closerAI-qwen-image-Helper套件节点。
1014更新至V1.4版本
会员共享。
现阶段套件节点说明及操作如下：
closerAI-qwen-image-Helper
面向 Qwen-Image 2.1 的中文提示词增强与双路线推理加速套件。覆盖文生图、图片编辑、角色设定表，以及 Spectrum 特征预测和 Viggle Turbo 6～8 步蒸馏工作流。
套件包含什么
套件目前包含五个节点：一个提示词节点、一个 Spectrum 节点，以及三个 Viggle Turbo 节点。可以按任务选择常规步数预测加速或 6～8 步蒸馏加速。
closerAI-qwen-image提示词增强
调用 OpenAI 兼容的文本或多模态 API，将简短需求改写成适合 Qwen-Image 2.1 的中文提示词。
- 文生图、图片编辑、角色设定表三模式
- 角色表支持精简人物与完整复杂两档
- 轻度、标准、专业三档增强
- 自动选择宽高比和官方 2K 尺寸
- 多图角色绑定与未编辑区域保护
- API 失败自动回退原提示词
closerAI Qwen-Image 2.1 加速（Spectrum）
在部分采样步预测末端 hidden feature，跳过昂贵的 32 层 Transformer，只运行输出头。
- 无需训练，不修改模型权重
- 支持 T2I、I2I、多参考图和 RGBA
- 内置 4GB 至 24GB 以上显存预设
- 异常时自动回退完整计算
- 支持 CPU、卸载设备和 GPU 缓存
closerAI Qwen-Image 2.1 Viggle Turbo LoRA（未合并）
以运行时旁路方式加载 Viggle Turbo v0.2.1 蒸馏 LoRA，避免把 LoRA 直接合并进 BF16 或量化基础权重造成额外精度损失。
- 推荐使用官方 6-step r128 或 r256 LoRA
- 默认强度
1.0 - 配合 Euler、BasicGuider 和自定义 Sigmas
- 面向 6～8 步快速生成
Viggle Turbo Sigmas 与条件联结
根据 latent 分辨率生成 Qwen-Image 2.1 flow-matching 时间偏移，并可在同一节点内部完成主条件与空提示词条件联结。
- 内置 6 步推荐、7 步细节、8 步文字预设
- 自动在 Sigmas 末尾追加 0
- 组合节点自动编码空提示词，无需用户另接空条件
- 同时输出“条件”和“Sigmas”
安装方法
将完整套件目录放入 ComfyUI 的自定义节点目录，然后重新启动 ComfyUI。
放置套件目录
确认最终目录名称为 closerAI-qwen-image-Helper，不要只复制其中单个 Python 文件。
重启 ComfyUI
重新启动后，在节点搜索中输入 closerAI。提示词、Spectrum 和 Viggle Turbo 节点均位于 closerAI-qwen-image-Helper 分类下。
准备 Qwen-Image 2.1
Spectrum 节点要求可访问内部模块的 Qwen-Image 2.1 Transformer；Viggle Turbo 还需要把官方 v0.2.1 6-step LoRA 放入 ComfyUI/models/loras/。
提示词增强：配置与操作
文生图可以调用普通文本模型；图片编辑和角色设定表必须使用支持图片输入的多模态模型，否则 API 无法理解参考图内容。
| 参数 | 作用 | 推荐 |
|---|---|---|
| 任务模式 | 选择文生图、图片编辑或角色设定表。 | 局部修改选“图片编辑”；需要三视图角色卡时选“角色设定表”。 |
| 强化强度 | 控制增强提示词的信息密度。 | 普通任务用“标准”；海报和复杂排版用“专业”。 |
| API地址 | OpenAI 兼容 Chat Completions 地址。 | 可填写到服务根地址、/v1 或完整接口。 |
| 模型名称 | API 服务端实际提供的模型 ID。 | 编辑模式选择视觉多模态模型。 |
| API密钥 | Bearer Token。 | 优先使用环境变量，避免把密钥保存到工作流。 |
| 温度 | 控制语言模型生成随机性。 | 0.3～0.5，默认 0.4。 |
| 随机种子 | 传给支持 seed 的 API，提高结果复现性。 | 需要固定结果时保持不变。 |
| 最大输出Token | 限制增强结果长度。 | 标准模式使用 4096。 |
| 超时秒数 | 单次 API 请求的最长等待时间。 | 默认 120 秒；远程多模态服务较慢时可适当提高。 |
| 失败时回退原提示词 | API 异常时不中断工作流。 | 建议开启。 |
| 角色设定表复杂度 | 选择精简人物卡或带装备、动作、剪影和细节格的完整角色表。 | 普通真人优先“精简人物”。 |
| 角色表标签语言 | 控制角色表内少量可见短标签的语言，提示词正文仍为中文。 | 按下游用途选择英文、中文或自动。 |
CLOSERAI_QWEN_API_KEY 和 OPENAI_API_KEY。API 密钥输入框留空即可使用环境变量。文生图操作
填写原始提示词
可以输入简短中文，例如“雨中弹吉他的柯基，电影感横版”。
选择文生图与强化强度
节点会输出中文画面描述，并单独返回宽高比、宽度和高度。
连接文本编码节点
将“增强提示词”连接到 Qwen-Image 2.1 文本编码输入；宽度和高度可连接到对应 latent 节点。
图片编辑操作
连接参考图
按顺序连接参考图1至参考图10。节点在 API 请求中按 <image1>、<image2> 的顺序管理它们。
选择图片编辑
使用支持视觉输入的 API 模型。节点会识别基础画布、身份参考、服装、商品和场景来源。
使用跟随图片输出
原图内编辑通常输出 <image1>；新海报或新构图通常输出明确宽高比。
角色设定表操作
连接角色参考图
至少连接一张清晰参考图，并在原始提示词中填写角色名称、用途和需要重点展示的设计。
选择复杂度
真人和视频角色参考使用“精简人物”；机甲、武器、翅膀、能力特效或不对称装备使用“完整复杂”。
生成 3:2 角色表
节点先审计参考图并提取身份锁定，再输出中文成品提示词；角色设定表模式固定使用 3:2。
Spectrum 加速：连接与预设
该节点不是 4 步 LoRA。它保留原采样步数，但让其中一部分步骤不再运行完整 Transformer。
| 显存预设 | 缓存位置 | 加速倾向 | 适用建议 |
|---|---|---|---|
| 4GB | CPU | 保守 | 低分辨率尝试，减少额外显存压力。 |
| 8GB | CPU | 平衡 | 适合 RTX 4060 Ti 等 8GB 显卡。 |
| 8GB～16GB | ComfyUI 卸载设备 | 中等 | 速度与显存占用折中。 |
| 16GB～24GB | GPU | 较激进 | 减少 CPU 与 GPU 之间的特征传输。 |
| 24GB以上 | GPU | 速度优先 | 允许更长预测间隔，复杂任务仍需检查画质。 |
| 自定义 | 手动 | 可调 | 只有选择“自定义”时，下方手动参数才生效。 |
预设自动参数
选择显存档位后，下列参数会自动生效并覆盖节点面板里的手动值；只有选择“自定义”时，手动参数才参与计算。
| 预设 | 预热 | 末尾真实 | 初始间隔 | 间隔增长 | 最大连续预测 | 历史点 | Chebyshev阶数 | 混合权重 | 缓存 |
|---|---|---|---|---|---|---|---|---|---|
| 4GB | 4 | 2 | 2.0 | 0.50 | 6 | 4 | 2 | 0.35 | CPU |
| 8GB | 4 | 2 | 2.0 | 0.75 | 8 | 6 | 3 | 0.50 | CPU |
| 8GB～16GB | 4 | 2 | 2.0 | 1.00 | 10 | 8 | 4 | 0.50 | 卸载设备 |
| 16GB～24GB | 4 | 1 | 2.0 | 1.50 | 12 | 8 | 4 | 0.60 | GPU |
| 24GB以上 | 4 | 1 | 2.0 | 2.00 | 14 | 8 | 4 | 0.65 | GPU |
调参原则
- 间隔增长越大，完整 Transformer 调用越少，但纹理和文字更容易漂移。
- 预热步数提供预测历史，过低可能导致前期构图不稳定。
- 末尾真实步数负责恢复细节，文字、毛发和商品图建议保留 2～4 步。
- 历史特征点数越多拟合越稳，但占用更多内存。
- 8GB 显卡建议先用 25 步、8GB 预设和 CPU 缓存。
Viggle Turbo：6～8 步加速
Viggle Turbo 通过蒸馏 LoRA 压缩采样步数，与 Spectrum 的运行时特征预测是两种不同路线。追求极限速度时优先使用 Viggle Turbo。
| 步数预设 | 原始节点 | 适用场景 |
|---|---|---|
| 6步推荐 | 1.0, 0.9375, 0.875, 0.75, 0.5, 0.25 | 默认选择，速度和整体质量平衡。 |
| 7步细节 | 1.0, 0.9583, 0.9167, 0.875, 0.75, 0.5, 0.25 | 高噪声端增加一步，适合人物、材质和复杂边缘。 |
| 8步文字 | 1.0, 0.9375, 0.875, 0.75, 0.625, 0.5, 0.25, 0.125 | 适合海报、小字、信息图和密集排版。 |
| 自定义 | 英文逗号分隔并严格递减 | 仅建议熟悉 flow-matching 调度后使用。 |
推荐节点连接
加载未合并 LoRA
使用 closerAI Qwen-Image 2.1 Viggle Turbo LoRA（未合并），选择 v0.2.1 的 r128 或 r256 文件，强度保持 1.0。
编码主提示词
将增强后的中文提示词交给 Qwen-Image 2.1 文本编码器，得到主条件。
自动联结空条件
把主条件、同一个 CLIP 和 latent 接入 closerAI Viggle Turbo 条件联结与 Sigmas。节点会在内部编码空字符串并追加到主条件，不需要再放置空文本编码节点。
连接高级采样器
“条件”输出连接 BasicGuider，“Sigmas”输出连接 SamplerCustomAdvanced；采样器使用 Euler，不使用 CFG 负面提示词。
THIRD_PARTY_NOTICES.md。推荐组合工作流
先根据目标选择一条加速路线：常规步数与兼容性优先使用 Spectrum，极限速度优先使用 Viggle Turbo。
提示词增强 + Spectrum
适合原本使用 20～40 步的文生图、编辑和多参考图流程。在不训练 LoRA 的前提下减少完整 Transformer 调用。
提示词增强 + Viggle Turbo
适合需要 6～8 步快速出图的场景。使用专用蒸馏 LoRA、BasicGuider、Euler 和分辨率自适应 Sigmas。
workflows/ 目录提供文生图 6 步，以及多图编辑 6 步、7 步、8 步 Viggle Turbo 工作流，可直接导入 ComfyUI 检查节点连接。常见问题
提示词增强节点必须使用官方 Qwen Prompt Enhancer 吗？
不需要。该节点通过 OpenAI 兼容 API 调用外部 LLM/VLM。文生图可使用文本模型；图片编辑应使用能看图的多模态模型。
为什么随机种子相同，增强结果仍可能略有差异？
并非所有 API 都支持 seed，也并非所有服务都承诺严格确定性。节点会传递随机种子；服务商不支持时会自动移除并重试。
为什么图片编辑节点输出“跟随图片”？
原图内局部编辑应继承基础画布比例，因此返回 <image1> 等标记。创建新海报、新合影或新构图时，则返回独立宽高比。
角色设定表应该选择精简人物还是完整复杂？
普通真人、写实人物和视频角色参考优先选择“精简人物”，减少重复面板造成的脸型漂移。存在武器、机甲、翅膀、能力特效、多层装备或明显左右不对称时，再使用“完整复杂”。
角色设定表能直接作为 LoRA 训练数据吗？
不建议。角色表是一张多视图拼贴，适合下游图像或视频模型参考；LoRA 训练仍应准备独立、清晰、无遮挡、覆盖多个角度的单图样本。
Spectrum 能把模型变成 4 步吗？
不能。Spectrum 是推理时特征预测，通常仍使用 20～40 步，只是减少其中完整 Transformer 的运行次数。真正的 4 步模型需要蒸馏 LoRA。
Viggle Turbo 为什么使用 BasicGuider？
Viggle Turbo 的推荐流程关闭传统 CFG，不依赖负面提示词，因此使用 BasicGuider。提示词质量会直接影响结果，建议先通过本套件的提示词增强节点整理正向描述。
6、7、8 步应该怎么选？
一般生成先用 6 步；人物、材质和复杂边缘可尝试 7 步；海报、小字和密集排版优先 8 步。三档不仅是末尾增加步数，其原始 sigma 节点也不同。
启用加速后哪些内容最容易损失？
细小文字、毛发、织物纹理、商品标记和复杂多主体关系最敏感。提高末尾真实步数或降低间隔增长可以换取更稳定的画质。
为什么量化模型不能使用 Spectrum？
Spectrum 需要访问原生 Transformer 的 transformer_blocks、norm_out 和 proj_out。如果量化封装隐藏了这些模块，节点会拒绝加载或回退完整计算。
套件节点下载：
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
评论(0)