tools-only Qwen Image / Qwen Image Edit (Alibaba)
Overview
| Aspect | Detail |
|---|---|
| Provider | Alibaba Qwen |
| Parameters | 20B (MMDiT) |
| License | Apache 2.0 (Open Source) |
| Strengths | Text rendering, Chinese/English, precise editing |
| ComfyUI | Native support + GGUF versions |
Models
| Model | Purpose | Released |
|---|---|---|
| Qwen-Image | Text-to-image generation | 2025 |
| Qwen-Image-Edit | Image editing | Aug 2025 |
| Qwen-Image-Edit-2511 | Enhanced editing, better consistency | Dec 2025 |
| Qwen-Image-Layered | Layer-based generation | Dec 2025 |
Prompt Philosophy
"Paint a picture with words in structured way"
1-3 sentences work best. Order matters: main subject first.
Prompt Structure
[Subject description] + [Setting/environment] + [Style] + [Technical details]
Key Parameters
| Parameter | With Lightning LoRA | Without Lightning | Notes |
|---|---|---|---|
| CFG/Guidance | 1.0 (fixed) | 2.5-4.0 | Lightning requires CFG=1 |
| Steps | 4 or 8 | 20-40 | Match LoRA version |
| Seed | Any integer | Any integer | Same seed + prompt = same output |
⚠️ CRITICAL: เมื่อใช้ Lightning LoRA ต้องตั้ง CFG=1.0 เท่านั้น ถ้าใช้ค่าอื่นจะได้ผลลัพธ์ไม่ดี
Generation Prompts
Portrait
Professional portrait of a young Asian woman, 25 years old,
wearing a white blouse, natural makeup, gentle smile.
Soft studio lighting, neutral gray background.
Shot on 85mm lens, shallow depth of field.
Clean, commercial photography style.
Text in Image
Minimalist poster with the text "HELLO WORLD" in bold sans-serif font.
Text is centered, white color on dark blue background.
Modern typography, clean design, no other elements.
Complex Scene
Cozy coffee shop interior, morning light streaming through large windows.
A person reading a book at a wooden table, steaming cup of coffee nearby.
Warm color palette, natural lighting, lifestyle photography style.
Shallow depth of field focusing on the person.
Edit Prompts (Qwen-Image-Edit)
Editing Types
| Type | Description | Example |
|---|---|---|
| Appearance | Local changes, preserve rest | Remove object, change color |
| Semantic | Overall changes allowed | Style transfer, rotation |
| Text | Modify text in image | Change words, add text |
Edit Prompt Format
[What to change]: [How to change it]
[What to keep]: [Elements to preserve]
Examples
Remove Object:
Remove the car in the background.
Keep the person and all foreground elements unchanged.
Extend the natural background seamlessly.
Change Style:
Transform this photo into a watercolor painting style.
Keep the composition and subject positioning.
Soft brushstrokes, muted colors, artistic effect.
Text Edit:
Change the sign text from "OPEN" to "CLOSED".
Keep the same font style, size, and color.
Preserve the rest of the image exactly.
Add Element:
Add a small bird perched on the tree branch in the upper right.
Natural lighting matching the scene.
Keep everything else unchanged.
ComfyUI Setup
Model Files
| File | Location | Size |
|---|---|---|
qwen_image_fp8.safetensors |
models/unet/ |
~20GB |
qwen_2.5_vl_7b_fp8_scaled.safetensors |
models/text_encoders/ |
~7GB |
qwen_image_vae.safetensors |
models/vae/ |
~100MB |
Qwen-Image-Lightning-4steps-V1.0.safetensors |
models/loras/ |
Optional |
GGUF Versions (Lower VRAM)
| Variant | VRAM | Quality |
|---|---|---|
| Q8_0 | ~24GB | Best |
| Q5_K_M | ~16GB | Good |
| Q4_K_M | ~12GB | Acceptable |
Custom Nodes
- Comfyui-QwenEditUtils - Editing utilities with mask support
LoRA Configuration (ComfyUI)
⚠️ IMPORTANT: LoRA ไม่มี Trigger Words
Qwen Image Edit LoRAs ไม่ต้องใช้ trigger words พิเศษ เขียน prompt เป็นภาษาธรรมชาติได้เลย ระบบจะ activate LoRA อัตโนมัติตามที่เปิดใช้งาน
Available LoRAs
| LoRA | Purpose | When to Enable |
|---|---|---|
| Multiple-angles | เปลี่ยนมุมกล้อง | Prompt เกี่ยวกับ camera angle (low/high angle, side view, etc.) |
| consistence_edit | รักษา consistency | ต้องการให้ผลลัพธ์คงเดิมมากที่สุด |
| bfs_head_swap | สลับหัว/หน้า | ใช้ 2 รูป - เอาหน้าจากรูป 1 ไปใส่รูป 2 |
| clothes_tryon | เปลี่ยนเสื้อผ้า | ใช้ 2 รูป - เอาเสื้อผ้าจากรูป 1 ไปใส่คนในรูป 2 |
| Lightning-4steps | เร่งความเร็ว (4 steps) | Default ON - ใช้เสมอเพื่อความเร็ว |
| Lightning-8steps | เร่งความเร็ว (8 steps) | ถ้า 4 steps ไม่ work ค่อยลอง 8 |
Default Settings
- เปิด: Lightning-4steps เท่านั้น
- ปิด: LoRA อื่นๆ ทั้งหมด (เปิดตาม task)
LoRA Selection by Task
| Task | LoRAs to Enable | Steps |
|---|---|---|
| Basic edit (แสง, สี, พื้นหลัง) | (none, ใช้ default) | 4 |
| Camera angle change | Multiple-angles | 4 |
| Head/face swap | bfs_head_swap | 4 |
| Clothes change | clothes_tryon | 4 |
| High consistency | consistence_edit | 4 |
| Quality mode | ปิด Lightning ทั้งคู่ | 20 |
Speed vs Quality
| Mode | Lightning LoRA | Steps | Time | Use Case |
|---|---|---|---|---|
| Fast | 4-steps ON | 4 | ~10s | Iteration, testing |
| Medium | 8-steps ON | 8 | ~20s | ถ้า 4 steps ไม่ดีพอ |
| Quality | ทั้งคู่ OFF | 20 | ~50s | Final output |
Multi-Image Editing
Qwen Image Edit รองรับ 1-3 รูป สำหรับ reference:
| Images | Use Case | Example Prompt |
|---|---|---|
| 1 รูป | Edit รูปเดียว | "Turn to side profile view" |
| 2 รูป | Combine/swap elements | "Use face from image 1, pose from image 2" |
| 3 รูป | Complex composition | "Combine elements from all three images" |
Reference-Based Editing Best Practices
⚠️ CRITICAL: อย่าบรรยายใบหน้าเมื่อใช้ reference image
เมื่อใช้รูป reference สำหรับใบหน้า/ตัวคน:
- ❌ ห้าม: "A woman with curly hair, round face, wearing glasses..."
- ✅ ถูกต้อง: "Use the face from image 1" หรือ "Keep the person's appearance"
เหตุผล: Dual-path encoding ของ Qwen จะดึง visual features จากรูปโดยตรง การบรรยายซ้ำอาจทำให้เกิด conflict
Pattern ที่แนะนำ:
[Action/Change] + [Reference to which image] + [What to preserve]
ตัวอย่าง:
| Task | Prompt |
|---|---|
| Face swap | "Replace face with the person from image 1. Keep pose and clothing." |
| Style transfer | "Apply the art style from image 2. Keep the subject unchanged." |
| Outfit change | "Dress in the outfit from image 2. Keep face and pose." |
| Pose transfer | "Adopt the pose from image 2. Keep the person's identity." |
Prompt Tips for LoRA Tasks
Camera Angle (Multiple-angles):
Turn the camera to a low-angle view, looking up at the subject.
Keep appearance and clothing unchanged.
Head Swap (bfs_head_swap):
มี recommended prefix h34d_sw4p: ที่อาจช่วยให้ผลลัพธ์ดีขึ้น:
h34d_sw4p: replace the head of Picture 1 by the head from Picture 2,
strictly preserving the identity, facial features (eyes, nose, mouth),
and skin texture of Picture 2.
หรือแบบ simple (focus face only):
face swap face from Image 1 to Image 2. swap only the face and not the hair.
Tips:
- Image 1 = face source, Image 2 = body/pose
- High-quality input ไม่มี compression artifacts จะได้ผลดีกว่า
Clothes Change (clothes_tryon):
Dress the person in image 1 with the outfit from image 2.
Keep the original pose and background.
Tips
- Prompt length: 1-3 sentences optimal, paragraph OK
- Text in quotes: For on-image text, use quotes and specify font
- Seed for iteration: Lock seed to iterate on details
- CFG with Lightning: ต้องใช้ CFG=1.0 เท่านั้น (fixed)
- CFG without Lightning: 2.5-4.0 แนะนำ
- Lightning LoRA: 4-step default, เปิด LoRA อื่นตาม task
- Start simple: ลอง default ก่อน ค่อยเปิด LoRA เพิ่ม
- Quality for final: ปิด Lightning + 20-40 steps สำหรับ final output
- Reference images: อย่าบรรยายใบหน้าซ้ำ ให้ระบบดึงจากรูป
Related Models
Z-Image-Turbo (ไม่ใช่ Qwen)
| Aspect | Detail |
|---|---|
| Type | Text-to-Image (ไม่ใช่ Editing) |
| Parameters | 6B |
| Speed | ~1.5 seconds (8 steps) |
| Use Case | Fast iteration, concept exploration |
สำคัญ: Z-Image-Turbo เป็น text-to-image ไม่รองรับ image editing ถ้าต้องการ edit รูป ใช้ Qwen-Image-Edit แทน
| Need | Use Model |
|---|---|
| Generate new image (fast) | Z-Image-Turbo |
| Edit existing image | Qwen-Image-Edit |
| High quality generation | Qwen-Image |