今天给大家演示一个 Qwen Edit OOTD 角色一致性穿搭换装的 ComfyUI 工作流。这个工作流从输入人物图像开始,通过自动分割衣物层、智能重构姿态与画幅、再结合 Qwen Image Edit 模型进行换装。
整个流程强调角色一致性,让同一个人物在不同服装风格下保持脸部、身形和气质不变。最终输出前后对比图,帮助你直观理解本教程的效果与实际产出。
文章目录
- 工作流介绍
- 核心模型
- Node 节点
- 工作流程
- 大模型应用
- TextEncodeQwenImageEdit 文本语义编码器(正向提示)
- TextEncodeQwenImageEdit 文本语义编码器(负向提示)
- easy promptConcat Prompt 合成器
- 使用方法
- 应用场景
- 开发与应用
工作流介绍
本工作流围绕“角色一致性换装”展开,通过一套完整的模型组合与节点链路实现从人物分割、尺寸处理、Prompt 编码、模型推理到结果拼接的全流程。核心依赖包括 Qwen Image Edit 模型、Qwen VAE、Qwen CLIP 以及可选 LoRA,用于保证角色特征稳定。工作中大量节点配合使用,例如服装分割节点、KSampler 采样器、Prompt 编码节点、尺寸计算节点与图像拼合节点等,它们协同让整个换装过程从输入到输出都更加自动化与精准。以下内容将结合模型表与节点表进行统一概述,让你能快速掌握整个工作流的构成。
核心模型
本工作流的核心由 Qwen Image Edit 系列模型组成,配合专用的 CLIP 编码器与 VAE 进行图像特征提取和重建。UNet 提供生成主体结构,LoRA 用于补充穿搭风格或角色一致性细节。模型之间构成一条稳定的编辑链路,让原图人物的脸型、五官和质感在换装后仍保持统一。结合模型表可以看到,从 UNet 到 CLIP、再到 VAE,每个模型承担的任务都明确且互补。
| 模型名称 | 说明 |
|---|---|
| qwen_image_edit_fp8_e4m3fn.safetensors | 主 UNet |