最后，我们迎来了一个新的开源图像生成器和编辑器。阿里巴巴刚刚发布了 Qwen Image 2.1，这是一个极其灵活且强大的工具。在本视频中，我们将介绍它所能做的所有令人惊叹的事情，当然，我还会教你如何在你的电脑上安装这个模型，以便你可以免费且无限次地在离线环境下运行它。最棒的是，即使显存非常低，它也能运行。让我们直接开始吧。首先，我们来了解一下它的功能。

它不仅能够生成一些超级逼真的照片，在解剖结构和提示词理解方面也非常出色。从这些对比中你可以看到，它甚至非常擅长创建包含大量不同元素的复杂内容，如图表和信息图。这里展示的是 Qwen Image 2.1 的一次文本到图像的生成结果。这是另一个例子，它在设计界面方面也很擅长。这里有一些示例供你参考。

现在，Qwen Image 2.1 最强大的功能可能是它能够生成透明图像。换句话说，它还可以输出 Alpha 通道。这里有一些内置了不同透明度生成的示例展示出来。不仅支持文生图，更棒的是它还可以接收图像作为参考，以便你进行进一步的编辑。我不知道你们怎么样，但我已经等待新的图像编辑器好几个月了。

之前我们获得的模型如 Creatu 和 Ideogram 仅支持文生图，因此你无法像 Nano Banana 那样使用自然语言编辑现有图像。但最终对于 Qwen Image 2.1，这是可能的。例如，你可以输入相同的透明图像，然后提示它更改图像中的文字，右侧就是我们的结果。

或者这里有一个更酷的例子，我们可以输入一张照片，让它仅提取前景中的树枝和叶子作为透明图层。正如你所见，它在这方面的表现相当不错。此外，最多可以输入 10 张参考图像供你插入到照片中。这里有一个实际操作的示例，可以看出它在面部和角色一致性方面表现出色。

这是另一个令人惊叹的例子，我们可以输入大量不同的照片，并仅使用自然语言指定我们要从每张照片中提取什么。例如，我们希望第一张图片中的女性穿着第二张图片中的粉色夹克和第三张图片中的鞋子，背着这个手提包，并戴着最后一张图片中的帽子。它能够将你指定的任何内容组合成一张无缝的照片。

或者这里还有另一个例子，我们可以合并大量不同的家具照片并将它们添加到同一个房间中。你也可以直接在想要编辑的照片上进行标注。例如，我们可以圈出我们想要更改或删除的物品。或者这里有一个示例，我们可以直接在图像上绘制并让它在那里添加一些东西。

这在角色一致性方面也很出色，从这个例子中你可以看到。或者这里有一套非常复杂的服装，我们可以让它生成一个穿着这套服装的模特。正如你所见，它能够很好地保留服装的设计细节。或者这里还有另一个很酷的例子，我们可以输入这张自拍照片并让它从照片中生成全景图。

在生成了这个全景图后，你基本上可以在 3D 中探索场景。这些只是 Qwen Image 2.1 所能做的所有酷事的快速示例。最棒的是它是开源的，因此你可以下载并在本地运行它。所以如果你感兴趣的话，接下来让我们看看如何安装它。

在本教程中，我们将使用一个名为 Comfy UI 的界面，这是运行开源图像和视频生成器离线版本最受欢迎的平台。它完全免费供你安装和使用，并且你可以对其进行大量自定义设置，这也是我强烈推荐你在 Qwen Image 2.1 中使用 Comfy UI 的原因。

如果你不熟悉 Comfy UI，请先观看这个视频，其中我介绍了完整的安装教程。好的，假设你已经安装了 Comfy UI，第一步是将其更新到最新版本。只需双击进入此“update”文件夹，然后双击“Update Comfy UI.bat”。这将把你的 Comfy UI 更新到最新版本。

好的，之后按任意键退出此窗口。接下来我们可以启动 Comfy UI。让我来启动它。好的，一旦你打开 Comfy UI，如果你点击左侧边栏中的“Templates”，并搜索 Qwen Image 2.1，你应该会看到几个工作流：文生图、去除背景和图像编辑。让我们先看看文生图的工作流程。

一旦你点击它，界面应该看起来像这样。顺便说一句，如果你看不到这些工作流，我也会在下方链接到该页面，你可以在底部下载工作流文件，然后直接拖放到你的 Comfy UI 界面中。好的。现在，一旦你打开它，你可能会看到带有红色轮廓和一些缺失模型的提示。所以让我们继续下载模型。

我会在描述中链接到该页面。如果你点击“Files and versions”，这里列出了你需要下载的模型。首先，让我们点击进入 Diffusion Models（扩散模型）。在这里你可以选择全尺寸 BF-16 版本，大小为 14.2 GB；或者这个较小的 INT8 Conrot 版本，大小为 7.2 GB。这将适配 8GB 显存甚至可能更少。

如果你拥有的显存低于这个数值，比如只有 4GB VRAM，别担心，在视频后面我也会展示另一种仅使用 4GB 显存运行此模型的方法。所以我将下载这个版本，它放入 Comfy UI 的 models/diffusion_models 文件夹中。点击保存。之后，我们还需要下载一个文本编码器（Text Encoder）。

这里的前两个文件用于增强你的提示词。这是一个额外的 AI 模型，它在将提示词输入图像生成节点之前对其进行进一步增强。它旨在提高你的图像质量，但请注意每个文件的大小接近 9.5 GB。所以特别是如果你的显存紧张，我不推荐这一步骤。最好是你手动编写一个好的提示词。

所以我们需要下载的最基本内容就是这里的其中一个文本编码器。这里有不同的压缩级别。全尺寸 BF-16 版本大小为 17.5 GB。我们还有一个 W4 A8 版本，这是最小的，仅大小为 6.3 GB。如果你显存较低，则强烈推荐使用这个版本。所以让我们点击下载。它放入 Comfy UI 的 models/text_encoders 文件夹中，点击保存。

随后，我们还需要下载该模型的 VAE。它的体积相当小，仅有 676 MB。让我们点击下载。下载后的文件应放入 Comfy UI 的 models/VAE 文件夹中，然后点击保存。下载完所有模型后，回到我们的 Comfy UI工作流界面，只需按 R 键刷新模型列表。然后在下方选择刚才下载的模型。首先，对于 UNet（单元），让我们选择我刚刚下载的 Quinn 图像模型。接着对于 CLIP，我将选择刚才下载的 Quen 3 VL W488 模型。而对于 VAE，是的，我将选择刚才下载的 VAE。基本上就是这样了。那么让我们来看看如何运行它。这非常简单直观。在这里你可以选择宽高比，这里有多种选项可供选择。

接着是像素数设置，你可以通过增加数值来获得更高分辨率的图像。在这里输入正向提示词或可选的反向提示词。这里是 CFG 设置，它决定了 AI 对提示词的遵循程度有多严格。如果你发现模型没有完全按照你指定的内容生成，可以尝试稍微增加这个数值。反之，如果你想让它更具创造性，自行发挥并引入一些变化，那么你可以降低这个值。需要注意的是，如果将 CFG 设置为 1，反向提示词实际上不会生效。你需要将其设置得稍高一些，反向提示词才能起作用。

然后是生成图像所需的步数（Steps）。步骤越多，质量通常越高，但生成时间也会更长，反之亦然。接下来是使用来生成图像的算法选择。种子（Seed）就像图像的唯一 ID。如果你保持所有设置不变，使用相同的提示词和种子，你将得到与之前完全相同的图像。所以如果你想用同样的提示词但获得稍微不同的结果，就需要更改种子设置。基本上就是这样了。让我们点击运行，看看生成一张图像需要多长时间。完美。

这是我们得到的结果。如果我调出统计窗口，你可以看到生成这张图像只花了大约 29 秒。请注意，我使用的是具有 16 GB VRAM 的 RTX 5000 ADA显卡，并且只是在笔记本电脑上运行。所以这是一个相当快速且轻量级的模型。接下来是文生图部分，下面我们来介绍图像编辑功能。同样地，我点击模板，然后在顶部搜索 Quinn Image 2.1。这里有一个图像编辑选项，让我们点击它，它将打开一个新的工作流界面。

和之前一样，在下方我们需要加载刚才下载的模型。对于 UNet（单元），我选择这个；对于 CLIP，我将选择我刚下载的 W4 A8 版本。而对于 VAE，我选择这个。在这里我们可以上传不同的参考图像供其编辑或参照。注意这里最多可以输入 10 张图像。让我们做一个简单的演示，我只上传一张图片。要移除第二张图片，我可以点击它并按 Ctrl+B 绕过它，或者直接删除该节点。如果需要添加新图像，只需双击界面任意位置并输入“load image”来插入加载图像的节点。然后将输出连接到此处即可，非常简单。

再次说明，我的演示只使用一张输入图像。这里我上传这张汽车图片。在这里我们设置正向提示词和反向提示词，其他设置与文生图工作流中看到的相同。在下方，我不知道为什么它悬挂得这么低，让我把它往上拖一点。在这里选择宽高比和分辨率。但这里有一个额外的开关叫“自定义尺寸”（Custom Size）。目前它设置为 False，这意味着它会忽略此设置并使用输入图像的大小。如果你想使用指定的宽高比和尺寸，则需要将其打开。

现在它将把我的图片设置为 1:1 的宽高比和 100万像素，而不是原来的分辨率。对于我的正向提示词，让我们做点简单的内容：“让这辆车在蜿蜒的森林道路上行驶，运动模糊效果，专业照片”。下方的所有设置都与之前相同。基本上就是这样了，让我们点击运行。好的，这是我们的结果。如果我查看统计信息，请注意这花了大约 81 秒。我认为比 Flux Klein（之前的最佳编辑模型）稍慢一些。好的，这就是如何进行图像编辑的方法。

如果你想增强内容创作能力，一定要查看本视频赞助商 Luma 的产品。与其手动一个接一个地提示操作，Luma Agent（智能体）可以自主地在整个创作工作流中与你协作。你可以从一个想法开始，让 Luma 帮助你发展概念、生成资产、尝试不同方向并在一个地方迭代所有内容。例如，我可以给 Luma 初始想法，然后与智能体一起逐步开发它。它会记住项目的上下文，所以我可以不断完善结果，而不必每次都用新提示词重新开始。

你可以访问最好的图像生成器和视频生成器。事实上，最令人印象深刻的之一是 Ray 3.2，这是 Luma 最新的视频模型。Ray 3.2 真正突出的是其对运动、物理和三维空间的理解。正如你所见，它可以处理复杂的动作、相机运动和物体之间的交互，同时保持场景的连贯性。因此，你不仅仅是生成每一帧看起来都很好的画面，而是可以创建真正的电影序列，其中所有元素都以可信的方式在场景中移动。

如果你从事任何类型的内容创作，Luma 基本上就像一个 AI 副驾驶，可以在你的整个创意工作流中与你合作。通过下面的链接或扫描这里的二维码在今天试用 Luma。接下来，让我们调出第三个工作流。同样地，我输入 Quinn Image 2.1，然后选择这个移除背景的工作流。现在一旦我们启动它，它会提示我们有几个缺失的模型。所以我点击每个下拉菜单并选择相应的模型。

完成后，在这里输入我们要移除背景的图像。让我上传这张图片。然后在这里输入正向提示词。让我们写

移除背景，只保留女性人物，并输出PNG图像。所有设置与之前相同。再次出现这个自定义尺寸切换选项。如果将其设置为false，它将使用输入图像的相同维度；如果设置为true，则使用我们在此处指定的宽度和高度。这次让我们将其设为false，这样它就会直接使用原始分辨率。然后点击运行。好的，这是我们要的结果，耗时约116秒。默认情况下，它保存在我的输出文件夹中。如果将其拖入图像编辑工具中，可以看到确实提供了透明背景。例如，让我将背景改为红色，看看结果如何。

这就是使用Quen Image 2.1移除任何图像背景的方法。好了，以上就是目前可用的三种标准工作流的全部内容。接下来让我们看看如何在此加载LoRA模型。如果你不熟悉LoRA，它们就像是微调过的模型，可以添加到你的工作流中，以生成特定的效果、角色或动作。例如，有用于颗粒感摄影的LoRA，也有手机摄影风格的，还有增强皮肤细节的。

现在对于Quen Image 2.1来说，由于我们处于非常早期的阶段（该模型仅发布一天），目前还没有可用的LoRA。我目前找到的唯一一个叫做“Quen 2.1 Anime Consistency”。这旨在增强动漫风格图像编辑中角色的一致性。为了向你展示如何将LoRA加载到工作流中的快速示例，我将下载并尝试这个LoRA。点击“Download”按钮即可。

它会被放入Comfy UI的models文件夹下的Loras子目录中，然后点击“Save”。这取决于你的LoRA的使用场景。这里说明该模型用于图像编辑，所以我将再次调出我的图像编辑工作流。要加载LoRA，你需要点击顶部的这个按钮来打开此工作流节点界面。

并且需要在该节点及其后续节点之间放置一个“Load LoRA”节点。让我在界面的任意位置双击，输入“load lora”，然后选择由Comfy提供的这个选项并将其放置在此处。如果我们点击下拉菜单，这里就是我们要选择的刚刚下载的LoRA模型的地方。

这是强度设置，即你希望该LoRA对图像产生多大影响。目前设置为100%。让我们将其调整为类似8的数值（即80%）。然后我只需要将这个“Load Diffusion Model”节点的输出连接到此处，并将此处的输出连接过去。基本上就是这样了。

如果我们按Escape键返回原始工作流，让我上传一个动漫角色图像。事实上，我将把宽高比设置为16:9，将像素数增加到200万。在提示词中，让我们编写“制作一个角色参考表，包含该角色的正面、背面和侧面视图”。然后按运行键，看看这个LoRA在保持角色一致性方面表现如何。

好的，这是我们要的结果。让我为你展示一下统计数据：耗时128秒。这就是如何在此工作流中加载LoRA的方法。顺便提一下，如果你需要将多个LoRA堆叠在一起，只需点击该节点并复制粘贴，然后像这样将它们串联起来即可。或者也有一些其他的LoRA堆叠器节点（如图中所示），允许你在同一个节点中堆叠多个LoRA。

正如我之前所说，对于这个量化版的Quen Image模型，你应该能够使用8GB显存甚至更低的配置来运行它。但是如果你非常穷困，只有4GB显存呢？在这种情况下，也许这个Conrot版本甚至都无法工作。好消息是，你仍然可以使用称为GGUF的更压缩模型来运行Quen 2.1。

目前已经有大量的Quen Image 2.1 GGUF模型可用了。我只是要向你展示由Abray发布的这一个版本。他们发布了该模型的多个压缩版本，最小的一个仅有3.19GB大小。所以如果你拥有的显存少于4GB，我建议下载这个版本。需要注意的是，对于像Q6和Q8这样的模型，它们实际上并不比int8转换版本小多少。

所以如果你有6到8GB显存，我实际上建议你首先尝试这个转换版本。但如果你只有4GB左右显存，那么你可以下载其中一个压缩版。所以我将用这个Q3版本给你展示一个示例。点击“Download”按钮，它会被放入Comfy UI的models文件夹下的unet子目录中。点击“Save”。

之后回到我们的工作流。你可以使用这个GGUF模型进行所有三种工作流：文生图、图像编辑或背景移除。我只是要展示一个文生图的例子。你需要做的是在左上角点击这个按钮，在这里将“Load Diffusion Model”替换为GGUF加载器。只需在界面任意位置双击，然后输入“gguf loader”，你应该能看到这个GGUF Loader节点。

让我们在此处插入它。顺便提一下，如果你看不到此选项，你需要做的是点击顶部的“Extensions”按钮，然后输入“gguf”，你将需要安装这个名为Comfy GGUF by city96的扩展插件。之后你应该能看到该节点了。

好的，在放置此节点后，我们只需将输入拖拽至此，然后按住Shift键将此输出连接过去。现在这将加载我们的GGUF模型而不是扩散模型。事实上，对于这个节点，我可以直接点击并按Ctrl+B来绕过此模型加载。然后让我按Escape键回到主工作流界面。

在此处，对于UNet名称选项，除了主要的Quen Image模型外，我们需要点击下拉菜单并选择刚刚下载的GGUF文件。基本上就是这样了。让我们点击运行。好的，这是我们的结果。正如你所见，即使是量化程度最高的Q3 GGUF模型效果也不错。你仍然能获得与完整模型相似的质量。

最后，还需要提及的是许可证问题。在这里，至少根据他们的官方许可协议所述，在未获得单独的商业许可证之前，不得将其用于任何商业目的。这已经在社区中引起了很多疑问和担忧。但好消息是Quen方面已经回复称，输出结果（即你的图像生成内容）不属于许可材料的一部分。

因此你保留对使用模型生成的图像和其他内容的权利。所以至少从这篇帖子来看，似乎你可以将你的生成内容用于商业目的。好了，以上就是我对Quen Image 2.1的评测和教程总结。

这是一个非常灵活的工具，我真的很喜欢他们加入了创建透明图像的功能。而且我也很高兴我们终于有了一个新的图像编辑模型。请在评论区告诉我你对这款工具的看法。如果在安装过程中遇到任何错误，欢迎在下方评论中复制并粘贴确切的错误信息，我会尽力协助你排查问题。

一如既往，我会持续关注最新的AI新闻和工具并与大家分享。如果你喜欢这个视频，记得点赞、转发并订阅频道，以便不错过更多精彩内容。此外，AI领域每周都在发生大量变化，我无法在我的YouTube频道上涵盖所有内容。

因此，为了真正跟上AI领域的最新动态，请务必订阅我的免费每周通讯简报。相关链接将在下方的描述中提供。感谢观看，我们下期再见。