Qwen Image 2.1 Turbo Edit: テキスト指示による高速かつ忠実な画像編集#
Qwen Image 2.1 Turbo Editは、公式のQwen Image 2.1 Turboテンプレートを使用して自然言語の指示で画像を編集するためのComfyUIワークフローです。INT8の8ステップスケジュールにより、迅速な再照明、シーンの交換、色と素材の変更、アクセサリーの追加、テキストの置き換え、再スタイル化を行いながら、被写体、構図、フレーミングを保持します。
対象の画像をアップロードし、必要に応じて参照画像を追加し、希望する変更を入力して実行します。ワークフローはインタラクティブなビフォーアフター比較を生成し、Qwen Image 2.1 Turbo Editがリクエストされた変更を入力から外れることなく適用したことを確認できます。アーティスト、写真家、製品チームが高品質な編集を繰り返す必要がある場合に設計されています。
ComfyUI Qwen Image 2.1 Turbo Editワークフローの主要モデル#
- Qwen Image 2.1 Turbo。テキストコンディショニングと入力画像から実際の画像編集を行う拡散バックボーン。機能と制約については公式モデルカードを参照してください。Model
- Qwen-Image-2.1 VAE (bf16)。編集のために対象画像を潜在空間にエンコードし、最終的な潜在をRGBにデコードして保存と比較を行います。VAEと関連資産はComfy-Orgパッケージで配布されています。Repository
- Qwen3-VL 8Bテキストエンコーダー (INT8 convrot)。編集中の正確な属性制御に使用されるマルチモーダルテキストコンディショニングを提供します。公式Comfy-Orgモデルファイルと一緒に配布されます。Repository
- Qwen 3.5 9Bプロンプトエンハンサー (INT8 convrot)。編集リクエストがエディターに到達する前に明確にする軽量な指示リライターで、複雑なタスクの忠実性を向上させます。Comfy-Orgリリースに同梱されています。Repository
ComfyUI Qwen Image 2.1 Turbo Editワークフローの使用方法#
ワークフローは、入力画像とテキストからガイド付きの8ステップINT8サンプラーへと進む公式テンプレートパスに従い、サイドバイサイド比較で終了します。グループはシーケンスで実行され、編集を入力画像に固定します。
プロンプトエンハンサー#
保存されたワークフローはrefine_promptとthinkingがオフの状態で開始されます。このページの6つの例すべてがその設定を使用しています。
このグループは、指示を具体的で実行可能に書き換えることができます。TextGenerate (#500)ノードは、プロンプト、システムプロンプト、および入力画像のミニバッチを取り込み、洗練された指示を生成します。refine_promptを切り替えて、元の指示とComfySwitchNode (#484)を使用した書き換えの間を選択します。エンハンサーを使用するときは、thinkingをオンにしてその推論ブロックをアクティブに保ちます。最終テキストはPreviewAny (#480)によってプレビューされ、エディターが読む内容を常に確認できます。
モデル#
ワークフローは公式チェックポイントを一度ロードし、速度のためにメモリに保持します。UNETLoader (#451)はQwen Image 2.1 Turboを取り込み、CLIPLoader (#453)はQwen3-VL 8Bテキストエンコーダーをロードし、VAELoader (#454)はVAEを準備します。QwenImage21Cache (#469)は、選択したデバイスとdtypeに拡散モデルを固定し、安定したスループットを確保します。これは上流のテンプレートを反映し、参照実装と一致する結果を保証します。Template
画像サイズ#
保存されたワークフローはresolutionを0に設定し、custom_sizeをfalseに設定します: 出力は入力の寸法に従い、32の倍数に調整されます。
このグループを使用してキャンバスの動作を制御します。デフォルトでは、編集は対象画像からエンコードされた潜在サイズで実行され、フレーミングとプロポーションを保持します。カスタムキャンバスが必要な場合は、custom_sizeをtrueに設定し、widthとheightをEmptyLatentImage (#456)に提供し、ComfySwitchNode (#468)がカスタム潜在を選択します。カスタム寸法をリサイズされた対象画像に近づけることで、意図しないシフトを回避できます。
コンディショニング#
TextEncodeQwenImage21 (#474)は、指示と画像を編集コンディショニングに変換し、対象を潜在にエンコードします。画像の役割はシンプルです: image_1は編集対象で、画像2から10まではオプションの参照です。プロンプトで他の入力を参照する際は、<image2>や<image5>のようなトークンを使用して明示的に指し示します。resolution入力はアスペクト比を保持するピクセル予算であり、多くの編集はネガティブプロンプトなしでうまく機能します。ネガティブプロンプトに依存する予定がある場合は、サンプリングでガイダンスの強度を適切に調整してください。
サンプリング#
このグループは、INT8の8ステップスケジュールで実際の編集を行います。KSampler Select (euler) (#503)がサンプラーを選択し、Manual Sigmas (Qwen-Image-2.1-Turbo 8-step schedule) (#502)が公式スケジュールを提供し、Random Noise (#504)が再現性のためにシードを設定します。CFGGuider (#507)は、プロンプトが編集をどれだけ強く誘導するかを制御し、Sampler Custom Advanced (#505)がガイダー、サンプラー、シグマ、および選択された潜在を組み合わせて編集された潜在を生成します。VAEDecode (#457)は結果を画像に変換し、保存と比較を行います。
保存と比較#
ComfyUIフロントエンドでModern Node Design (Nodes 2.0)を有効にしてインタラクティブなImageCompareプレビューを表示します。レガシーレンダラーは、生成が成功した場合でも「Image compare: Node2.0 only」と表示することがあります。
SaveImageAdvancedは、選択した形式で出力を保存し、ImageCompare (#472)はオリジナルと編集済みの画像を並べて表示するインタラクティブスライダーをレンダリングします。これにより、Qwen Image 2.1 Turbo Editが要求された内容のみ変更したことを簡単に確認できます。
ComfyUI Qwen Image 2.1 Turbo Editワークフローの主要ノード#
TextGenerate (#500)#
役割: 指示を具体的で曖昧さのないものに書き換えるオプションのプロンプトエンハンサー。最適な結果を得るには、refine_promptと一緒にthinkingをオンにします。編集ブリーフが長い場合はmax_lengthを増やし、より速い書き換えを希望する場合は減らします。固定されたsampling_mode.seedを使用して、実行間で書き換えを決定論的にします。
TextEncodeQwenImage21 (#474)#
役割: テキストと画像をQwen Image 2.1のコンディショニングに変換し、対象を潜在にエンコードします。プロンプトで参照画像を明示的に引用するには、<image1>...<image10>タグを使用します。resolution入力はアスペクト比を保持する総ピクセル予算として機能し、より詳細な情報が必要な場合はそれを増やし、ターゲットの実効サイズに近づけてドリフトを最小限に抑えます。
ComfySwitchNode (#468) — カスタムサイズ#
役割: 対象画像からエンコードされた潜在とユーザー定義の空の潜在の間を切り替えます。元の構成を保持するためにcustom_sizeをオフにしておきます。異なるキャンバスが本当に必要な場合にのみ有効にし、リサイズされたターゲットに近いwidthとheightを維持して整列を保ちます。
CFGGuider (#507)#
役割: テキストが編集をどれだけ強く駆動するかを設定するためのガイダンス強度。公式のQwen Image 2.1 Turboパスに従うためにcfgを1に保ち、ネガティブプロンプトが不要です。ネガティブプロンプトを導入する場合は、追加と抑制のバランスを取るためにcfgを適度に上げます。
Manual Sigmas (Qwen-Image-2.1-Turbo 8-step schedule) (#502)#
役割: Turboを高速かつ一貫性のあるものにする公式の8ステップスケジュールを強制します。速度が重要な作業にはこのスケジュールを保持してください。スケジュールを切り替える場合は、異なるステップ数を期待し、ガイダンスを合わせて調整してください。
KSampler Select (euler) (#503)とSampler Custom Advanced (#505)#
役割: サンプラーの選択と実行。EulerはTurboスケジュールとよく合います。他のサンプラーは同様の強度を達成するためにより少ないまたは多くのステップと異なるガイダンスを必要とするかもしれません。プロンプトの反復間で再現可能な編集が必要な場合はシードを固定してください。
ImageCompare (#472)#
役割: 入力と出力を一緒に表示するインタラクティブなQAツール。リライティングがポーズ、衣服、レイアウトを変更しなかったことを確認するために使用します。
オプションのエクストラ#
- 操作を最初に書き、例えば「クールな月明かりの夜に再照明」や「ポスターテキストを"Spring Sale"に置き換える」など、その後に固定する必要があるものを名前にします。
- テキストの置き換えには、モデルが文字通りにレンダリングするように、描きたい正確な単語を二重引用符で囲みます。
- 画像参照: image_1は編集対象です。最大9つの参照画像を追加し、指示で
<image2>...<image10>で引用します。 - 解像度:
resolutionをピクセル予算として扱い、幅や高さではなく、ほとんどの編集では入力の自然なサイズに近づけ、クローズクロップでより詳細な情報が必要な場合はそれを増やします。 - パフォーマンス: INT8パスはメモリを低く保ち、8ステップスケジュールと組み合わせて速度を向上させます。bf16チェックポイントに切り替えると、VRAMの使用が増加し、品質の向上が見込まれます。
謝辞#
このワークフローは、以下の作品とリソースを実装し、構築しています。Comfy-Orgに感謝し、workflow template image_qwen_image_2_1_turbo_image_edit.json、Comfy-OrgのComfyUIモデルファイル、QwenのQwen-Image-2.1-Turboモデルの貢献とメンテナンスを感謝します。権威ある詳細については、以下のリンクされたオリジナルドキュメントとリポジトリを参照してください。
リソース#
- Comfy-Org/workflow_templates — image_qwen_image_2_1_turbo_image_edit.json
- GitHub: Comfy-Org/workflow_templates
- Comfy-Org/Qwen-Image-2.1
- Hugging Face: Comfy-Org/Qwen-Image-2.1
- Qwen/Qwen-Image-2.1-Turbo
- GitHub: QwenLM/Qwen-Image-2.1
- Hugging Face: Qwen/Qwen-Image-2.1-Turbo
注: 参照されるモデル、データセット、コードの使用は、それぞれの著者とメンテナの提供するライセンスと条件に従います。
