Qwen Image 2512 | Gerador de Imagens de Precisão por IA

Fluxo de trabalho Qwen Image 2512 ComfyUI para retratos e cenas com precisão de texto#

Este fluxo de trabalho transforma seu prompt em uma imagem de alta fidelidade usando o Qwen Image 2512. É projetado para criadores que precisam de forte alinhamento texto-imagem, pessoas realistas e renderização confiável de texto bilíngue dentro da cena. O gráfico vem pré-configurado com o VAE e o codificador de texto do Qwen, além de um LoRA opcional Lightning para geração em poucos passos, permitindo que você passe do prompt ao resultado com configuração mínima.

Use-o para arte conceitual, ilustração, sinalização, cartazes e estilos de foto do dia a dia. O Qwen Image 2512 traz composição estável e tipografia nítida, tornando-o uma escolha sólida para prompts que misturam pessoas, ambientes e texto legível.

Modelos principais no fluxo de trabalho Comfyui Qwen Image 2512#

• Modelo base Qwen-Image 2512 (bfloat16). Modelo de difusão central que sintetiza a imagem a partir do condicionamento. Os pesos prontos para Comfy são fornecidos no pacote Comfy-Org. Arquivos do modelo
• Codificador de texto Qwen2.5-VL 7B. Codifica seu prompt em vetores de condicionamento que direcionam o layout, estilo e renderização de texto do Qwen Image 2512. Arquivos do codificador de texto
• Qwen Image VAE. Decodifica o latente produzido pelo sampler de volta para uma imagem RGB com cores e detalhes fiéis. Arquivo VAE
• Qwen-Image-2512-Lightning-4steps-V1.0 LoRA (opcional). Um LoRA comunitário ajustado para geração em poucos passos para acelerar a renderização com pequenos compromissos de qualidade. Cartão LoRA
• Para informações sobre a família de modelos e abordagem de treinamento, veja o relatório técnico Qwen-Image. Artigo

Como usar o fluxo de trabalho Comfyui Qwen Image 2512#

Fluxo geral: seu prompt é codificado, uma tela latente é criada na resolução escolhida, a pilha de modelos aplica o modelo base e o LoRA opcional, o sampler itera para refinar o latente, e o VAE decodifica a imagem final para salvar.

• Visão geral do grupo Qwen-Image-2512
  • Todo o gráfico está organizado dentro de um único grupo chamado "Qwen-Image-2512." Ele conecta o codificador de texto, modelo e pilha LoRA, ajudantes de amostragem e decodificação VAE. Você controla o visual com seus prompts positivos e negativos, tamanho da tela e algumas configurações do sampler. A saída é uma imagem de estilo retrato de alta resolução salva na sua pasta de saída do ComfyUI.
• Prompts com CLIPTextEncode (#52) e negativos opcionais CLIPTextEncode (#32)
  • Insira sua descrição principal em CLIPTextEncode (#52). Escreva a cena, os sujeitos e qualquer texto na imagem que deseja renderizar; o Qwen Image 2512 é particularmente forte em sinalização, cartazes, maquetes de UI e legendas bilíngues. Use CLIPTextEncode (#32) para negativos opcionais para evitar artefatos ou estilos indesejados. Mantenha trechos de texto entre aspas se precisar de formulação precisa.
• Tela e proporção com EmptySD3LatentImage (#57)
  • Escolha sua largura e altura alvo aqui para definir a composição. Formatos de retrato funcionam bem para pessoas e selfies, enquanto proporções quadradas e paisagens se adequam a layouts de produtos e cenas. Telas maiores oferecem detalhes mais finos ao custo de memória e tempo; comece modestamente, depois aumente uma vez que goste da moldura. A consistência melhora quando você mantém a mesma proporção em todas as iterações.
• Pilha de modelo e LoRA com UNETLoader (#100) e LoraLoaderModelOnly (#101)
  • O gerador base é o Qwen Image 2512 carregado por UNETLoader (#100). Se desejar renderizações mais rápidas, ative o Lightning LoRA em LoraLoaderModelOnly (#101) para alternar para um fluxo de trabalho de poucos passos. Esta pilha define as capacidades do modelo para realismo, layout e alinhamento texto-imagem antes do início da amostragem.
• Ajudantes de amostragem com ModelSamplingAuraFlow (#43) e CFGNorm (#55)
  • Esses dois nós preparam o modelo para amostragem estável e balanceada em contraste. ModelSamplingAuraFlow (#43) ajusta o cronograma para manter detalhes nítidos sem exagerar nas texturas. CFGNorm (#55) normaliza a orientação para manter a cor e a exposição consistentes enquanto segue seu prompt.
• Desnoisificação e refinamento com KSampler (#54)
  • Esta é a fase de trabalho que melhora iterativamente o latente de ruído para uma imagem coerente. Você define a semente para repetibilidade, seleciona o sampler e o agendador, e escolhe quantos passos executar. Com o Lightning ativado, você pode mirar em poucos passos; com o modelo base sozinho, use mais passos para máxima fidelidade.
• Decodificação e salvamento com VAEDecode (#45) e SaveImage (#117)
  • Após a amostragem, o VAE reconstrói claramente o RGB do latente e SaveImage grava o PNG final. Se as cores ou o contraste parecerem fora, reveja a orientação ou a formulação do prompt em vez de pós-processamento; o Qwen Image 2512 responde bem a pistas descritivas de iluminação e material.

Nós principais no fluxo de trabalho Comfyui Qwen Image 2512#

• UNETLoader (#100)
  • Carrega o modelo base Qwen-Image-2512 que determina a capacidade geral e o espaço de estilo. Use a construção bf16 para qualidade máxima se sua GPU permitir. Mude para uma variante fp8 ou comprimida apenas se precisar ajustar a memória ou aumentar o rendimento.
• LoraLoaderModelOnly (#101)
  • Aplica o Qwen-Image-2512-Lightning-4steps-V1.0 LoRA sobre o modelo base. Aumente ou diminua strength_model para misturar ajuste de velocidade com fidelidade base, ou defina-o para 0 para desativar. Quando este LoRA está ativo, reduza steps em KSampler para algumas iterações para realizar o aumento de velocidade.
• ModelSamplingAuraFlow (#43)
  • Ajusta o comportamento de amostragem do modelo para um cronograma de estilo de fluxo que muitas vezes resulta em bordas mais nítidas e menos borrões. Se os resultados parecerem excessivamente nítidos ou pouco detalhados, ajuste ligeiramente o parâmetro shift e reamostre. Mantenha outras variáveis estáveis enquanto testa para isolar o efeito.
• CFGNorm (#55)
  • Normaliza a orientação livre de classificadores para evitar saídas desbotadas ou excessivamente saturadas. Use strength para decidir quão assertivamente a normalização deve atuar. Se a precisão do texto cair quando você aumentar o CFG, aumente a força da normalização em vez de aumentar ainda mais o CFG.
• EmptySD3LatentImage (#57)
  • Define o tamanho da tela latente que determina a moldura e a proporção. Para pessoas, proporções de retrato reduzem distorções e ajudam nas proporções do corpo; para cartazes, proporções quadradas ou paisagens enfatizam o layout e blocos de texto. Aumente a resolução apenas depois de estar satisfeito com a composição.
• CLIPTextEncode (#52) e CLIPTextEncode (#32)
  • O codificador positivo (#52) transforma sua descrição em condicionamento, incluindo strings de texto explícitas a serem renderizadas na cena. O codificador negativo (#32) suprime características indesejadas, como artefatos, dedos extras ou fundos ruidosos. Mantenha os prompts concisos e factuais para melhor alinhamento.
• KSampler (#54)
  • Controla semente, sampler, agendador, passos, CFG e força de desnoisificação. Com o Qwen Image 2512, valores moderados de CFG geralmente preservam o forte alinhamento de texto do modelo; se as letras se deformarem, reduza o CFG antes de mudar o sampler. Para rascunhos rápidos, ative o Lightning e tente muito poucos passos, depois aumente os passos para renderizações finais, se necessário.
• VAELoader (#34) e VAEDecode (#45)
  • Carregue e aplique o VAE do Qwen para reconstruir cores fiéis e detalhes finos. Mantenha o VAE emparelhado com o modelo base para evitar mudanças de cor. Se você mudar os pesos base, também mude para a construção VAE correspondente.

Extras opcionais#

• Prompting para texto na imagem
  • Coloque palavras exatas entre aspas retas e adicione dicas breves de tipografia como "tipografia moderna e limpa" ou "sans serif em negrito." Inclua sugestões de posicionamento como "cartaz de parede" ou "placa de loja" para ancorar onde o texto deve aparecer.
• Iteração mais rápida com Lightning
  • Ative o Lightning LoRA e use poucos passos para pré-visualizações. Uma vez que a moldura e a formulação estejam corretas, desative ou reduza a força do LoRA e aumente os passos para recuperar a fidelidade máxima.
• Escolhas de proporção
  • Mantenha proporções consistentes em variações. Use retrato para pessoas, quadrado para estudos de produto ou logotipo, e paisagem para ambientes ou slides. Se você aumentar a escala mais tarde, mantenha a mesma proporção para manter a composição.
• Disciplina de orientação
  • O Qwen Image 2512 geralmente prefere CFG modesto. Se a fidelidade do texto diminuir, reduza o CFG ou aumente a força do CFGNorm em vez de acumular mais orientação.
• Reprodutibilidade
  • Trave uma semente quando gostar de um resultado para que possa iterar com segurança. Altere um controle por vez para entender seu impacto antes de avançar.

Agradecimentos#

Este fluxo de trabalho implementa e se baseia nos seguintes trabalhos e recursos. Agradecemos sinceramente à Comfy-Org pelos Arquivos de Modelo do Qwen Image 2512 por suas contribuições e manutenção. Para detalhes autoritativos, consulte a documentação original e os repositórios vinculados abaixo.

Recursos#

• Arquivos de Modelo Comfy-Org/Qwen Image 2512
  • Hugging Face: Comfy-Org/Qwen-Image_ComfyUI
  • Documentação / Notas de Lançamento: Arquivos de Modelo Qwen Image 2512

Nota: O uso dos modelos, conjuntos de dados e código referenciados está sujeito às respectivas licenças e termos fornecidos por seus autores e mantenedores.