ComfyUI本地部署Qwen-Image-2.1文生图与图像编辑教程

本教程讲解如何在 Windows 消费级显卡上通过 ComfyUI 本地部署阿里千问图像模型 Qwen-Image-2.1，覆盖模型下载、目录配置、显存行为解读、文生图与图像编辑两套工作流的完整搭建过程。全部步骤均在 RTX 2080 Ti（22GB 显存） 实机跑通，并附带中文书法题字、英文霓虹灯牌、风格转换与人物保持等实测样张，适合想在本地玩转千问文生图的读者对照操作。

前置教程

如想快速开始学习本教程，你可能需要先完成以下前置教程：

• 阿里千问开源 Qwen-Image-2.1：7B 参数统一文生图与图像编辑，原生支持透明通道，本教程部署的正是该文介绍的 Qwen-Image-2.1，模型规格、发布背景与许可证分析以该文为准。
• ComfyUI本地部署MiniMax H3消费级显卡文生视频、图生视频教程，ComfyUI 便携版的下载、安装与首次启动在该教程中已详细讲解，本教程直接复用同一套 ComfyUI 环境。
• 本地图像与视频生成模型部署与调用教程，扩散模型、文本编码器、VAE 等基础概念在该教程中有系统性介绍，是理解本教程工作流的入门前提。

资源下载

• Qwen-Image-2.1 ComfyUI 重打包版（Hugging Face），官方与 ComfyUI 合作维护的 split_files 格式权重，文件名与目录一一对应。
• Qwen-Image-2.1 ComfyUI 重打包版（ModelScope），国内用户推荐从 ModelScope 下载，速度更快。
• ComfyUI 官方 Releases 下载地址，选择 ComfyUI_windows_portable_nvidia.7z 便携版，需 0.37 及以上版本。
• ComfyUI 网盘下载地址，下载缓慢时可使用网盘下载。

1. Qwen-Image-2.1 模型概览

1.1 模型定位

Qwen-Image-2.1 是阿里通义千问团队于 2026 年 9 月 20 日开源的图像生成模型，最大的特点是把文生图与图像编辑统一在同一个模型里：不加参考图就是文生图模型，接入参考图就是图像编辑模型，无需切换两套权重。

从系列沿革看，初代 Qwen-Image 于 2025 年 8 月发布，采用 20B 参数 MMDiT 架构；Qwen-Image-2.0 于 2026 年 2 月推出；2.1 版把生成侧参数量降到 7B，本地部署门槛显著下降——对消费级显卡用户来说，这是千问图像系列第一次真正跑到主流游戏卡上。

1.2 技术规格

据官方模型卡与 GitHub 仓库说明，Qwen-Image-2.1 的核心规格如下：

架构上有两点值得留意。其一是块因果注意力：文本 token 使用因果掩码、图像块使用双向掩码，配合前缀 KV 缓存复用，条件图像与文字指令只在首个去噪步骤计算一次，多参考图编辑任务因此明显加速。其二是原生 RGBA 通道：VAE 直接支持透明通道，可以由文字生成透明背景图像、编辑透明图层或从照片中提取主体。

1.3 ComfyUI 原生支持

ComfyUI 在 0.37 版本提供了 Qwen-Image-2.1 的原生支持，本教程实测环境为 ComfyUI 0.37.0 便携版。原生支持体现在三处：

1. 新增 TextEncodeQwenImage21 编码节点，同时完成提示词编码、参考图条件注入与初始潜空间生成。
2. CLIPLoader 加载器新增 qwen_image 类型，用于加载 Qwen3-VL 8B 文本编码器。
3. 官方工作流模板仓库同步提供 image_qwen_image_2_1_t2i.json 文生图模板，更新 ComfyUI 后可在模板列表直接调用。

提示：本教程选择手动搭建节点而非套用模板，目的是让读者理解每个节点的职责与接线逻辑，掌握后再用模板提效不迟。

1.4 许可证提醒

与初代 Qwen-Image 的 Apache 2.0 不同，Qwen-Image-2.1 采用 Qwen Research License Agreement，仅允许非商业的研究与评估用途，商业使用需另行向官方申请授权，用其输出训练的 LoRA 同样落在非商业边界内。个人学习、测评与内部评估不受影响，商用团队上线前请先落实授权，详细分析见前置资讯文章。

2. 部署前准备

2.1 硬件要求

本教程实测环境如下：

关键问题是显存。Qwen-Image-2.1 全 bf16 管线的三件套权重合计约 31.7GB，超过任何单卡显存，但 ComfyUI 内置异步权重卸载机制：文本编码器编码完提示词后即时释放显存，再装入扩散模型采样，最后由 VAE 解码，三者不需要同时驻留。实测 22GB 显存全程无 OOM，单图生成约 75 至 85 秒。

不同显存档位的可用性推断如下：

提示：内存同样重要。权重在显存与内存之间来回搬运，内存不足会触发磁盘交换导致速度骤降，16GB 显存的显卡建议搭配 32GB 以上内存。

2.2 软件环境

本教程实测软件版本：

部署 Qwen-Image-2.1 的硬性要求只有一条：ComfyUI 版本不低于 0.37，否则节点列表里不会出现 TextEncodeQwenImage21。旧版本便携包执行根目录下的 update\update_comfyui.bat 即可完成升级。

2.3 ComfyUI 安装确认

ComfyUI 便携版的下载、解压与显卡适配在第 48 篇前置教程中已完整讲解，此处不再重复。若你尚未安装，请先完成该教程的 ComfyUI 安装章节，确认浏览器能打开 http://127.0.0.1:8188 的节点画布界面后，再继续本教程。

3. 模型下载与目录配置

3.1 模型文件清单

ComfyUI 需要三个模型文件，均从 Comfy-Org 重打包仓库下载，文件与放置目录一一对应：

Hugging Face 仓库内的文件位于 split_files 目录下，下载时按上述对应关系取文件即可；ModelScope 页面同样标注了每个文件的放置路径。

3.2 方式一：直接放入 models 子目录

最简单的做法是把三个文件分别拷贝到 ComfyUI 便携包的对应目录：

ComfyUI_windows_portable/
└── ComfyUI/
    └── models/
        ├── diffusion_models/
        │   └── qwen_image_2.1_bf16.safetensors
        ├── text_encoders/
        │   └── qwen3vl_8b_bf16.safetensors
        └── vae/
            └── qwen_image_2.1_vae_bf16.safetensors

3.3 方式二：extra_model_paths.yaml 独立模型目录

如果磁盘分区紧张，或希望多个模型家族共用一套独立模型库，可以用 extra_model_paths.yaml 把外部目录挂载进 ComfyUI。本教程实测即采用此方式，模型统一放在 C:\models\Qwen-Image-2.1 下：

C:\models\Qwen-Image-2.1\
├── diffusion_models\
│   └── qwen_image_2.1_bf16.safetensors
├── text_encoders\
│   └── qwen3vl_8b_bf16.safetensors
└── vae\
    └── qwen_image_2.1_vae_bf16.safetensors

编辑 ComfyUI 便携包根目录下的 extra_model_paths.yaml（不存在则新建），追加以下内容：

qwen_image:
    base_path: C:\models\Qwen-Image-2.1
    diffusion_models: diffusion_models
    text_encoders: text_encoders
    vae: vae

其中 qwen_image 是自定义的分组名，base_path 指向模型根目录，下面三行把子目录分别映射为扩散模型、文本编码器与 VAE 的搜索路径。保存后重启 ComfyUI，启动日志中出现如下三行即挂载成功：

Adding extra search path diffusion_models C:\models\Qwen-Image-2.1\diffusion_models
Adding extra search path text_encoders C:\models\Qwen-Image-2.1\text_encoders
Adding extra search path vae C:\models\Qwen-Image-2.1\vae

提示：YAML 对缩进敏感，二级条目统一使用四个空格缩进，不要混用制表符；修改配置后必须重启 ComfyUI 才能生效。

4. 启动 ComfyUI 与显存行为解读

4.1 启动命令

双击便携包根目录的 run_nvidia_gpu.bat 启动服务。本教程实测的启动参数为：

.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --fp16-unet --disable-dynamic-vram --disable-mmap

其中 --fp16-unet 让扩散模型以 FP16 精度运行以节省显存，--disable-dynamic-vram 关闭动态显存管理、固定采用权重卸载策略，--disable-mmap 禁用内存映射加载。若显存吃紧，可尝试去掉 --disable-dynamic-vram 让 ComfyUI 动态调度显存。

启动成功后日志末尾会给出访问地址，浏览器打开 http://127.0.0.1:8188 即进入节点画布。

4.2 三个模型的装载时序

提交任务后，日志会依次显示三个模型的加载与释放过程，理解这条时序线是排查显存问题的基础：

实测 22GB 显存下的典型日志数据：文本编码器全量载入 16722MB，编码完成后部分卸载释放约 13.6GB；扩散模型接着载入 13571MB 并以双流异步权重卸载方式采样；采样结束后 VAE 载入 644MB 完成解码。三个模型从不同时驻留，这是 31.7GB 权重能在 22GB 显存上跑通的原因。

4.3 实测生成速度

在 RTX 2080 Ti 上的实测速度（896 × 1152 分辨率）：

首次生成前还需加上模型从硬盘载入的时间（视固态硬盘速度，一到两分钟），同一会话内连续生成则直接复用已缓存的权重，速度以表中新值为准。

5. 文生图工作流

5.1 节点构成

文生图共需 7 个节点，全部为 ComfyUI 原生节点，无需安装自定义节点：

节点接线关系如下：

三个加载器互相独立，分别接到消费节点上；TextEncodeQwenImage21 一股脑输出正负条件与初始潜空间，全部喂给 KSampler。搭建完成后可对照教程目录下的 qwen21-t2i-workflow.json 工作流文件核对接线。

5.2 TextEncodeQwenImage21 节点详解

这是 Qwen-Image-2.1 工作流的核心节点，有三个输入：

它输出三个结果：positive（正向条件）、negative（负向条件）和 latent（初始潜空间），三个输出都要接到 KSampler 对应输入端。注意 Qwen-Image-2.1 采用 Flow Matching 训练，官方默认不使用负向提示词，negative_prompt 留空即可。

5.3 采样参数配置

KSampler 的推荐参数如下：

5.4 自定义分辨率

TextEncodeQwenImage21 的 resolution 输入只生成正方形潜空间。想要竖版或其他比例时，添加一个 EmptyLatentImage 节点自定义宽高，再把它的输出接到 KSampler 的 latent_image 端，替代编码节点自带的潜空间：

本教程实测样张即采用 896 × 1152 的 7:9 竖版构图。建议在模型推荐的 7 种长宽比内选择，总像素量保持在 100 万至 400 万之间，偏离过远会明显降低构图质量。

5.5 实测案例一：英文文字渲染

文字排版是 Qwen-Image-2.1 的官方主推能力。第一条冒烟测试提示词只有一句话：

A neon shop sign that reads "QWEN IMAGE 2.1", rainy night, reflections on wet pavement, cinematic

1024 分辨率、25 步、seed 42，一次出图。生成的霓虹灯牌上 QWEN IMAGE 2.1 十一个字符全部正确，蓝色 QWEN 与红色 IMAGE 2.1 分行排布，雨夜地面反射光效果完整，文字渲染能力确实扎实。

5.6 实测案例二：中文书法题字

中文场景的测试更有代表性：古诗词插画，要求竖排行书题字加朱红印章。完整提示词如下：

中国风古诗词插画，竖构图。深邃夜空，万千星辰如碎钻洒落银河，星光沿着蜿蜒山径铺向前方。白衣女子立于花树下回眸浅笑，眉眼温柔，裙袂轻扬。画面左上留白处以竖排行书题写诗句：「夜里万千星辰 冗照前程」「不及君之一笑 醉我半生」，墨色书法，落款处一枚朱红印章。水墨与厚涂结合，唯美意境，电影级光影，细节丰富

896 × 1152 分辨率、30 步、seed 20260921，采样约 75 秒。出图还原了全部构图要素：白衣女子立于花树下回眸、星光沿山径蜿蜒铺向银河、左上竖排行书题写两句诗并钤朱红印章，书法字形完整可辨。

6. 图像编辑工作流

6.1 节点改动

Qwen-Image-2.1 的图像编辑不需要换模型或加节点，只改两处接线：

1. 添加 LoadImage 节点，载入要编辑的原图，把图像输出接到 TextEncodeQwenImage21 新出现的 images 输入端。
2. 把 resolution 改为 0，表示潜空间尺寸跟随参考图分辨率，不再按固定边长新建。

编辑模式的接线如下：

搭建完成后可对照教程目录下的 qwen21-edit-workflow.json 工作流文件核对。

6.2 编辑提示词的写法

编辑提示词的结构可以概括为一句话：先写要改什么，再逐项声明什么不许动。改动项放在前面让模型明确执行，保留项（人物五官、姿态、位置、服饰、印章等）逐一点名，越具体越稳。

实测从上一节的古诗词插画出发，第一步要求「转水墨风格」：

将这幅画转为中国风水墨山水画风格：夜空银河与星光山径改为淡墨晕染，柔焦微朦胧，宣纸质感，山间雾气氤氲，远山大片留白，衣袂与花树以写意笔触轻勾淡染，墨色温润平滑；女子的面容、五官、发型、姿态、服饰和她在画面右侧的位置完全保持不变，脸部精致清晰；题字与印章原样保留

35 步采样约 90 秒。风格转换完成度很高：银河、山径、衣袂全部转为写意水墨，宣纸质感与雾气留白到位，人物姿态与位置保持稳定。但出现一个典型问题：原图的题字被连带重绘，两句诗变成了无法辨认的伪汉字。

这说明编辑过程中的文字区域属于「高细节、小面积」内容，风格迁移时极易被重绘损坏。解决办法是把文字当作独立的编辑目标显式下达指令。第二次编辑直接要求重新题写：

保持这幅画的深黑夜空不变，繁星点点，银河清晰可见，保留水墨晕染的山峦雾气与蜿蜒星光小路。保持白衣女子在画面右侧，姿态妆容不变，脸部五官精致清晰。左上角以清晰工整的竖排行书重新题写诗句：「夜里万千星辰 冗照前程」，第二行「不及君之一笑 醉我半生」，每个字端正可读，墨色书法，配一枚朱红印章

出图后题字恢复为端正可读的竖排行书，两句诗逐字正确，朱红印章同步生成，人物、构图与水墨风格保持稳定。

6.3 与直接文生图的对比

作为参照，我们把水墨风格的完整描述直接写入文生图提示词一次成型（40 步、896 × 1152），出图的题字同样清晰可读，构图留白也更为舒展：

综合三次实测可以得出结论：目标风格明确时，直接文生图一次成型的文字质量最稳；编辑适合在已有图上做风格迁移或局部调整，但涉及文字时要么在提示词中显式要求重写题字，要么编辑后再补一次文字修正。

6.4 关于多参考图

官方模型卡宣称 Qwen-Image-2.1 支持最多 10 张参考图的编辑与合成，可用于人物一致性保持、多图组装穿搭等场景；ComfyUI 原生节点的 images 输入支持批量接入多张参考图。本教程实测覆盖单参考图场景，多图合成的批量接入方式留待后续教程展开。

7. 实测数据汇总

本教程全部实测在 RTX 2080 Ti（22GB）上完成，汇总如下：

前一次测试在更早的服务会话中完成，采样耗时按同分辨率单步速度推算，其余四组为日志实测值。单步采样耗时在 2.1 至 2.8 秒之间；全程无显存溢出，文本编码器、扩散模型、VAE 按时序分批装载。对一张 2020 年发布的游戏卡来说，7B 生成侧参数的轻量化收益是实打实的。

8. 常见问题

问：提示采样时显存不足（OOM）怎么办？

答：按顺序尝试三件事。第一，把 resolution 降到 768 或使用更小的 EmptyLatentImage 尺寸，分辨率对显存的贡献远大于步数；第二，确认没有其他程序占用显存，浏览器硬件加速也会吃掉一两个 GB；第三，去掉启动参数中的 --disable-dynamic-vram，让 ComfyUI 动态调度显存。仍无法解决的，建议等待社区 FP8 量化版本。

问：节点列表里找不到 TextEncodeQwenImage21？

答：ComfyUI 版本低于 0.37。执行便携包根目录 update\update_comfyui.bat 升级后重启；若升级后启动日志提示工作流模板版本过低，属正常警告，不影响手动搭建节点。

问：模型加载器下拉列表里没有 qwen 开头的文件？

答：检查 extra_model_paths.yaml 的 base_path 拼写与子目录映射是否正确，确认文件确实放在映射后的目录里，然后重启 ComfyUI；启动日志中的 Adding extra search path 三行是挂载成功的唯一判据。

问：编辑图像时文字总是被改坏怎么办？

答：参考第 6.2 节的做法，把文字作为独立编辑目标显式写进提示词，明确「每个字端正可读」并逐字给出内容；若只需改风格不动文字，可在编辑后用第二次编辑专门修正文字，或直接改用文生图一次成型。

问：cfg 设成 1.0 后负向提示词无效，是配置错了吗？

答：不是。Qwen-Image-2.1 按 Flow Matching 方式训练，官方默认 cfg 即为 1.0，此时候选分支不参与计算，负向提示词自然失效，把质量控制全部交给正向提示词描述即可。

问：生成的图可以商用吗？

答：不可以。Qwen-Image-2.1 采用 Qwen Research License，仅允许非商业研究与评估，商用需向官方另行申请授权，详见前置资讯文章的许可证分析。