前两天阿里巴巴放出了一系列的大招，推出了将近7款模型。对于图像生成编辑模型Qwen-image-edit也进行更新。自从8月份的qwen-iamge 到现在Qwen-image-Edit-2509，目前图像编辑领域还是比较火热。至于相关的模型，我前面的文章也有给大家介绍，这里就不过多赘述。

今天主要跟大家分享下，采用个人私有电脑（8G）显存，将Qwen-iamge-edit2509模型结合本地的 ComfyUI进行私有化部署， 通过设置ComfyUI工作流，结合模型的‘多图编辑’、‘增强一致性’、‘高级文本编辑’、‘ControlNet 集成’等特点，进行任意图像编辑生成。大白话，都已经部署到本地，不受平台以及模型的限制，想怎么玩都可以！！！

目前8G现存，出图的效率基本在2分钟左右，速度还是可以的！

流程图如下

一、第一步模型加载

主要用的模型有四个，不过前面如果有用过qwen-image的小伙伴应该都有 看LoRA、CLIP以及VAE模型。没有也没关系，根据实际情况下载即可。

• Unet 加载器：主要是加载最新qwen_image_edit_2509_fp8_e4m3fn.safetensors模型进行去噪处理。

Huggingface 下载地址：qwen_image_edit_2509_fp8_e4m3fn.safetensors
ModelScope下载地址：qwen_image_edit_2509_fp8_e4m3fn.safetensors

根据实际情况下载模型，目前博主使用的是FP8精度的，有条件的小伙伴可以选择BF16，效果会更好！

• LORA模型：还是选用的Qwen-Image-Lightning-4steps-V1.0.safetensors模型进行微调

Huggingface 下载地址：Qwen-Image-Lightning-4steps-V1.0.safetensors
ModelScope下载地址：Qwen-Image-Lightning-4steps-V1.0.safetensors’

• VAE解码器：采用的是qwen_image_vae.safetensors模型。

Huggingface 下载地址：qwen_image_vae.safetensors
ModelScope下载地址：qwen_image_vae.safetensors

• Text Encoder采用的是qwen_2.5_vl_7b_fp8_scaled.safetensors模型，将提示词转换为浅空间的向量。

Huggingface 下载地址：qwen_2.5_vl_7b_fp8_scaled.safetensors
ModelScope下载地址：qwen_2.5_vl_7b_fp8_scaled.safetensors

二、图像加载以及Prompt配置

其实，这两个部分都是相辅相成的，我们如果需要多图进行编辑或者图像组合，就可以设置多个Load Image节点，然后再CLIP的提示环节，就可以添加多个图像输入入口。

---

🔹 整体流程（对应图里的 Step 2 和 Step 4）

1. 主图输入（Step 2）

• 上传一张“主图”（例如左边的女生照片）。
• 这张图会通过 VAE 编码器 转换成潜空间（Latent），这样模型才能在压缩空间里进行编辑。

---

2. 参考图 / 条件输入

• 上传额外的参考条件，例如：

  • 人体姿态（Pose 图）
  • 其他辅助图片

• 这些作为条件约束输入，告诉模型要按照这些参考来修改或生成图像。

---

3. 提示词 + CLIP 编码（Step 4）

• 在 TextEncodeQwenImageEditPlus 节点中输入提示词（例如：“教堂…女孩子…”）。
• CLIP 会将提示词编码成“语义向量”，提供给模型。
• 节点还能接收图像输入，把 文本 + 图像 一起作为条件。

---

4. 整合 → 送入 UNet 去噪模型

• 输入内容包括：

  • VAE 编码的“主图潜空间”
  • CLIP 编码的提示词向量
  • 参考图像输入

• 这些会一起送入 UNet。

• UNet 根据提示词和参考图，把原图潜空间逐步修改，生成符合要求的新潜空间。

---

5. VAE 解码

• 修改完成的潜空间通过 VAE 解码器 转换成最终可视化的图像。

---

三、K采样器设置

🔹 采样环节的作用

在 Stable Diffusion 里，采样器（Sampler）负责 逐步把“随机噪声的潜空间”去噪成最终图像。

---

📥 输入

• 噪声潜空间（Latent）

• 条件输入：

  • CLIP 编码的提示词
  • 参考图像
  • VAE 编码的主图

---

⚙️ 过程

• 根据设定好的 迭代步数 和 采样算法，逐步减少噪声。
• 每一步迭代，潜空间都会变得更有结构，更接近目标图像。

---

📤 输出

• 得到一个已经成型的潜空间表示。
• 最终交由 VAE 解码，生成可视化的最终图片。

具体采用的步骤吗，根据实际资源配置进行设置，官方给出的建议设置如下：

四、实例展示

🔹 人物+姿态

提示词：将图一女主穿上图二的衣服。

🔹 人物+姿势+服装

提示词：换装，将图一女主穿上图三衣服，模仿图二 姿势

🔹 人物+动物+场景

五、结论

是不是很令人兴奋？所有模型和框架都可在本地运行，我们可以免费体验最新技术，尽情发挥创意。本文仅是一个简单示例，在实际流程中我们还能进一步优化，比如VAE、CLIP和Text Encoder等组件已有更强大的模型可供选择，有兴趣的朋友不妨尝试一下。

六、补充

工作流程以及ComfyUI的配置问题

• ComfyUI配置：要下载最新版本的ComfyUI，目前官方已经更新过并集成了Qwen-Iamge-Edit2509的插件。
• 工作流：可以私信获取或者通过官网领取。

✨ 都已经看到这里，赶紧体验上手吧，与此同时也顺便点个赞+关注哦！！！