Qwen-Image-2512-ComfyUI实操分享：我的第一张AI修图-平芜编程栈

Qwen-Image-2512-ComfyUI实操分享：我的第一张AI修图

你有没有试过一张精心设计的截图，却被水印毁了整张图的质感？或者一张产品图里多了一个碍眼的logo，删又删不干净，修图软件反复涂抹反而留下痕迹？上周我第一次用Qwen-Image-2512-ComfyUI完成了一次真正“听懂人话”的修图——没有蒙版、不用钢笔、不调图层，只输入一句话，三秒后，原图干干净净地回来了。这不是概念演示，是我在4090D单卡上亲手跑通的真实操作。今天这篇笔记，不讲模型参数，不聊训练原理，就带你从零开始，把这张“我的第一张AI修图”完整复现出来。

1. 为什么这次修图让我有点激动

在动手前，我想先说清楚：这不是又一个“能P图”的模型，而是少数几个真正把“编辑意图”翻译成像素动作的工具。过去我们用Stable Diffusion做inpainting，本质是“擦掉+重画”，结果常是边缘发虚、纹理错位、颜色跳变；而Qwen-Image-2512的编辑逻辑完全不同——它同时理解图像“长什么样”（外观）和“是什么”（语义）。比如你让删掉“左下角的二维码”，它不会盲目糊掉一块区域，而是先识别出那是二维码结构，再精准抹除其几何特征，同时无缝延续背景纹理。

更关键的是，它对中文提示词的理解非常自然。不需要绞尽脑汁写“remove the black square logo with white QR code pattern in bottom-left corner”，直接说“删掉左下角那个带白底的黑色二维码”，它就能准确定位。这种“说人话就能干活”的体验，在我试过的所有图像编辑模型里，目前只有Qwen-Image-2512做到了稳定落地。

2. 三步启动：4090D单卡上的开箱即用

这个镜像最大的优点，就是把部署复杂度压到了最低。官方文档说“4090D单卡即可”，我实测下来，不仅可行，而且流畅。整个过程不需要碰命令行、不编译、不改配置，就像打开一个本地应用一样简单。

2.1 部署与启动

在算力平台选择Qwen-Image-2512-ComfyUI镜像，分配一张4090D显卡（显存24G足够），启动实例；
实例运行后，进入终端，执行以下命令：
```
cd /root bash "1键启动.sh"
```
脚本会自动拉取依赖、加载模型、启动ComfyUI服务。全程约90秒，终端最后出现ComfyUI is running on http://127.0.0.1:8188即表示成功。

2.2 进入工作流界面

回到算力平台控制台，点击“我的算力” → 找到当前实例 → 点击“ComfyUI网页”按钮；
页面自动跳转至ComfyUI可视化界面，左侧是节点区，中间是画布，右侧是参数面板；
关键一步：点击左上角“工作流”菜单 → 选择“内置工作流” → 找到名为Qwen-Image-Edit的预设流程，双击加载。

注意：该工作流已预置全部节点，包括TextEncodeQwenImageEdit、QwenImageEditModelLoader等专用组件。如果你看到节点报红或缺失，请确认ComfyUI版本 ≥ 0.3.16（本镜像已默认满足）。

2.3 模型文件已就位，无需手动下载

与很多需要自行下载、解压、归类模型的教程不同，本镜像已将全部必要文件按标准路径预置完成：

ComfyUI/models/ ├── diffusion_models/ │ └── qwen_image_edit_fp8_e4m3fn.safetensors # 主编辑模型（2512版） ├── loras/ │ └── Qwen-Image-Lightning-4steps-V1.0.safetensors # 加速LoRA（可选启用） ├── vae/ │ └── qwen_image_vae.safetensors # 专用VAE编码器 └── text_encoders/ └── qwen_2.5_vl_7b_fp8_scaled.safetensors # 多模态文本编码器

这意味着你打开即用，省去了最易出错的模型路径配置环节。我特意检查过每个文件的SHA256校验值，与HuggingFace镜像源完全一致，放心使用。

3. 我的第一张修图：从上传到出图的完整链路

下面我以真实案例还原整个操作——一张带有网站水印和图标的小图，目标是干净去除，不伤原图结构。整个过程在ComfyUI界面中完成，无代码、无切换、一气呵成。

3.1 准备原始图片

我选了一张尺寸为800×600的PNG截图，内容为某技术博客首页，右下角有半透明文字水印“https://qiucode.cn”和一个暗绿色树叶小图标（约32×32像素）。保存为source.png，通过ComfyUI右上角“上传图像”按钮导入。

3.2 配置编辑工作流

加载Qwen-Image-Edit工作流后，画布上已存在6个核心节点。我们只需关注3处关键设置：

Load Image节点：点击“图像”字段旁的文件夹图标，选择刚上传的source.png；
Text Encode节点：在text输入框中，直接输入中文提示词：
```
删除右下角的“https://qiucode.cn”文字和旁边的暗绿色树叶图标，保持背景纹理和整体布局不变
```
（注意：标点用中文全角，空格可有可无，大小写不敏感）
QwenImageEditModelLoader节点：确认model_name下拉菜单中已选中qwen_image_edit_fp8_e4m3fn.safetensors（默认即为此项）；

其余节点（如VAEEncode,KSampler,VAEDecode）均采用预设参数，无需调整。特别说明：steps设为20（平衡质量与速度），cfg设为4.0（避免过度修改），denoise设为0.75（保留足够原图信息）。

3.3 执行编辑并查看结果

点击右上角“队列”按钮（或按Ctrl+Enter），任务提交；
等待约8–12秒（4090D实测），右下角“图像预览”节点自动弹出结果图；
双击预览图，可全屏查看细节。我立刻放大右下角区域——文字和图标被彻底移除，背景色过渡自然，树叶图标所在位置的渐变纹理、阴影层次全部延续，没有常见inpainting的“塑料感”或“模糊块”。

对比小技巧：在ComfyUI中，可右键点击“Load Image”节点 → “View Image”，再右键“VAEDecode”输出节点 → “View Image”，两个窗口并排，拖动对比，差异一目了然。

4. 不止于“删除”：五种实用编辑场景实测

Qwen-Image-2512的能力远不止“去水印”。我围绕日常高频需求，测试了五类典型编辑任务，全部在单次运行中完成，无需反复调试。

4.1 中文文字替换：把“试用版”改成“正式版”

原图：软件下载页截图，中央有红色大字“试用版”；
Prompt：将图中红色大字“试用版”改为“正式版”，字体大小、颜色、位置保持一致；
效果：新文字完美嵌入原位置，笔画粗细、抗锯齿程度、阴影深度与原图完全匹配，无重影、无错位。

4.2 物体局部风格迁移：给咖啡杯加“水墨风”

原图：一张高清咖啡杯照片，白色陶瓷材质；
Prompt：把咖啡杯表面渲染成中国传统水墨风格，保留杯身轮廓和手柄结构；
效果：杯体呈现淡墨晕染质感，留白恰到好处，手柄仍为写实金属反光，两种风格边界清晰，无融合过渡带。

4.3 智能扩图：补全被裁切的海报人物

原图：一张竖版海报，人物腰部以下被截断；
Prompt：扩展画布底部，生成人物完整的腿部和地面，风格与上半身一致；
效果：生成腿部比例协调，衣纹走向自然，地面材质（木地板）延伸连贯，接缝处无明显分界线。

4.4 多对象协同编辑：同时删Logo + 换背景

原图：产品白底图，左上角有品牌Logo，右下角有阴影；
Prompt：移除左上角的圆形Logo，同时将纯白背景换成浅灰色磨砂质感，保留产品主体光影；
效果：Logo区域平滑消除，背景灰度均匀，磨砂颗粒感细腻，产品投影随之自然调整，仿佛本就是在此背景下拍摄。

4.5 语义级旋转：让图中汽车“转向右侧”

原图：一辆侧方停放的轿车照片；
Prompt：将图中的轿车顺时针旋转30度，保持轮胎接触地面，背景透视关系自然；
效果：车身角度改变，车轮轻微变形以符合透视，背景建筑线条同步微调，无扭曲撕裂感。

5. 提示词写作心得：说清“要什么”，而不是“怎么干”

用好Qwen-Image-2512的关键，不在调参，而在表达。我总结了三条小白友好的提示词原则，比任何参数表都管用：

用主谓宾，不说术语
好：“把蓝色按钮改成红色，位置不动”
❌ 差：“执行color transfer from #007AFF to #FF4757 on UI element at (x=120, y=85)”
指明位置，越具体越好
好：“右上角第三个图标”、“标题下方第二行文字”
❌ 差：“某个图标”、“一些文字”
强调“保留什么”，比“修改什么”更重要
好：“删掉水印，但保留背景的噪点和渐变”
❌ 差：“只删水印”（模型可能顺手把周围也平滑了）

另外，实测发现：加入少量视觉描述（如“半透明”、“金属光泽”、“毛玻璃质感”）能显著提升结果准确性；而英文混入中文提示词（如“add aglowingeffect”）反而容易导致理解偏差，建议全程使用中文。

6. 性能与稳定性观察：单卡下的真实表现

在连续运行37次不同复杂度编辑任务后，我对这套方案的工程可用性有了清晰判断：

维度	实测表现
平均耗时	8.2秒（20步采样，4090D，FP8精度）；启用Lightning LoRA后降至4.5秒
显存占用	稳定在18.3–19.1GB，未触发OOM；即使加载4K原图，显存峰值也不超21GB
出图一致性	同一Prompt重复运行5次，关键区域（如文字删除范围、物体位置）误差<2像素
失败率	0%（所有任务均生成有效图像）；仅2次因提示词过于模糊（如“让图更好看”）导致结果偏离预期

值得强调的是，它对低质量输入容忍度很高。我故意上传了一张压缩严重、带JPEG伪影的截图，模型依然准确识别出水印区域并干净去除，背景伪影也被一并修复——这说明其视觉理解模块已具备一定鲁棒性。