Qwen Image 2.1 换装 ComfyUI 工作流程#
Qwen Image 2.1 换装 ComfyUI 工作流程将服装从一张参考图像转移到第二张图像中的人物，基于简短的指示进行指导。其目标是保持图像 1 的主体、姿势、面部、背景和相机框架，同时从图像 2 借用轮廓、颜色和纹理，生成单个逼真的照片。
此工作流程基于统一的 Qwen-Image-2.1 模型和提示增强，旨在用于虚拟造型、时尚社论、电子商务模型和衣橱可视化。您提供图像 1（人物）、图像 2（服装）和简明提示；管道为您处理多模态条件、生成和解码。
ComfyUI Qwen Image 2.1 换装 ComfyUI 工作流程中的关键模型#
- Qwen-Image-2.1。统一的视觉语言和图像生成模型，结合您的指示和两幅图像进行解释，然后推动扩散过程合成最终的服装更换。模型卡
- Qwen-Image-2.1 VAE。变分自动编码器，将图像编码为潜在变量以进行条件处理，并将采样器的输出解码回 RGB，保留精细的面料细节和颜色保真度。权重随 ComfyUI 包提供。权重
- Qwen-Image-2.1 文本编码器。捆绑的 Qwen-VL 系列文本编码器将您的指示和视觉上下文转换为扩散骨干可以遵循的条件。随 ComfyUI 权重一起提供。权重
如何使用 ComfyUI Qwen Image 2.1 换装 ComfyUI 工作流程#
此工作流程作为一个单独的组运行，接收两幅图像和一个文本指令，使用这两幅视觉图像丰富提示，构建 Qwen-Image-2.1 的多模态条件，然后采样并解码最终图像。
Qwen Image 2.1 换装组#
此组将图像 1（需要重新造型的人物）与图像 2（服装参考）和您的指令配对，然后通过提示增强和 Qwen-Image-2.1 条件处理它们。管道保留图像 1 的身份和场景，同时从图像 2 转移服装轮廓、颜色和面料特征。它以您选择的分辨率创建潜在画布，使用 Qwen-Image-2.1 模型采样，并解码为可以保存的图像。使用此组进行端到端的换装，设置最少。
LoadImage (#470) 图像 1#
在此处加载源人物照片。选择一张单一、框架良好的照片，其中您希望保留的主体和姿势清晰可见。图像同时馈送到提示增强器和 Qwen-Image-2.1 编码器，以便在生成过程中保留身份、姿势和背景。
LoadImage (#510) 图像 2#
在此处加载服装参考。选择一个清晰的服装视图，轮廓和纹理可见。此参考信息用来增强提示，并成为编码器视觉条件的一部分，以便准确转移颜色、面料和服装结构。
JjkText (#516) 提示#
写一段简短的指令，告诉模型要更换和保留什么。提及要从图像 2 转移的服装件，并明确指出图像 1 的身份、姿势和背景应保留。保持具体和简洁，以增强遵从性。
BatchImagesNode (#505)#
此工具将图像 1 和图像 2 组合用于提示增强器。确保增强器在重述您的指令时能看到这两个视觉效果，这改善了最终提示中的服装命名、颜色术语和面料描述符。
TextGenerateLTX2Prompt (#502)#
通过同时读取两幅图像和您的文本生成一个精炼的、模型友好的指令。结果是一个单一的增强提示字符串，捕捉服装属性、贴合度和场景保留提示。此字符串在下游作为最终指令传递。
CLIPLoader (#500) 和 CLIPLoader (#478)#
这些节点加载增强器和主编码器使用的 Qwen-Image-2.1 文本编码器。它们对您的精炼指令进行标记，并准备与从两幅图像提取的视觉特征对齐的语言嵌入。
TextEncodeQwenImage21 (#485)#
从图像 1、图像 2、精炼提示和 VAE 构建 Qwen-Image-2.1 的多模态条件。它发出正面和负面条件，还有一个可选的初始潜在变量，可以锚定构图和布局。这是服装转移的核心，在采样之前对齐语言和两幅图像。
ResolutionSelector (#13)#
选择生成的输出宽度和高度。选择与目标框架匹配的长宽比，然后设置总体大小。选择驱动采样期间使用的潜在画布。
EmptyLatentImage (#480) 和 ComfySwitchNode (#483)#
在所选分辨率下创建一个新的潜在画布，并让您在从此空白潜在变量或编码器的潜在变量开始之间切换。使用开关来偏好更强的服装转移（空白潜在变量）或更紧密保留图像 1 的构图（编码器潜在变量）。
UNETLoader (#477) 和 QwenImage21Cache (#484)#
加载并准备 Qwen-Image-2.1 扩散骨干以高效采样。缓存保持模型状态在运行之间准备就绪，减少迭代期间的开销。
KSampler (#482)#
使用 Qwen-Image-2.1 模型和先前生成的条件运行扩散过程。它解释您的指令，同时平衡对图像 2 服装的遵从性和对图像 1 身份和场景的保留。结果是一个准备好解码的潜在图像。
VAEDecode (#481) 和 SaveImage (#518)#
使用 Qwen-Image-2.1 VAE 将最终潜在变量解码回 RGB 图像，然后使用您选择的文件名前缀保存。保存的输出是图像 1 中主体穿着图像 2 中服装的单一连贯照片。
ComfyUI Qwen Image 2.1 换装 ComfyUI 工作流程中的关键节点#
TextEncodeQwenImage21 (#485)#
此节点将图像 1、图像 2、您的精炼指令和 VAE 融合成 Qwen-Image-2.1 骨干可以遵循的条件。调整 prompt 和可选的 negative_prompt 以平衡服装细节与场景保留。resolution 输入确定编码器的工作比例，应该与您选择的输出大小一致。查看模型卡以获取行为上下文。Qwen/Qwen-Image-2.1
ComfySwitchNode (#483)#
控制采样的起点。保持 switch 开启以从新潜在变量开始以获得更强的服装采用，或关闭以在您想锁定图像 1 的构图或姿势时重用编码器的潜在变量。切换它以探索不同的身份与服装权衡，无需重写提示。
KSampler (#482)#
管理模型如何忠实地遵循指令和参考。使用 denoise 来平衡服装的强度与基础图像的保留，并调整 cfg、sampler_name、steps 和 seed 来获得风味、清晰度和可重现性。有关 ComfyUI 中采样行为的一般指导，请参考项目存储库。ComfyUI
ResolutionSelector (#13)#
设置您的输出尺寸。当您希望背景和裁剪保持稳定时，将长宽比与输入照片的框架匹配，或更改它以重新构图。较大的尺寸以计算为代价捕捉更多的面料纹理。
可选附加项#
- 使用高质量输入：清晰、正面照明的图像 1 和清晰、无阻碍的图像 2 产生更好的轮廓和纹理转移。
- 在您的指令中明确：命名服装件、颜色、纹理以及必须保留图像 1 的内容。
- 要保持构图、面部和背景几乎与图像 1 相同，请切换到编码器潜在变量并通过
denoise降低整体侵略性。 - 对于当图像 2 的服装非常不同时的更强风格接管，从新潜在变量开始，并保持提示简洁具体。
- 变换
seed以探索替代方案而不改变您的设置，然后锁定您喜欢的以获得可重现的结果。
模型资源链接
- Qwen-Image-2.1 模型卡: https://huggingface.co/Qwen/Qwen-Image-2.1
- ComfyUI 权重包 (UNet, VAE, 文本编码器): https://huggingface.co/Comfy-Org/Qwen-Image-2.1
致谢#
此工作流程实现并构建在以下作品和资源的基础上。我们感谢 Qwen 提供 Qwen-Image-2.1 模型和发布，感谢 Comfy-Org 提供 ComfyUI Qwen-Image-2.1 权重，感谢 Wendy Wu 提供源工作流程的贡献和维护。有关权威细节，请参阅下面链接的原始文档和存储库。
资源#
- Wendy Wu/Source workflow
- 文档 / 发布说明: runninghub.ai post
- Qwen/Qwen-Image-2.1
- GitHub: QwenLM/Qwen-Image-2.1
- Hugging Face: Qwen/Qwen-Image-2.1
- Comfy-Org/ComfyUI Qwen-Image-2.1 weights
- GitHub: Comfy-Org/workflow_templates
- Hugging Face: Comfy-Org/Qwen-Image-2.1
- Qwen/Qwen-Image-2.1 release
- 文档 / 发布说明: Qwen blog
注意：引用模型、数据集和代码的使用受其作者和维护者提供的各自许可和条款的约束。
