Qwen-Image控制模型迎来重要更新，新增了局部重绘、姿态控制及联合控制模型。此次更新不仅丰富了图像生成的可能性，还通过8步加速模型提升了工作流效率。对于AI绘画爱好者而言，这些新功能提供了更精准的图像编辑手段，解决了以往模型在局部修改和特定姿态生成上的痛点。
智能速览
Qwen-Image推出四款控制模型，涵盖Canny、深度、重绘及联合功能。
局部重绘模型无需预处理器，直接输入图像遮罩效果更佳。
联合控制模型以LoRA形式加载，实现一站式多功能控制。
8步加速模型的应用，大幅提升了图像生成的工作流效率。
新模型解决了原模型重绘效果差的问题，可实现精准的文字添加与编辑。
精华内容
深入了解这些新模型的工作流配置，才能充分发挥它们的潜力。下面将拆解单任务模型与联合模型的核心用法，并揭示关键测试结论。
基础控制流搭建
Canny和深度图控制模型的流程基本一致。在ComfyUI中，需将模型放置在指定路径，并连接至新增的尺寸约束节点，这对于确保图像尺寸一致至关重要。模型建议使用1.1版本，其训练结果更为成熟。控制强度方面，除了调整模型权重，还可以通过更换预处理器（如将OpenPose调整为N9）来显著增强效果，从而获得更精细的边缘或深度还原。
这种标准化的流程为用户提供了熟悉的操作体验，降低了上手门槛。
局部重绘的突破
局部重绘模型是本次更新的核心亮点。其工作流更为简洁，图像和遮罩可直接输入模型，无需经过任何预处理器。测试表明，省略预处理步骤能获得更好的生成效果，例如在将人重绘为鸟人或替换特定元素时，肢体的准确性和融合度都更高。
此外，该模型擅长在指定区域添加或编辑文字，实现了指哪儿改哪儿，为图像叙事和设计提供了极大的便利。
联合控制模型用法
联合控制模型集成了前三种模型的功能，以LoRA形式加载，使用时需借助reference-latent节点对参考图像进行编码。这种方式类似于其他多模态模型的控制逻辑。
当需要同时控制画面构图、深度和局部修改时，联合模型提供了一站式解决方案，简化了复杂任务的节点连接。尤其在实现精准的人物姿态控制时，只需将预处理器设置为dw-open-pose即可，极大地扩展了创作自由度。
效率与价值结论
在所有新增功能中，局部重绘的控制价值最为突出，因为它弥补了原Qwen-Image模型在重绘效果上的短板。同时，8步加速模型的引入，让整体生成速度得到质的飞跃，使得高效率的迭代创作成为可能。
对于Canny控制，可以尝试输入文字图像进行创意渲染，进一步探索模型的潜力。整体而言，Qwen-Image的更新体系在功能和效率上都值得尝试。
Qwen-Image的这次更新，通过引入专业的重绘和姿态控制模型，显著提升了其在AI绘画工具链中的实用性和专业性。它不仅解决了用户的实际痛点，还通过加速优化改善了体验。未来，随着这些模型与更多创意工具的结合，是否将进一步释放AI视觉创作的想象空间？
