ComfyUI Extension: comfyui_qwen_image_edit_adv

Authored by lenML

Created

Updated

29 stars

Improved qwen image editing accuracy

Custom Nodes (0)

    README

    Qwen Image Edit Adv - ComfyUI Nodes

    cn | en

    这里提供了改进后的 Qwen Image Edit 相关自定义节点。

    主要目标：

    1. 解决偏移问题：修复 ComfyUI 内置节点因强制缩放导致的编辑结果偏移。
    2. 多图上下文支持：新增支持多张参考图像的输入（Multi-Image Context），不仅仅局限于单张图片编辑。
    3. 灵活缩放：提供符合模型训练分布（1024px, 32 对齐）的专业缩放工具。

    节点列表

    本插件包含两类节点：编码节点 (Encoding) 和 缩放节点 (Scaling)。

    1. 编码节点 (Encoding Nodes)

    这些节点仅负责编码 Prompt 和图像 Latent，不包含任何缩放逻辑，确保流程透明可控。所有编码节点均继承自同一基类，输出 CONDITIONING 和 LATENT。

    🛠️ TextEncodeQwenImageEditAdv (标准版)

    • 输入：单张图片 (image)
    • 适用场景：标准的单图编辑任务。
    • 功能：与原版内置节点类似，但移除了缩放，且修复了逻辑。

    🛠️ TextEncodeQwenImageEditPlusAdv (三图版)

    • 输入：显式的三个图片输入口 (image1, image2, image3)
    • 适用场景：需要固定多图参考的场景。
    • 功能：你可以将不同的图片源分别接入，模型会按顺序理解为 "Picture 1", "Picture 2"... 并结合 Prompt 进行处理。

    🛠️ TextEncodeQwenImageEditInfAdv (无限版/Batch 版)

    • 输入：一个图片批次 (images)
    • 适用场景：动态多图、图片列表或大于 3 张图片的场景。
    • 功能：将输入的 Image Batch（例如通过 Batch Images 节点合并的一组图片）拆解为多张参考图序列。
    • 注意：这不是“批量生成”，而是“多图上下文”。输入的 Batch 会被视为同一任务中的多张参考素材。

    2. 缩放节点 (Scaling Nodes)

    由于 Qwen Image Edit 模型对分辨率极其敏感（训练数据集中在 1024x1024 附近），建议在进入编码节点前使用以下节点对图像进行预处理。

    📐 QwenImageEditSimpleScale (推荐)

    <img width="473" height="244" alt="image" src="https://github.com/user-attachments/assets/b7f18ef8-1513-4899-a4bd-3392adf89980" />

    简化版缩放节点，大多数情况下使用此节点即可。

    • Resolution：默认 1024。模型对此分辨率优化最好。
    • Logic：自动计算缩放比例，使总像素量接近 1M (1024x1024)，并保证长宽符合 Alignment 要求。

    📐 QwenImageEditScale (高级)

    <img width="459" height="368" alt="image" src="https://github.com/user-attachments/assets/548bcec4-9533-4e25-aef4-e30ffd0a9542" />

    提供高度可配置的缩放与裁剪逻辑，适合调试。

    • ratio_strategy:
      • closest: 自动裁剪为最接近的官方允许比例（推荐）。
      • disabled: 不裁剪，仅缩放。
      • W:H: 强制裁剪到指定比例。
    • target_megapixels: 控制总像素量（推荐 1.0）。数值越大模型自由度越高但易崩坏，数值越小一致性越强。
    • alignment: 尺寸对齐步长（推荐 32）。

    为什么需要这些节点？

    1. 避免偏移

    ComfyUI 内置的 TextEncodeQwenImageEdit 包含强绑定的缩放，导致输入图片被强制 Resize，从而使生成的 Latent 与原图产生位置偏移。本插件将缩放与编码解耦，你可以精确控制进入模型的图像尺寸。

    2. 多图编辑逻辑

    Qwen-VL 具有多模态理解能力。通过 PlusAdv 和 InfAdv 节点，底层 Prompt 会被构建为：

    Picture 1: <vision_tokens...>
Picture 2: <vision_tokens...>
User: <prompt>

    这使得你可以进行更复杂的编辑任务，例如“基于图 1 的构图和图 2 的颜色生成新图像”。

    示例工作流

    对比测试

    你可以使用 ./workflows/demo_compare.json 快速对比官方流程与本节点输出结果。

    推荐参数

    • Resolution: 1024
    • Alignment: 32
    • CFG: 推荐较低的 CFG (e.g., 1.0 - 2.5) 以获得更好的指令遵循能力。

    LoRA 推荐

    结合以下 LoRA 使用，可以进一步提升一致性和低分辨率效果：