顶级图像编辑模型 Qwen-Image-Edit-2511
Qwen-Image 官方文档
模型特性
Qwen-Image-Edit-2511 是 顶级图像编辑模型 Qwen-Image-Edit-2509 的升级版本。 核心增强了以下五个方面的能力：
- 增强角色的一致性
- 内置集成了经典 Lora
- 减轻图像漂移
- 增强工业设计生成
- 增强几何推理能力
全面测试
下面进行13个场景的测试（与2509一致），左边为原图，右边为编辑后的图。
整体结论（与2509对比）：
- 三视图/旋转视图：2509 无法做到在保持原本姿势的情况下获得旋转视图，2511可以；
- 风格转换方面：2509 在动漫转真人方面比较弱，需要配合lora使用，2511可以模型直出，不用外接lora；
- 人物一致性保持：多人合照2509不完美（部分人物ID保持不足，即脸部不像）；2511不错，依然不敌
nano-banana-pro-2k； - 字体生成：相较于2509，字体生成的正确性方面有所提升，依然不稳定；字体与其他物体融合程度不如2509
具体例子如下：
物体删除
prompt： 去除水印
效果：观察图片右下角的水印，去除的很完美。
物体修改
prompt：将女孩的衣服换成运动背心，牛仔裤
效果：完美。
物体新增
prompt：女孩的左腹部添加玫瑰花形状的纹身
效果：完美。
物体三视图生成（物体旋转）
prompt：获得后视图，保持人物的姿势
效果：完美（2509 无法做到在保持原本姿势的情况下获得旋转视图）。
风格转换
动漫转真人 
prompt：转变成真实人物风格，皮肤皙白
真人转动漫 
prompt：转变成韩漫风格
效果：无需增加lora，动漫转真人效果完美（2509需要增加lora进行转换，否则效果一般）；真人转动漫效果完美。
语义编辑
语义编辑：在保持原始图像视觉语义不变的前提下，对图像内容进行修改。
prompt：女孩两只手摆出一个爱心的形状
效果：完美。
双人合照
prompt：两个人愉快的合照
效果：任务一致性的保持相较于2509具有质的飞跃。但是依然不敌 nano-banana-pro-2k，其效果如下：
人景合照
prompt：image1中的人物站在image2的花丛前
效果：完美。
人品合照
prompt：image1中的人物戴上image2女孩的项链
效果：完美。
获取图片的 ControlNet 图片
prompt：获取图中女孩的深度图
效果：完美。（canny/openpose 等也是同样操作）
原生支持 controlNet 生图
prompt：一个女孩。微笑，柔光，夕阳
效果：完美。
文字生成
prompt：将女孩的衣服换成纯白色，上衣胸部写着“qwen不错”，文字需要与衣服贴合
效果：文字有概率错，尤其是 qwen（2509是错的），与衣服的贴合效果不如2509
文字编辑（字体/色彩/材质修改）
prompt：将“不错”两个字改为银色，行书，金属材质
效果：完美。
模型下载
- text_encoders：文本编码器，下载文件 qwen_2.5_vl_7b_fp8_scaled.safetensors，将其放置到
ComfyUI/models/text_encoders/下 - diffusion_models：扩散模型，下载以下文件任意一个，将其放置到
ComfyUI/models/diffusion_models/下- qwen_image_edit_2511_bf16.safetensors：精度更高，更占显存，但是可以使用共享内存来承接，所以如果不是太小的显存，推荐优先使用该模型进行尝试；
- qwen_image_edit_2511_fp8mixed.safetensors：如果 bf16 会 oom，则使用该显存
- vae：下载文件 qwen_image_vae.safetensors，将其放置到
ComfyUI/models/vae/下 - LoRA 加速模型：下载以下文件任意一个，放置到
ComfyUI/models/loras/下
性能
测试的机器规格： RTX4090 24G 显存；64G 内存（其中 32G 共享 GPU 内存）。
推理场景1
条件：使用 bf16 模型 + 不加 lora 加速模型 + 20步 + CFG:4
效果：生图 68s，占用42G显存（独显+共享显存）
推理场景2
条件：使用 bf16 模型 + 加 lora 加速模型（fp32） + 4步 + CFG:1
效果：生图 20s（保持同样的输入不变，再次生成，需要10s），占用42G显存（独显+共享显存）
搭建工作流
文章的最后，如果您觉得本文对您有用，请打赏一杯咖啡！感谢！
