阿里巴巴推出的Qwen-Image-Edit-Plus模型，彻底解决了旧版单图参考的局限。它不仅支持多图输入，实现了更复杂的场景构建，还内置了ControlNet功能，无需额外模型即可精准控制人物姿势。这为虚拟试衣、产品展示等应用场景提供了强大且易用的解决方案，其生成效果的一致性令人印象深刻。
智能速览
Qwen-Image-Edit-Plus发布，支持多张参考图片输入，解决了旧版单图限制。
模型内置ControlNet，可直接控制人物姿势，无需额外LoRA模型。
ComfyUI已第一时间提供官方支持，用户更新软件后即可使用。
实测虚拟试衣效果惊艳，人物与服装一致性高，但细节易丢失。
复杂场景下，人物与场景风格匹配度是影响生成质量的关键因素。
测试发现使用加速LoRA会显著降低生成图片的质量，需谨慎使用。
精华内容
从单图到多图，从外挂ControlNet到内置功能，Qwen-Image-Edit-Plus的升级不止于数量。通过一系列实测，可以更清晰地看到它在具体应用中的表现与潜力，以及一些需要注意的细节。
姿势精准控制
Qwen-Image-Edit-Plus最大的亮点是内置了ControlNet功能。这意味着无需额外训练和加载LoRA模型，用户即可通过一张姿势图，精确控制参考人物的姿态。实测中，将一位坐姿美女的姿势参考图输入后，生成的新图片完美复刻了姿势，同时保持了人物面部和服饰的高度一致性，过程简便且效果出色。提示词支持直接使用‘图片1’、‘图片2’等标识，操作非常直观。
多图融合试穿
利用多图参考功能，模型可以实现高质量的虚拟试衣和物体融合。在一个测试案例中，同时输入人物、姿势和服饰三张参考图，生成的结果准确地将指定服饰穿在了人物身上，并摆出了相应姿势。发饰、耳环等细节还原到位，但手表、包包等小型配饰则容易丢失，说明目前模型更适合处理主体服饰，对零碎小物的捕捉能力仍有提升空间。
场景无缝融入
将指定人物置入特定场景是该模型的另一大应用。测试表明，当场景图与生成图的分辨率、比例（如16:9横版）匹配时，生成效果几乎能完整保留原场景氛围，人物融入自然。但如果场景图比例不符，背景环境会发生较大变化，导致一致性下降。这提示使用者，要想获得最佳效果，需要提前调整好参考素材的分辨率和长宽比。
多人一致性难题
在处理多人物场景时，模型的表现与场景复杂度及人物风格匹配度密切相关。当生成一个东方男性和女性在河边相视而笑的场景时，两人的一致性都得到了很好的保持。然而，在尝试生成西方人物穿着中式婚服的场景时，模型为了适配文化元素，牺牲了其中一方（女性）的人物一致性，导致面部特征丢失。这表明，在跨文化或风格差异较大的场景中，模型对一致性的保持能力会受到挑战。
实操关键建议
在实际使用中，有几个关键点需要注意。首先，ComfyUI已官方支持该模型，用户只需更新软件并下载官方提供的BF16或FP8格式模型即可开始使用，VAE和文本编码器与旧版通用。其次，经过多次测试验证，使用加速LoRA会显著降低图片的生成质量，建议用户在追求效果时尽量避免使用。这些细节的把握，直接影响到最终成品的品质。
Qwen-Image-Edit-Plus的发布，无疑是AI图像编辑领域的一个重要进步，它通过多图参考和内置ControlNet，极大地降低了创作门槛。虽然在处理复杂多人物或跨风格场景时仍有挑战，但其展现出的高一致性和便捷性已足够惊艳。未来，随着模型的不断迭代，它能否在细节还原和复杂场景理解上带来更多惊喜？
