hugging Face 模型卡整理成一份配方。
先划重点：它用的是 Qwen Research License，只允许非商业用途，商用要另找阿里申请授权。
（图：ComfyUI 官方工作流模板缩略图）
下载哪些文件
全部在 HF 仓库 Comfy-Org/Qwen-Image-2.1，最小能跑的一套约 17.3GB：
| 文件 | 大小 | 放到 models/ 下 |
|---|---|---|
qwen_image_2.1_int8_convrot.safetensors |
7.26 GB | diffusion_models |
qwen3vl_8b_int8_convrot.safetensors |
9.35 GB | text_encoders |
qwen_image_2.1_vae_bf16.safetensors |
0.68 GB | vae |
按需再加：全精度 bf16 版（扩散模型 14.23GB、文本编码器 17.53GB）、更小的 qwen3vl_8b_w4a8（6.31GB）、Turbo 扩散模型（7.26GB）或 Turbo LoRA（0.91GB）、提示词增强编码器（int8 各 9.47GB）。int8_convrot 是新格式，节点标红就先把 ComfyUI 更新到最新。
模板库搜“Qwen-Image-2.1”有三个：文生图、图像编辑、去背景（去背景的提示词固定是 “Remove the background, and output a PNG image”）。
采样参数：先用默认
三个模板都是 steps 25、cfg 1、euler、simple。官方对每个旋钮的说法：
- cfg 1 时负面提示词不生效，这是正常的。cfg 2 对密集小字跟得更紧但边缘偏锐，cfg 5 明显变差，0.5 会出坏图
- 步数：只改个衣服颜色这种局部修改 4–8 步就够；重画整张要 25 步；手指这类细节大约 30 步才稳，加到 40 步能少些杂纹
- Turbo：8 步出图，CFG 1，推荐调度已经存在检查点里，适合批量试构图
分辨率：文生图和编辑是两套逻辑
文生图：用 Resolution Selector，1.0 MP 约等于 1024²，要 2048² 就设 4.0 MP。竖屏漫剧直接用模型卡推荐的 9:16 1536×2752。
编辑：画布跟着第一张参考图 image_1 走。模板里 resolution 填的是 0，意思是保持原图尺寸，一张 3000×4000 的照片就会在约 12MP 上采样。官方举例 RTX 5090 上每步约 6 秒，改成 1024 后（画布约 896×1184）每步约 0.3 秒。编辑慢，第一件事就是查这个值。4K 这种远超训练尺寸的目标会跑偏提示词。
多图编辑怎么写
参考图按槽位顺序进文本编码器，提示词里用 <image1>、<image2> 指代，image_1 是被编辑的那张。官方示例：
Keep the character and pose in <image1> unchanged, put this light blue denim shirt from <image2> on the character, preserve the original facial features, hair, body shape and pose
只改一小块：在 LoadImage 上右键打开 Mask Editor，用 Paint Pen 在要改的地方涂个颜色，提示词里点名颜色，比如 “change the jacket in the red area”。笔迹是写进图片本身的，不是遮罩。
参考图多、显存紧，编辑模板里的 KV 缓存节点可以设 device=cpu 或 dtype=int8。提示词增强是可选的，打开 refine_prompt 后会把短提示词扩写，可以先在 Preview Any 节点里看改写结果再决定用不用。
用到漫剧上
下面是按官方能力设计的流程，示例提示词是我们写的：
- 出定妆图：9:16 或 3:4 全身像，外貌、服装、配色、画风写清楚，多抽几次挑一张，之后反复当
image_1用 - 同一角色进不同场景：定妆图放
image_1，场景、道具放image_2、image_3：
Keep the character in <image1> unchanged, including face, hairstyle and costume. Place her standing on the bridge in <image2> at dusk, holding the lantern from <image3>, side view, medium shot
- 带字的分镜直接画：招牌、书信、手机屏、片头字卡是它的强项，字密就把 cfg 提到 2
- 透明图层：模型卡建议提示词里写明 “This is an RGBA image with transparency… The image has alpha channel and the background is transparent.”，立绘、道具直接出透明 PNG 拿去合成
- 草稿用 Turbo，定稿用标准版 25–40 步
- 接视频：定稿分镜当首帧或参考图交给视频模型，本地可以接 MiniMax H3，云端可以看 Seedance 2.5 提示词写法
常见问题速查
| 现象 | 处理 |
|---|---|
| 模板找不到、节点标红 | 更新 ComfyUI 到含 v0.40.0 的版本 |
| 编辑特别慢 | resolution 改成 1024 左右，或先缩小参考图 |
开了 custom_size 后画面整体偏移 |
尺寸要接近缩放后的 image_1，或者关掉 |
| 小显存跑不动 | 换 int8 / w4a8 文本编码器，KV 缓存设 cpu 或 int8 |
授权
再说一遍：Qwen-Image-2.1 和 Turbo 都只限非商业用途（研究、评估），分发要附署名声明，商用要另向阿里申请。接商单、上线付费漫剧之前先把授权解决，或者改用有商用授权的云端接口。用真人照片做参考图编辑，也要有肖像授权。
大家试的时候多图编辑一般塞几张参考，角色脸稳不稳？欢迎回帖贴图对比，顺手附上 steps 和 cfg。
ComfyUI 官方文档：Qwen-Image-2.1 ComfyUI Native Workflow Example - ComfyUI
模型卡：Qwen/Qwen-Image-2.1 · Hugging Face
Turbo 模型卡：Qwen/Qwen-Image-2.1-Turbo · Hugging Face
ComfyUI 打包文件：Comfy-Org/Qwen-Image-2.1 · Hugging Face
许可证：LICENSE · Qwen/Qwen-Image-2.1 at main