Qwen-Image: текст в изображение
Генерация изображений с исключительными возможностями многоязычной визуализации и редактирования текста с использованием модели Qwen-Image 20B MMDiT.
Попробовать пример
Об этом рабочем процессе
Этот рабочий процесс демонстрирует генерацию «текст в изображение» с помощью 20B MMDiT diffusion transformer от Qwen-Image внутри ComfyUI. В центре — специализированная нода генерации Qwen-Image (UUID: e5cfe5ba-2ae0-4bc4-869f-ab2228cb44d3), которая загружает веса модели Qwen-Image и создаёт изображение напрямую из вашего промпта. Нода MarkdownNote даёт подсказки прямо внутри графа, а нода SaveImage записывает финальный выход в ваш выходной каталог ComfyUI.
Технически нода Qwen-Image запускает модель 20B MMDiT целиком, выполняя кондиционирование промпта и шаги диффузии внутри ноды. Официальные файлы модели доступны в репозиториях Comfy-Org/Qwen-Image_ComfyUI (Hugging Face или Modelscope). Рабочий процесс поддерживает практичные пресеты соотношений сторон и разрешений (например, 1328×1328 для 1:1, 1664×928 для 16:9, 928×1664 для 9:16, 1472×1140 для 4:3). На RTX 4090D 24GB конфигурация FP8 e4m3fn, по наблюдениям, завершает первое изображение примерно за 90 секунд, а последующие — быстрее, в зависимости от настроек. Qwen-Image рассчитана на рендер многоязычного текста внутри изображений, поэтому хорошо подходит для постеров, вывесок, UI-мокапов и другой графики, где важна читаемость текста.
Вопросы и ответы
Скачайте из репозиториев Comfy-Org/Qwen-Image_ComfyUI на Hugging Face или Modelscope. Следуйте инструкциям по размещению из репозитория (обычно — в каталоге моделей ComfyUI). Затем выберите checkpoint в ноде Qwen-Image.
Используйте предоставленные пресеты, протестированные с этим рабочим процессом: 1328×1328 (1:1), 1664×928 (16:9), 928×1664 (9:16) и 1472×1140 (4:3). Большие размеры могут улучшить читаемость, но увеличивают VRAM и время рендера.
На RTX 4090D 24GB FP8 e4m3fn работает эффективно и может отрендерить первое изображение примерно за 90 секунд; последующие запуски обычно быстрее в зависимости от настроек. FP8 e4m3fn — это низкоточная конфигурация, уменьшающая расход памяти. Если VRAM меньше, снизьте разрешение или используйте более лёгкую точность/checkpoint, если доступно.
Формулируйте текст и язык в промпте явно и кратко; избегайте слишком длинных и сложных инструкций, если нужна чёткая типографика. Выберите подходящий пресет разрешения, отдавайте предпочтение высококонтрастным фонам и итеративно уточняйте формулировки, если символы выглядят неоднозначно.
Похожие рабочие процессы
- Qwen, Qwen-Image
Qwen Image 2512
- Qwen-Image
Qwen Image Edit 2509
- Qwen-Image
Qwen Image: LoRA для иллюстраций
- Qwen-Image
Qwen Image: Желейные животные LoRA
- Qwen-Image
Qwen-Image InstantX ControlNet
- Qwen-Image
Qwen-Image Union Control
- Qwen-Image
Qwen-Image Инпейнтинг ControlNet
- Qwen-Image
Qwen-Image: текст в изображение
- Qwen-Image
Базовый ControlNet Qwen-Image
- Qwen-Image, SeedVR2
Генератор HDR-скайбокса в равнопромежуточной проекции