我要投稿

Qwen-Image 初体验，文字控制能力是真的强

发布日期：2025-08-06 08:55:54 浏览次数： 1599

作者：Grafana 爱好者

微信搜一搜，关注“Grafana 爱好者”

最近 AI 图像生成领域又添一员猛将 —— 阿里云 Qwen 团队开源的Qwen-Image。作为一款 20B 参数的 MMDiT（多模态扩散 Transformer）模型，它以「复杂文本渲染」和「精准图像编辑」为核心亮点，尤其在中英文等多语言文字生成上表现突出。

今天就用 ComfyUI 的官方工作流来聊聊实际上手体验感受。

关于 Qwen-Image

在开始试用前，先快速了解下这款模型的核心信息：

定位：Qwen 系列图像生成基础模型，主打文本渲染与图像编辑。
参数与许可：20B 参数，基于。Apache 2.0 开源许可，可免费商用。
核心优势：支持中英日韩等多语言高精度文本生成，能保持字体细节、布局一致性；同时兼容写实、动漫、印象派等多种艺术风格。
开源渠道：模型权重已在 Hugging Face 和 Modelscope 开放下载。

运行 ComfyUI 官方 Workflow

主要参考链接 https://docs.comfy.org/tutorials/image/qwen/qwen-image，我主要使用使用官方推荐的这几个模型（主要为了省显存，我在跑的时候，出2K以下的图，显存有到30GB的时候）。

注意： Qwen-Image 的工作流依赖 ComfyUI 的最新开发版（Nightly），老版本可能缺少必要节点。

官方例子与即梦-图片3.1 对比

一幅精致细腻的工笔画，画面中心是一株蓬勃生长的红色牡丹，花朵繁茂，既有盛开的硕大花瓣，也有含苞待放的花蕾，层次丰富，色彩艳丽而不失典雅。牡丹枝叶舒展，叶片浓绿饱满，脉络清晰可见，与红花相映成趣。一只蓝紫色蝴蝶仿佛被画中花朵吸引，停驻在画面中央的一朵盛开牡丹上，流连忘返，蝶翼轻展，细节逼真，仿佛随时会随风飞舞。整幅画作笔触工整严谨，色彩浓郁鲜明，展现出中国传统工笔画的精妙与神韵，画面充满生机与灵动之感。
提示词 1

一个可抽取式的纸巾盒子，上面写着'Face, CLEAN & SOFT TISSUE'下面写着'亲肤可湿水'，左上角是品牌名'洁柔'，整体是白色和浅黄色的色调
提示词 2

手绘风格的水循环示意图，整体画面呈现出一幅生动形象的水循环过程图解。画面中央是一片起伏的山脉和山谷，山谷中流淌着一条清澈的河流，河流最终汇入一片广阔的海洋。山体和陆地上绘制有绿色植被。画面下方为地下水层，用蓝色渐变色块表现，与地表水形成层次分明的空间关系。太阳位于画面右上角，促使地表水蒸发，用上升的曲线箭头表示蒸发过程。云朵漂浮在空中，由白色棉絮状绘制而成，部分云层厚重，表示水汽凝结成雨，用向下箭头连接表示降雨过程。雨水以蓝色线条和点状符号表示，从云中落下，补充河流与地下水。整幅图以卡通手绘风格呈现，线条柔和，色彩明亮，标注清晰。背景为浅黄色纸张质感，带有轻微的手绘纹理。
提示词 3

一个会议室，墙上写着"3.14159265-358979-32384626-4338327950"，一个小陀螺在桌上转动
提示词 4

香港街头夜市全景，霓虹灯牌密集闪烁（包含中英文招牌如 “鱼蛋”“奶茶”“好运来”），挂满红灯笼的骑楼下方，商贩推着亮着暖光的小吃车（煎酿三宝、鸡蛋仔冒着热气），穿休闲装的行人（有年轻人举着食物大笑、老人在摊位前讨价还价）穿梭在拥挤街道；远处高楼玻璃幕反射着夜市灯火，高楼上的灯牌写着“大展宏图”四个字，天空透出暗紫色黄昏，整体色调温暖热闹，充满生活张力。
提示词 5

一个中国小女孩，扎着丸子头，穿着红色花棉袄，手里拿着对联，左边对联写着“门前大桥下，游过一群鸭”，右边对联写真“快来数一数，二四六七八”
提示词6

通过上面几个提示词对比可以看到，Qwen-Image 的中文提示词理解能力，文生图和文字控制能力与即梦最强生图模型 3.1 旗鼓相当。

试用感受 Qwen-Image fp8 模型感受

亮点-文本渲染真的「稳」

这是 Qwen-Image 最惊艳的地方。无论是复杂的中文短句（如「门前大桥下，游过一群鸭」），还是带符号的英文（如「Face, CLEAN & SOFT TISSUE」），甚至是圆周率小数点后多位数字，都能准确生成，且文字与场景融合自然 —— 不是简单「贴上去」，而是像真实场景中存在的文字（比如招牌上的字体有木质纹理，霓虹灯文字有发光效果）。

对比即梦模型，Qwen-Image 的文字控制精度甚至更精准，比如提示词6，即梦我生成了12张，没有一张是完整的。