closerAI-qwen-image-Helper套件节点
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 的提示词增强与推理加速套件。用中文结构化提示词降低复杂生成和多图编辑的使用门槛，并通过 Spectrum 特征预测减少完整 Transformer 计算。
套件包含什么
两个节点分别处理生成前的提示词组织和采样阶段的性能优化，可单独使用，也可以组合进同一条工作流。
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。
- 文生图和图片编辑双模式
- 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
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-qwen-image。节点分类位于 closerAI-qwen-image-Helper。
准备 Qwen-Image 2.1
Spectrum 节点要求 ComfyUI 原生 Qwen-Image 2.1 Transformer。隐藏内部模块的特殊量化封装可能无法使用。
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 | 选择文生图或图片编辑。 | 有参考图时选“图片编辑”。 |
| 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。 |
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。
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。
推荐组合工作流
提示词增强解决“模型不知道你具体想要什么”，Spectrum 解决“每一步完整计算太慢”。
增强提示词
把短需求整理为中文成图描述或精确编辑指令，同时获取建议比例。
准备条件输入
连接 Qwen 文本编码、多参考图、latent 和可选 LoRA。
应用 Spectrum
根据显卡选择预设，再将输出模型接入采样器。
检查最终质量
文字密集、商品 Logo、人物身份和复杂多图任务应与未加速结果对照。
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。
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。
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)