Qwen Edit 2509 LoRA 推論: トレーニングに一致した Qwen Image Edit Plus 2509 編集 in ComfyUI

Qwen Edit 2509 LoRA 推論は、AI Toolkit でトレーニングされた LoRA を Qwen Image Edit Plus 2509 に ComfyUI で適用し、トレーニングに一致した 結果を得るための本番準備の整った RunComfy ワークフローです。これは、RC Qwen Image Edit Plus (RCQwenImageEditPlus) を中心に構築された、モデル固有の Qwen 編集パイプライン（一般的なサンプラーグラフではありません）を実行し、lora_path / lora_scale を介してアダプターを注入し、編集モデルがプロンプトをエンコードする方法と一致する制御画像の前処理を維持します。

なぜ Qwen Edit 2509 LoRA 推論は ComfyUI で異なるように見えることがあるのか

AI Toolkit サンプル画像は、Qwen Image Edit Plus 2509 スタイルのパイプラインによって生成され、テキストプロンプトと入力画像をプロンプトエンコーディング中に組み合わせ、その後 Qwen の“true CFG”動作を使用してガイダンスを適用します。ジョブを標準的な ComfyUI 編集グラフとして再作成すると、条件付け、ガイダンスの意味、LoRA が適用される場所の小さな違いが累積し、プロンプト/ステップ/シードを一致させてもプレビューを確実に再現することはできません。つまり、通常のギャップは パイプラインの不一致 であり、“間違った設定”ではありません。

RCQwenImageEditPlus カスタムノードの機能

RCQwenImageEditPlus は、Qwen Image Edit Plus 2509 編集を同じプレビューに一致した推論パイプラインを通じてルーティングし、そのパイプライン内で一貫して AI Toolkit LoRA を適用します。lora_path および lora_scale を使用して、編集条件付きプロンプトに期待される方法で制御画像を処理し、トレーニングサンプル中に見たベースラインの動作に近づけます。リファレンスパイプライン実装: `src/pipelines/qwen_image.py`。

Qwen Edit 2509 LoRA 推論ワークフローの使用方法

ステップ 1: LoRA のインポート (2 つのオプション)

• オプション A (RunComfy トレーニング結果): RunComfy → Trainer → LoRA Assets → LoRA を見つける → ⋮ → LoRA リンクをコピー
  
• オプション B (AI Toolkit 外でトレーニングされた LoRA): LoRA の直接 .safetensors ダウンロードリンクをコピーし、その URL を lora_path に貼り付けます（ComfyUI/models/loras にダウンロードする必要はありません）

ステップ 2: Qwen Edit 2509 LoRA 推論用に RCQwenImageEditPlus カスタムノードを設定

RCQwenImageEditPlus の lora_path に LoRA リンクを貼り付けます（オプション A の RunComfy リンク、またはオプション B の直接 .safetensors URL を使用）。

次に、ノードパラメータの残りを設定します（AI Toolkit プレビュー/サンプル値をミラーリングしながら整合性を確認してください）:

• prompt: 編集指示（トレーニング時に使用したトリガートークンがある場合は含めてください）
• negative_prompt: オプション; トレーニングサンプルでネガティブを使用しなかった場合は空にしておきます
• width / height: 出力サイズ（このパイプラインファミリーには 32 の倍数を推奨）
• sample_steps: 推論ステップ数; チューニング前にプレビューステップ数を一致させます
• guidance_scale: ガイダンス強度（Qwen は“true CFG”スケールを使用するため、最初にプレビュー値を再利用します）
• seed: トレーニングプレビューと ComfyUI 推論を比較する際にシードを固定するために control_after_generate を 'fixed' に設定
• lora_scale: LoRA 強度; プレビュー強度から開始し、徐々に調整

これは画像編集ワークフローであるため、入力画像も提供する必要があります:

• control_image (必須入力): LoadImage ノードを control_image に接続し、サンプル画像を編集したい写真に置き換えます。

トレーニング整合性メモ: トレーニング中にサンプリングをカスタマイズした場合は、AI Toolkit トレーニング YAML を開いて width, height, sample_steps, guidance_scale, seed, lora_scale をミラーリングします。RunComfy でトレーニングした場合は、Trainer → LoRA Assets → Config に移動し、プレビュー/サンプル値を RCQwenImageEditPlus にコピーします。

ステップ 3: Qwen Edit 2509 LoRA 推論を実行

ワークフローをキュー/実行します。SaveImage ノードは編集された出力を通常の ComfyUI 出力フォルダに書き込みます。

Qwen Edit 2509 LoRA 推論のトラブルシューティング

AI Toolkit で Qwen Image Edit Plus 2509 LoRA をトレーニングした後、ComfyUI で実行しようとすると、多くの問題は パイプライン / ローダーの不一致 に起因します。特に Nunchaku-量子化された Qwen Edit 2509 ローダー、一般的なサンプラーグラフ、および AI Toolkit プレビュー パイプラインとは異なる場所で重みをパッチする LoRA ローダーを混ぜる際に発生します。

RunComfy の RC Qwen Image Edit Plus (RCQwenImageEditPlus) カスタムノードは、トレーニングに一致したベースラインに戻すために設計されています:

• Qwen Image Edit Plus 2509–固有の編集パイプライン（一般的なサンプラーグラフではない）を実行し、
• lora_path / lora_scale を介してそのパイプライン内で AI Toolkit LoRA を注入することで、

編集条件付け + ガイダンス動作が AI Toolkit プレビューサンプリング中に見たものに近づくようにします。

（1）Comfy が Qwen Image Edit Nunchaku 生成をキャンセルした後にノイズを生成する

なぜこれが起こるのか

これは、Nunchaku ベース の ComfyUI ワークフローで特に Qwen Image Edit に関連して報告された現実の失敗モードです: 実行をキャンセルすると、モデル/グラフが不良状態になり、次の実行では有効なプロンプトと設定があってもノイズのみを生成します。

修正方法（ユーザー報告の有効な修正方法）

• ComfyUI の “Clear Models and Node Cache”（または同様のモデル/ノードキャッシュリセット）を使用して回復し、その後再実行します。
• ComfyUI を 0.3.65 に戻すことが、リグレッションが続く場合に役立ちました。
• トレーニングに一致した LoRA 検証（プレビューの整合性）を目指す場合は、最初に RCQwenImageEditPlus を通じて同じ編集を実行します。これにより、推論が AI Toolkit スタイルのプレビューサンプリングと パイプライン整合 し、一般的な / Nunchaku サンプラーパスでの“キャンセル後のノイズ”の副作用をデバッグする必要がなくなります。

（2）qwen image edit は Lora ロードをサポートしていません

なぜこれが起こるのか

これは、ComfyUI-nunchaku Qwen Image Edit パスの制限として報告されました: LoRA のロードが失敗する / 警告するのは、その推論ルートが LoRA がトレーニングされたモジュールと同じモジュールをパッチしない（またはその実装で Qwen Edit の LoRA 挿入をサポートしない）ためです。

修正方法（信頼性の高い、実用的な解決法）

• その Nunchaku パスでは、問題は計画されていないとして閉じられたため、実用的な解決策は、Qwen Edit 2509 LoRA 挿入をサポートするパイプラインに推論を切り替えることです。
• RunComfy では、RCQwenImageEditPlus を使用し、アダプターを次の方法でのみロードします:
  • lora_path (AI Toolkit .safetensors URL)
  • lora_scale (強度)

これにより、LoRA の適用が Qwen Edit 2509 パイプライン内 で行われ、トレーニングに一致した比較に最適です。

• スピードのために Nunchaku 量子化を維持する必要がある場合は、Qwen/Nunchaku 固有の LoRA ローダー を使用してください（“一般的な LoRA 動作”を期待するベース編集ローダーではありません）。

（3）マルチステージワークフローがキャッシュをリセットしない

なぜこれが起こるのか

マルチステージワークフロー（ステージごとに異なる LoRA）では、ユーザーは LoRA 状態が再実行間で“スティック”することを報告しました—ステージ 1 が意図せずステージ 2 LoRA を再利用する可能性があるため、キャッシュをリセットする必要があります。

修正方法（ユーザー確認済みの回避策）

• ユーザーは、モデルが 手動でアンロード / パージ された場合にのみワークフローが正しくリセットされると報告しました。
• AI Toolkit プレビューの整合性を検証する場合は、ベースラインワークフローを シングルステージ に保ち、最初に RCQwenImageEditPlus を通じて実行します（パイプライン整合）。ベースラインが安定した後にのみマルチステージロジックを追加します。

（4）TypeError: 'guidance' 引数に対して複数の値を取得しました (v2.0+)

なぜこれが起こるのか

一部の環境では、ユーザーが TypeError: got multiple values for argument 'guidance' に遭遇します。これは、LoRA ローダーとスケジューラー/パッチスタックが QwenImageTransformer2DModel forward signature と相互作用する際に発生します（パッチ順序と外部スケジューラーの変更によって引数の重複が発生する可能性があります）。

修正方法（影響を受けたユーザー向けのメンテナードキュメントによる解決策）

• ローダーのトラブルシューティングセクションでは、v2.0+ でこれに遭遇した場合は、v1.72 を使用することを推奨しています（ControlNet サポートが追加される前の最後の v1.x リリース）。これは、guidance を重複させる引数渡しの複雑さを回避します。
• 安定性を回復した後、RCQwenImageEditPlus でトレーニング整合性チェックを行うと、ローダー/スケジューラーのシグネチャによるエッジケースに悩まされることなくプレビュー整合性のデバッグが行えます。

（5）QwenImageEditPlusModel の制御画像が不足している

なぜこれが起こるのか

Qwen Image Edit Plus 2509 は 編集条件付き モデルファミリーです。AI Toolkit トレーニングおよび ComfyUI 推論では、パイプラインが制御画像入力を期待しており、編集指示を画像条件付きエンコーディングパスと結合します。制御画像が不足している/誤配線されている場合、トレーニングジョブや編集推論が失敗したり、予期しない動作をする可能性があります。

修正方法（モデルに正しい、トレーニングと一貫したアプローチ）

• ComfyUI では、常に LoadImage → control_image を RCQwenImageEditPlus に接続し、LoRA とプレビュー出力を検証する間、制御画像を固定しておきます。
• RCQwenImageEditPlus を使用して推論を行うことで、制御画像の前処理 + プロンプトエンコーディング が Qwen Edit 2509 パイプラインの期待に従い（AI Toolkit スjson

タイルのプレビューとパイプライン整合し）、lora_path / lora_scale を介して正しいパッチポイントで LoRA が適用されます。

今すぐ Qwen Edit 2509 LoRA 推論を実行

ワークフローを開き、lora_path を設定し、control_image を接続し、RCQwenImageEditPlus を実行して、ComfyUI の結果を AI Toolkit プレビューと一致させます。