Skip to content

Qwen-Image-Edit निर्देश-आधारित इमेज एडिटिंग: एक वाक्य में बैकग्राउंड बदलें और टेक्स्ट एडिट करें (2509/2511 सहित) ​

Qwen-Image-Edit अलीबाबा की Qwen टीम द्वारा Qwen-Image 20B बेस मॉडल पर दोबारा ट्रेन किया गयानिर्देश-आधारित इमेज एडिटिंग मॉडल है: एक इमेज अपलोड करें, एक वाक्य लिखें — बैकग्राउंड बदलें, टेक्स्ट एडिट करें, मटेरियल बदलें — यह सीधे बदल देता है। यह पेज आपको आधिकारिक Qwen-Image-Edit वर्कफ़्लो को शुरू से चलाने में मदद करता है: शुरुआती टेम्पलेट, 4-स्टेप Lightning एक्सेलेरेशन, और फिर 2509 (मल्टी-इमेज कंसिस्टेंसी) और 2511 (मटेरियल रिप्लेसमेंट, कैरेक्टर कंसिस्टेंसी) तक अपग्रेड।

पिछले पाठ के Qwen-Image बेस मॉडल के साथ इसका काम बँटा है: बेस मॉडल शून्य से जनरेट करता है, एडिट लाइन मौजूदा इमेज पर सर्जरी करती है। यह इमेज-टू-इमेज जैसी «दोबारा बना देने वाली» भी नहीं है — इनपुट इमेज एक साथ Qwen2.5-VL (सिमेंटिक्स समझने के लिए) और VAE Encoder (रूप बनाए रखने के लिए) दोनों को दी जाती है, इसलिए बैकग्राउंड बदलने पर किरदार बिगड़ता नहीं और टेक्स्ट बदलने पर फ़ॉन्ट स्टाइल बना रहता है।

सीखने के बाद आप क्या कर सकेंगे ​

  • आधिकारिक टेम्पलेट लाइब्रेरी से Qwen-Image-Edit वर्कफ़्लो लोड करें, मॉडल फ़ाइलें पूरी करें, और पहली बार एक-वाक्य इमेज एडिटिंग चलाएँ
  • एक चीनी या अंग्रेज़ी निर्देश से बैकग्राउंड बदलें, इमेज में टेक्स्ट एडिट करें, इमेज की वस्तुएँ रिप्लेस करें
  • enable_turbo_mode स्विच चालू करके 4-स्टेप एक्सेलेरेटेड मोड पर स्विच करें, और जानें कि नेगेटिव प्रॉम्प्ट कब कार्य करता है
  • तीन पीढ़ियों के एडिट मॉडल का चुनाव बता सकें: शुरुआती संस्करण (सिंगल-इमेज निर्देश), 2509 (मल्टी-इमेज रेफ़रेंस), 2511 (मटेरियल रिप्लेसमेंट, कैरेक्टर कंसिस्टेंसी)
  • आधिकारिक 2511 मटेरियल रिप्लेसमेंट उदाहरण को दोहराएँ: दो इनपुट इमेज से लेदर सोफ़े को फ़र सोफ़े में बदलें

आपकी मौजूदा दिक्कत ​

  • आपके पास एक इमेज है और सिर्फ़ एक जगह बदलनी है — बैकग्राउंड बहुत अव्यवस्थित है, साइनबोर्ड का टेक्स्ट ग़लत है, सोफ़े का रंग सही नहीं — पूरी इमेज दोबारा जनरेट करना समय लेता है और नतीजा भी बिगड़ जाता है
  • इमेज-टू-इमेज से एडिट करने पर denoise कम रखने से कुछ बदलता नहीं, ज़्यादा रखने पर मुख्य विषय भी दोबारा बन जाता है; लोकल रीड्रॉ के लिए पहले mask बनाना पड़ता है
  • सुना है कि Qwen-Image-Edit के शुरुआती संस्करण, 2509, 2511 कई वर्शन हैं, पता नहीं कौन-सा डाउनलोड करें और मॉडल फ़ाइलें साझा उपयोग की जा सकती हैं या नहीं

यह तरीक़ा कब अपनाएँ ​

जब आपको चाहिए:

  • मौजूदा इमेज पर निर्देश-आधारित बदलाव: बैकग्राउंड बदलना, इमेज में टेक्स्ट बदलना या हटाना, वस्तुएँ रिप्लेस करना, मटेरियल बदलना
  • एडिट से पहले और बाद में मुख्य विषय एक जैसा रहे: किरदार का चेहरा न बिगड़े, सीरीज़ इमेज की स्टाइल एकरूप रहे
  • इमेज के अंदर का चीनी/अंग्रेज़ी टेक्स्ट बदलें, और फ़ॉन्ट, आकार, स्टाइल मूल रूप में रहे

और आप नहीं करना चाहते:

  • इमेज-टू-इमेज में बार-बार denoise एडजस्ट करके लॉटरी खेलना, जहाँ एक जगह बदलने से पूरी इमेज बदल जाती है
  • हाथ से mask बनाकर लोकल रीड्रॉ करना
  • जनरेशन और एडिटिंग के लिए दो अलग मॉडल, दो अलग वर्कफ़्लो के बीच फ़ाइलें एक्सपोर्ट-इंपोर्ट करना

🎒 शुरू करने से पहले की तैयारी ​

  • पिछला पाठ Qwen-Image टेक्स्ट-टू-इमेज चला चुके हों: चार फ़ाइलें तैयार हैं — टेक्स्ट एनकोडर और VAE इस पाठ में पूरी तरह साझा उपयोग के लिए हैं, दो बड़ी फ़ाइलें बच जाएँगी
  • मॉडल डायरेक्टरी नियम याद हों: diffusion_models, text_encoders, vae, loras में क्या रखना है (भूल गए हों तो दोबारा देखेंमॉडल कहाँ रखें)
  • एडिट मॉडल के लिए हार्ड डिस्क पर लगभग 20GB रखें (fp8 वेट 19.03GB + 4-स्टेप LoRA 0.81GB); पिछले पाठ में एनकोडर और VAE नहीं उतारे हों तो लगभग 9GB और जोड़ें
  • VRAM संदर्भ: एडिट मॉडल और बेस मॉडल दोनों 20B स्तर के हैं (fp8 वेट 19.03GB), बेस मॉडल की आधिकारिक टेस्टिंग देखें (RTX 4090D 24GB, उपयोग 86%); तंग हो तोVRAM की कमी में समाधान खोजें
  • नेटवर्क से Hugging Face कनेक्ट हो; कनेक्शन अस्थिर हो तो ModelScope के घरेलू सोर्स से जाएँ (चरण 2 में पता दिया गया है)
  • 2511 चलाना चाहते हैं तो पहले ComfyUI को नए वर्शन में अपडेट करें (आधिकारिक टेम्पलेट की न्यूनतम आवश्यकता 0.4.0)

मूल विचार ​

इंस्ट्रक्शन एडिटिंग और img2img में क्या अंतर है? img2img इनपुट इमेज को एक «रफ ड्राफ्ट» की तरह लेकर उसे फिर से denoise करता है, और denoise तय करता है कि कितना बदलाव होगा; Qwen-Image-Edit इनपुट इमेज को एक साथ दो चैनलों में डालता है—Qwen2.5-VL यह समझने का काम करता है कि «इमेज में क्या है» (विज़ुअल सिमेंटिक कंट्रोल), और VAE Encoder यह याद रखता है कि «इमेज कैसी दिखती है» (विज़ुअल अपीयरेंस कंट्रोल)। प्रॉम्प्ट मॉडल को दिया गयासंशोधन निर्देशहै, न कि दृश्य का विवरण। इसीलिए यह «सिर्फ वही बदल सकता है जो बदलना चाहिए»: टेक्स्ट बदलते समय फॉन्ट बना रहता है, बैकग्राउंड बदलते समय पात्र बने रहते हैं।

तीन पीढ़ियों में से कौन-सा वर्शन चुनें(तीनों 20B-स्तर के एडिट मॉडल हैं, लगातार अपग्रेड होते हुए):

वर्शनरिलीज़ समयमुख्य क्षमताएँआधिकारिक टेम्पलेट का नाम
Qwen-Image-Edit (पहला वर्शन)अगस्त 2025 (महीना 8)चीनी-अंग्रेज़ी टेक्स्ट का सटीक संपादन, डुअल सिमेंटिक/अपीयरेंस एडिटिंगQwen图像编辑
Qwen-Image-Edit-2509सितंबर 2025 9मल्टी-इमेज इनपुट (अधिकतम 3 इमेज), सीरीज़ इमेज में कंसिस्टेंसी, ControlNet सपोर्टQwen Image Edit 2509
Qwen-Image-Edit-2511दिसंबर 2025 12पात्र/कई लोगों की कंसिस्टेंसी, 材质替换, इंडस्ट्रियल डिज़ाइन, बिल्ट-इन कम्युनिटी LoRAQwen Image Edit 2511 - 材质替换

वर्कफ़्लो का ढाँचा(पहला वर्शन; पिछले पाठ के बेस मॉडल जैसा ही तीन-लोडर स्ट्रक्चर, बस «खाली कैनवास» की जगह «आपकी इमेज» आ गई है):

LoadImage (एडिट की जाने वाली इमेज)──→ TextEncodeQwenImageEdit (पॉज़िटिव इंस्ट्रक्शन)────→ KSampler ──→ VAEDecode ──→ SaveImage
                    ├──→ TextEncodeQwenImageEdit (निगेटिव, डिफ़ॉल्ट रूप से खाली)─→ KSampler (negative)
                    └──→ VAEEncode (इमेज को latent में बदलना)───────────────→ KSampler
UNETLoader (एडिट मॉडल 20B)─→ LoraLoaderModelOnly (4-स्टेप LoRA, स्विच से कंट्रोल)─→ ModelSamplingAuraFlow (shift 3)─→ CFGNorm ─→ KSampler
CLIPLoader (Qwen2.5-VL 7B, टाइप qwen_image)─→ TextEncodeQwenImageEdit ×2
VAELoader (VAE)─→ VAEEncode / VAEDecode

तीनों पीढ़ियों के डिफ़ॉल्ट पैरामीटर अलग हैं(वही enable_turbo_mode स्विच, लेकिन डिफ़ॉल्ट स्थिति तीनों पीढ़ियों में अलग है):

वर्शनस्विच का डिफ़ॉल्टवास्तव में चलने वाले पैरामीटरनिगेटिव प्रॉम्प्ट
पहला वर्शनबंद20 स्टेप / cfg 2.5, LoRA नहीं लगाया जाताप्रभावी
2509चालू4 स्टेप / cfg 1, 4-स्टेप LoRA लगाया जाता हैअप्रभावी
2511बंद40 स्टेप / cfg 4, LoRA नहीं लगाया जाताप्रभावी

टेम्पलेट नोट में दिया गया KSampler रेफ़रेंस टेबल (पहला वर्शन): आधिकारिक मूल सेटिंग 50 स्टेप / cfg 4.0, Comfy ट्यूनिंग 20 स्टेप / cfg 2.5, 4-स्टेप LoRA एक्सेलेरेशन मोड 4 स्टेप / cfg 1.0। 2509 / 2511 के डिफ़ॉल्ट पैरामीटर स्टेप 6 और 7 में दिए गए हैं। रोज़मर्रा में टेम्पलेट के डिफ़ॉल्ट का पालन करना ही काफ़ी है।

मेरे साथ करें ​

स्टेप 1: आधिकारिक Qwen-Image-Edit वर्कफ़्लो लोड करें ​

क्यों: आधिकारिक टेम्पलेट में नोड कनेक्शन, मॉडल डाउनलोड लिंक और एक्सेलेरेशन स्विच पहले से कॉन्फ़िगर होते हैं; शून्य से बनाना समय भी लेता है और नोड छूटने का ख़तरा भी रहता है।

कैसे करें: दो तरीकों में से कोई एक चुनें।

तरीका A: टेम्पलेट लाइब्रेरी से एक-क्लिक लोड (अनुशंसित) ​

बाईं पट्टी में Templates से टेम्पलेट लाइब्रेरी खोलें, Qwen Image Edit सर्च करें, और «Qwen图像编辑» चुनें (टेम्पलेट का नाम image_qwen_image_edit, अगस्त 2025 (महीना 8) में रिलीज़)। टेम्पलेट लाइब्रेरी की पूरी जानकारी टेम्पलेट लाइब्रेरी में देखें।

तरीका B: JSON डाउनलोड करके मैन्युअली खोलें ​

आधिकारिक टेम्पलेट फ़ाइल: image_qwen_image_edit.json, डाउनलोड के बाद मेन्यू Workflows → Open से खोलें।

आपको यह दिखना चाहिए: कैनवास के बीचोंबीच Qwen-Image-Edit नाम का सबग्राफ़ नोड है, जिसकी सतह पर image इनपुट, प्रॉम्प्ट, मॉडल फ़ाइलों के नामों की एक पंक्ति और एक enable_turbo_mode एक्सेलेरेशन स्विच (स्टेप 5 में इससे 4-स्टेप मोड पर स्विच करेंगे) दिखते हैं; साथ में एक नोट मॉडल के साइज़ और डाउनलोड लिंक से भरा है। सबग्राफ़ के इस्तेमाल पर आधिकारिक दस्तावेज़ उपलब्ध है: docs.comfy.org/interface/features/subgraph।

  • कैनवास पर Qwen-Image-Edit वर्कफ़्लो लोड हुआ है, सबग्राफ़ और मॉडल नोट दिख रहे हैं

स्टेप 2: चार मॉडल डाउनलोड करके सही डायरेक्टरी में रखें ​

क्यों: एडिट मॉडल को बेस मॉडल की तरह ही टुकड़ों में इंस्टॉल किया जाता है; ग़लत सबडायरेक्टरी में रखने पर loader की ड्रॉपडाउन लिस्ट में फ़ाइल नहीं मिलेगी; अच्छी ख़बर यह है कि एनकोडर और VAE पिछले पाठ वाले ही हैं।

कैसे करें: पहले तीन ज़रूरी हैं, चौथा सिर्फ़ एक्सेलेरेशन चाहिए तो डाउनलोड करें (इसके बिना भी स्टैंडर्ड मोड चलेगा):

फ़ाइलसाइज़किस सबडायरेक्टरी में रखेंडाउनलोड
qwen_image_edit_fp8_e4m3fn.safetensors19.03 GBmodels/diffusion_models/Hugging Face
qwen_2.5_vl_7b_fp8_scaled.safetensors8.74 GBmodels/text_encoders/Hugging Face (यदि पिछले पाठ में पहले से डाउनलोड कर लिया है तो छोड़ सकते हैं)
qwen_image_vae.safetensors242 MBmodels/vae/Hugging Face (ऊपर की तरह)
Qwen-Image-Edit-Lightning-4steps-V1.0-bf16.safetensors (वैकल्पिक)810.2 MBmodels/loras/Hugging Face

💡 देश के भीतर डाउनलोड के लिए ModelScope का उपयोग करें

संपादन मॉडल का ModelScope पर उसी रिपॉज़िटरी का मिरर है: Comfy-Org/Qwen-Image-Edit_ComfyUI; एनकोडर और VAE के लिए पिछले पाठ वाले Comfy-Org/Qwen-Image_ComfyUI मिरर का उपयोग करें, split_files के अंतर्गत उसी पथ वाली फ़ाइलें डाउनलोड करना ही पर्याप्त है।

⚠️ 4-स्टेप LoRA का फ़ाइल नाम वर्कफ़्लो के अनुसार ही मान्य है

आधिकारिक ट्यूटोरियल पेज पर Qwen-Image-Lightning-4steps-V1.0.safetensors (बेस जेनेरिक संस्करण) लिखा है, लेकिन वर्कफ़्लो टेम्पलेट वास्तव में संपादन-विशेष संस्करण Qwen-Image-Edit-Lightning-4steps-V1.0-bf16.safetensors का संदर्भ देता है। दोनों फ़ाइल नाम मिलते-जुलते लगते हैं लेकिन एक ही नहीं हैं; गलत डाउनलोड करने पर एक्सेलेरेशन पैक लोड नहीं होगा।

फ़ाइलें रखने के बाद कैनवास पर r दबाकर रिफ्रेश करें, और loader में संबंधित फ़ाइलें चुनें।

आपको यह दिखना चाहिए: लाल गायब-फ़ाइल चेतावनियाँ पूरी तरह गायब हो जाती हैं, और सबग्राफ की सतह पर सही मॉडल फ़ाइल नाम दिखते हैं।

  • अनिवार्य फ़ाइलें सभी सही सबडायरेक्टरी में हैं (यदि पिछले पाठ के एनकोडर और VAE पुनः उपयोग कर रहे हैं, तो इस पाठ में केवल दो नई फ़ाइलें डाउनलोड करनी हैं)

चरण 3: चित्र अपलोड करें, एक निर्देश लिखें, और पहली बार चित्र संपादन पूरा करें ​

क्यों: Edit का प्रॉम्प्ट दृश्य का वर्णन नहीं, बल्कि मॉडल को दिया गया संपादन निर्देश है — जो कहा जाए वही बदले, जो न कहा जाए उसे यथासंभव न छुए।

क्रियाएँ:

  1. सबग्राफ के image इनपुट पर संपादित करने योग्य चित्र अपलोड करें। आधिकारिक उदाहरण को दोहराना चाहते हैं तो पहले आधिकारिक इनपुट चित्र image_qwen_image_edit_input_image.png डाउनलोड करें (UI टेक्स्ट वाला एक अंडरवाटर पात्र चित्र)
  2. prompt में निर्देश लिखें। आधिकारिक टेम्पलेट में शामिल उदाहरण (चित्र से सारा UI टेक्स्ट हटाएँ, अंडरवाटर माहौल बनाए रखें):
text
Remove all UI text elements from the image. Keep the feeling that the characters and scene are in water. Also, remove the green UI elements at the bottom.
  1. चीनी निर्देश भी समर्थित हैं (मॉडल को चीनी-अंग्रेज़ी द्विभाषी टेक्स्ट संपादन पर प्रशिक्षित किया गया है)। पृष्ठभूमि बदलने के लिखने का उदाहरण:
text
पृष्ठभूमि को सांझ के समुद्र-किनारे की रेत से बदलें, पात्र की मुद्रा, वस्त्र और प्रकाश का माहौल अपरिवर्तित रखें
  1. इनपुट चित्र बहुत बड़ा न हो: आधिकारिक ट्यूटोरियल सचेत करता है कि 2048×2048 स्तर के अति बड़े चित्र आउटपुट की गुणवत्ता गिरा देते हैं; अपलोड से पहले लगभग 1MP (मेगापिक्सेल) स्तर तक संपीड़ित करने की सलाह है। टेम्पलेट में एक ImageScaleToTotalPixels स्केलिंग नोड (lanczos, 1.5MP) शामिल है, जो वर्तमान संस्करण में जुड़ा नहीं है — आवश्यकता हो तो LoadImage के आउटपुट को पहले इससे जोड़ें, फिर इससे सबग्राफ में जोड़ें
  2. Run पर क्लिक करें या Ctrl+Enter दबाएँ

आपको यह दिखना चाहिए: प्रोग्रेस बार 20 चरण चलता है (डिफ़ॉल्ट स्टैंडर्ड मोड), SaveImage चित्र निकालता है — चित्र में UI टेक्स्ट गायब है, अंडरवाटर माहौल और पात्र बने रहते हैं।

  • पहला निर्देश-आधारित चित्र संपादन सफल: जो बदलना था बदला, जो बचाना था बचा

चरण 4: नोड्स और दो पैरामीटर मोड समझें ​

क्यों: यह Qwen-Image-Edit वर्कफ़्लो का कंकाल तीनों पीढ़ियों में समान है; एक बार समझ लें, फिर हर अपग्रेड में केवल फ़ाइलें बदलनी होती हैं।

क्रियाएँ: सबग्राफ के भीतर डबल-क्लिक करके देखें, और प्रत्येक नोड की इस तालिका से तुलना करें:

नोडक्या करता हैटेम्पलेट के प्रमुख पैरामीटर
UNETLoaderसंपादन मॉडल का मुख्य भाग लोड करता है (20B)qwen_image_edit_fp8_e4m3fn.safetensors
CLIPLoaderQwen2.5-VL 7B टेक्स्ट एनकोडर लोड करता हैqwen_2.5_vl_7b_fp8_scaled.safetensors, प्रकार qwen_image
VAELoaderVAE लोड करता हैqwen_image_vae.safetensors
LoadImageसंपादन-योग्य चित्र अपलोड करता हैसबग्राफ के बाहर है, आउटपुट सबग्राफ में जुड़ता है
TextEncodeQwenImageEdit ×2«निर्देश + चित्र» को एक साथ कंडीशन में एनकोड करता हैपॉज़िटिव को positive से जोड़ें; निगेटिव डिफ़ॉल्ट रूप से खाली
VAEEncodeइनपुट चित्र को latent में बदलता हैबेस मॉडल के खाली कैनवास नोड का विकल्प
ModelSamplingAuraFlowनॉइज़ शेड्यूल पैचshift = 3
CFGNormCFG नॉर्मलाइज़ेशनstrength 1
KSamplerडीनॉइज़िंग सैंपलिंगeuler + simple, denoise 1.0; चरण संख्या और cfg स्विच से जुड़े हैं
LoraLoaderModelOnly4-स्टेप LoRA लगाता हैQwen-Image-Edit-Lightning-4steps-V1.0-bf16.safetensors, तीव्रता 1
स्विचिंग नोड ×3 + बूलियन स्विचदो मोड के पैरामीटर जुड़े हैंएक ही स्विच LoRA, चरण संख्या, cfg बदलता है
VAEDecode / SaveImageडिकोड करके सहेजता हैउपसर्ग ComfyUI, फ़ाइल ComfyUI/output/ में सहेजी जाती है

स्विच लॉजिक (स्विच सबग्राफ की सतह पर enable_turbo_mode कहलाता है, सबग्राफ के भीतर का बूलियन नोड Enable 4steps LoRA कहलाता है):

enable_turbo_modeLoRAचरण संख्याcfgनिगेटिव प्रॉम्प्ट
बंद (डिफ़ॉल्ट)नहीं लगाया गया202.5मान्य
चालूलगाया गया, तीव्रता 141.0अमान्य

पिछले पाठ से सबसे बड़ा संरचनात्मक अंतर TextEncodeQwenImageEdit में है: बेस का CLIPTextEncode केवल टेक्स्ट लेता है, जबकि यह 「निर्देश टेक्स्ट + इनपुट इमेज」 को एक साथ एनकोडर को देता है——यही 「निर्देश-आधारित संपादन」 का नोड-स्तरीय कार्यान्वयन है। CLIPLoader का प्रकार टेम्पलेट डिफ़ॉल्ट qwen_image पर ही रखें, इसे किसी और में न बदलें।

आपको यह दिखना चाहिए: बाएँ से दाएँ हर नोड की ज़िम्मेदारी बता सकें; यह जानें कि डिफ़ॉल्ट (स्विच बंद) पर वास्तव में 20 चरण चलते हैं, cfg 2.5, और नेगेटिव प्रॉम्प्ट डिफ़ॉल्ट रूप से खाली रहता है।

  • TextEncodeQwenImageEdit और पिछले पाठ के CLIPTextEncode का अंतर बता सकें (पहला इमेज + टेक्स्ट लेता है)

चरण 5: आवश्यकतानुसार त्वरण——4 चरण Lightning LoRA ​

क्यों: स्टैंडर्ड मोड के 20 चरण में बार-बार परिणाम आज़माना असहनीय है; 4 चरण वाला LoRA प्रतीक्षा को बहुत कम कर देता है।

क्रियाएँ:

  1. पुष्टि करें कि चरण 2 का Qwen-Image-Edit-Lightning-4steps-V1.0-bf16.safetensors पहले से models/loras/ में है
  2. सबग्राफ की सतह पर enable_turbo_mode स्विच को चालू पर घुमाएँ——LoRA, चरण संख्या, cfg तीनों अपने आप जुड़ जाते हैं: LoRA लगता है, 4 चरण, cfg 1
  3. Run पर क्लिक करें

ध्यान दें कि cfg 1 का अर्थ है सैंपलिंग पॉज़िटिव-नेगेटिव शर्तों की तुलना नहीं करती, नेगेटिव प्रॉम्प्ट कोई भूमिका नहीं निभाता (सिद्धांत पिछले पाठ के Lightning जैसा ही है), पूरा ध्यान पॉज़िटिव निर्देश पर रहता है। त्वरित मोड गति के लिए थोड़ी गुणवत्ता कुर्बान करता है——विकल्प चुनने के लिए 4 चरण मोड का उपयोग करें, और अंतिम इमेज बनाने से पहले स्विच बंद करके स्टैंडर्ड मोड पर वापस आकर दोबारा चला सकते हैं।

आपको यह दिखना चाहिए: प्रोग्रेस बार केवल 4 चरण चलता है, इमेज बनना स्पष्ट रूप से तेज़ हो जाता है।

  • त्वरित मोड सफलतापूर्वक चला, प्रोग्रेस बार केवल 4 चरण चलता है

चरण 6: अपग्रेड 2509——बहु-इमेज संदर्भ और शृंखला संगति ​

क्यों: जो एक इमेज से स्पष्ट नहीं होता——दूसरी इमेज के तत्वों को संदर्भ देना, शृंखला की इमेज में शैली की एकरूपता चाहना——2509 ठीक इन्हीं परिदृश्यों के लिए अपग्रेड किया गया है।

क्रियाएँ:

  1. टेम्पलेट लाइब्रेरी में Qwen Image Edit 2509 खोजें, 「Qwen Image Edit 2509」 चुनें (सितंबर 2025 9 में जारी, टैग में ControlNet और इमेज संपादन शामिल है); या image_qwen_image_edit_2509.json डाउनलोड करके मैन्युअली खोलें
  2. मॉडल बदलें: qwen_image_edit_2509_fp8_e4m3fn.safetensors (19.03 GB) को models/diffusion_models/ में रखें; टेक्स्ट एनकोडर और VAE प्रारंभिक संस्करण के साथ सामान्य हैं, दोबारा डाउनलोड करने की ज़रूरत नहीं
  3. यदि 4 चरण वाला त्वरित मोड चाहिए, तो 2509 के लिए डेडिकेटेड LoRA अलग से डाउनलोड करें: Qwen-Image-Edit-2509-Lightning-4steps-V1.0-bf16.safetensors (810.2 MB) को models/loras/ में रखें——यह प्रारंभिक संस्करण के 4 चरण LoRA के साथ सामान्य नहीं है, अपना-अपना उपयोग करें
  4. सबग्राफ (Image Edit (Qwen 2509) नाम की) की सतह पर image2, image3 दो वैकल्पिक इनपुट जुड़ गए हैं: संदर्भ इमेज के लिए एक और LoadImage जोड़ें, और निर्देश में image 1, image 2 का उल्लेख करें
  5. सिंगल-इमेज संपादन का आधिकारिक उदाहरण निर्देश (बिल्ली को धब्बेदार कुत्ते में बदलें, वातावरण समान रखें):
text
Replace the cat with a dalmatian, keeping the environment and scene consistent
  1. ध्यान दें कि 2509 का स्विच** डिफ़ॉल्ट रूप से चालू है**: सीधे चलाने पर 4 चरण / cfg 1 वाला त्वरित मोड चलेगा (शर्त: चरण 3 का LoRA पहले से मौजूद हो); स्टैंडर्ड मोड चलाने के लिए enable_turbo_mode बंद करें (20 चरण / cfg 4)
  2. Run पर क्लिक करें

2509 के अपग्रेड बिंदु (आधिकारिक विवरण): बहु-इमेज इनपुट, शृंखला संपादन में अधिक संगति, ControlNet समर्थन——आधिकारिक टेम्पलेट बहु-इमेज इनपुट प्रदर्शित करता है, ControlNet नोड टेम्पलेट में शामिल नहीं है, इसे स्वयं जोड़ना होगा (देखें ControlNet परिचय)।

आपको यह दिखना चाहिए: SaveImageAdvanced से इमेज बनती है, फ़ाइलनाम प्रीफ़िक्स Qwen_Image_2509; धब्बेदार कुत्ते में बदली गई इमेज का वातावरण मूल इमेज जैसा ही है।

  • 2509 सफलतापूर्वक चला, दूसरी संदर्भ इमेज को image2 में जोड़कर आज़माएँ

चरण 7: अपग्रेड 2511——सामग्री प्रतिस्थापन और पात्र संगति ​

क्यों: 2511, 2509 का संवर्धित संस्करण है, आधिकारिक रूप से संगति पर केंद्रित——संपादन के समय पात्र का चेहरा नहीं बिगड़ता, कई पात्र इमेज मिलकर समूह फ़ोटो बन सकती हैं, और औद्योगिक डिज़ाइन परिदृश्यों में सामग्री प्रतिस्थापन भी संभव है।

क्रियाएँ:

  1. पहले ComfyUI अपडेट करें (टेम्पलेट नोट में स्पष्ट कहा गया है कि पहले अपडेट करें, टेम्पलेट को न्यूनतम 0.4.0 चाहिए; Desktop / Cloud को stable संस्करण का इंतज़ार करना होगा)
  2. टेम्पलेट लाइब्रेरी में Qwen-Image-Edit-2511 खोजें, 「Qwen Image Edit 2511 - 材质替换」 चुनें (दिसंबर 2025 12 में जारी); या image_qwen_image_edit_2511.json डाउनलोड करके मैन्युअली खोलें
  3. मॉडल: वर्कफ़्लो डिफ़ॉल्ट रूप से qwen_image_edit_2511_fp8mixed.safetensors को models/diffusion_models/ में लोड करता है। आधिकारिक ट्यूटोरियल पेज पर bf16 फुल वर्ज़न qwen_image_edit_2511_bf16.safetensors (38.05 GB) सूचीबद्ध है — यह एक ही मॉडल के दो प्रेसिज़न स्प्लिट हैं, वर्कफ़्लो टेम्पलेट के अनुसार fp8mixed चलें, जो bf16 की तुलना में VRAM और डिस्क दोनों बचाता है
  4. वैकल्पिक 4-स्टेप LoRA: Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16.safetensors (810.2 MB) — यह भी एक समर्पित संस्करण है, इसे प्रारंभिक संस्करण या 2509 वाले के साथ न मिलाएं। टेक्स्ट एनकोडर और VAE पिछली दो पीढ़ियों वाले ही बने रहेंगे (टेम्पलेट नोट में एनकोडर का लिंक Comfy-Org/HunyuanVideo_1.5_repackaged रिपॉज़िटरी के उसी फ़ाइल की ओर इशारा करता है, जो पहले से डाउनलोड कर चुके हैं उन्हें कुछ नहीं करना)
  5. दो-इमेज इनपुट: LoadImage नोड 41 पर वस्तु की इमेज अपलोड करें (आधिकारिक उदाहरण leather_sofa.png, एक चमड़े का सोफ़ा), नोड 83 पर मटेरियल रेफ़रेंस इमेज अपलोड करें (texture_fur.png, फ़र टेक्सचर)
  6. निर्देश में दोनों इमेज का ज़िक्र करें, आधिकारिक उदाहरण:
text
Change the furniture leather difference in image 1 to the fur material in image 2.
  1. 2511 का स्विच** डिफ़ॉल्ट रूप से बंद रहता है**: डिफ़ॉल्ट रूप से क्वालिटी मोड 40 स्टेप / cfg 4 चलता है, निगेटिव प्रॉम्प्ट प्रभावी होता है (सबग्राफ़ की सतह पर negative_prompt इनपुट है, डिफ़ॉल्ट रूप से खाली); अगर धीमा लगे तो स्विच चालू करके 4 स्टेप / cfg 1 पर जाएं
  2. Run पर क्लिक करें

2511 के अपग्रेड पॉइंट (आधिकारिक विवरण): इमेज ड्रिफ़्ट में सुधार, किरदार की स्थिरता, मल्टी-पर्सन ग्रुप फ़ोटो का मिश्रण, लोकप्रिय कम्युनिटी LoRA बिल्ट-इन, इंडस्ट्रियल डिज़ाइन और मटेरियल रिप्लेसमेंट में सुदृढ़ीकरण, जियोमेट्रिक रीज़निंग (सीधे कंस्ट्रक्शन गाइडलाइन जनरेट कर सकता है)। आधिकारिक होमपेज: GitHub QwenLM/Qwen-Image · Qwen/Qwen-Image-Edit-2511 (Hugging Face) · Qwen/Qwen-Image-Edit-2511 (ModelScope) · आधिकारिक ब्लॉग

आपको यह दिखना चाहिए: SaveImage से इमेज आउटपुट, फ़ाइलनेम प्रीफ़िक्स Qwen_Edit_2511 — चमड़े का सोफ़ा फ़र वाले सोफ़े में बदल गया, सोफ़े की आकृति और सीन सुरक्षित रहे।

  • 2511 मटेरियल रिप्लेसमेंट सफलतापूर्वक चला: दो इनपुट इमेज + एक निर्देश

चेकपॉइंट ✅ ​

  • Qwen-Image-Edit वर्कफ़्लो सफलतापूर्वक चला: टेम्पलेट लोड → मॉडल अपनी जगह → एक वाक्य में इमेज एडिट सफल
  • टेक्स्ट बदलकर फ़ॉन्ट बचाना, बैकग्राउंड बदलकर किरदार बचाना — दोनों कम से कम एक बार आज़माया
  • एक्सेलेरेशन स्विच के दोनों मोड आज़माए, यह जानते हैं कि cfg 1 होने पर निगेटिव प्रॉम्प्ट अप्रभावी होता है
  • तीन पीढ़ियों का संस्करण चयन स्पष्ट कह सकते हैं: प्रारंभिक संस्करण (सिंगल-इमेज निर्देश), 2509 (मल्टी-इमेज रेफ़रेंस), 2511 (मटेरियल रिप्लेसमेंट, किरदार की स्थिरता)
  • 2511 आधिकारिक मटेरियल रिप्लेसमेंट उदाहरण की प्रतिकृति सफल: चमड़े का सोफ़ा फ़र में बदला

आम ग़लतियों की चेतावनी ​

❌ डॉक्युमेंटेशन की पुरानी LoRA फ़ाइलनेम डाउनलोड कर ली ​

कारण: आधिकारिक ट्यूटोरियल पेज पर Qwen-Image-Lightning-4steps-V1.0.safetensors (बेस यूनिवर्सल संस्करण) लिखा है, जबकि वर्कफ़्लो टेम्पलेट वास्तव में Qwen-Image-Edit-Lightning-4steps-V1.0-bf16.safetensors (एडिट समर्पित संस्करण) का संदर्भ देता है। सही तरीका: वर्कफ़्लो टेम्पलेट को ही मानक मानें; और तीनों पीढ़ियों के एडिट मॉडल के 4-स्टेप LoRA अलग-अलग समर्पित संस्करण हैं (प्रारंभिक / -2509- / -2511-), ये आपस में इंटरचेंजेबल नहीं हैं, संस्करण बदलते समय LoRA भी साथ बदलें।

❌ एक्सेलेरेशन मोड चालू रखकर भरपूर निगेटिव प्रॉम्प्ट लिखना ​

कारण: एक्सेलेरेशन मोड में cfg 1 होता है, सैंपलिंग पॉज़िटिव-निगेटिव कंडीशन की तुलना नहीं करती, निगेटिव प्रॉम्प्ट काम नहीं करता। सही तरीका: एक्सेलेरेशन मोड में पूरा ध्यान पॉज़िटिव निर्देश पर दें; अगर निगेटिव गाइडेंस वाकई चाहिए तो स्विच बंद करके स्टैंडर्ड मोड पर लौटें — प्रारंभिक संस्करण 20 स्टेप cfg 2.5, 2511 डिफ़ॉल्ट 40 स्टेप cfg 4, दोनों में निगेटिव प्रॉम्प्ट प्रभावी है।

❌ 2048×2048 बड़ी इमेज अपलोड करके सीधे चलाना ​

कारण: आधिकारिक ट्यूटोरियल में साफ़ कहा गया है कि बहुत बड़ी इनपुट इमेज से आउटपुट की क्वालिटी गिरती है। सही तरीका: इनपुट इमेज को लगभग 1MP (मेगापिक्सेल) स्तर तक संकुचित करके अपलोड करें; या टेम्पलेट में मौजूद ImageScaleToTotalPixels नोड को जोड़ दें (LoadImage → स्केल नोड → सबग्राफ़), ताकि वह अपने आप स्केल कर दे।

❌ 2511 लोड होने में एरर, या मॉडल सूची में fp8mixed न मिलना ​

कारण: 2511 काफ़ी नया है, आधिकारिक टेम्पलेट ComfyUI न्यूनतम 0.4.0 मांगता है, Desktop / Cloud को stable संस्करण का इंतज़ार करना होगा। सही तरीका: पहले ComfyUI को नवीनतम में अपडेट करें; फिर भी न चले तो मॉडल लोड विफलता के अनुसार जाँच करें।

एडवांस टिप्स (वैकल्पिक) ​

🔧 2511 Int8 क्वांटाइज़्ड संस्करण: टेम्पलेट लाइब्रेरी में "Qwen Image Edit 2511 Int8: इमेज एडिटिंग" (image_qwen_image_edit_2511_int8, जुलाई 2026 (महीना 7) में जोड़ा गया) भी है — क्वांटाइज़्ड मॉडल का इन्फ़रेंस तेज़ होता है, आधिकारिक विवरण के अनुसार यह किरदार-स्थिर पोर्ट्रेट एडिटिंग, मल्टी-पर्सन ग्रुप फ़ोटो मिश्रण और इंडस्ट्रियल डिज़ाइन संशोधन के लिए उपयुक्त है। VRAM की तंगी हो या स्पीड चाहिए तो आज़मा सकते हैं।

🔧 पहले जनरेट करें, फिर संशोधित करें: बेस लाइन और एडिट लाइन जन्मजात जोड़ी हैं — पिछले पाठ के Qwen-Image से टेक्स्ट वाला पोस्टर जनरेट करें, इस पाठ के Edit से ग़लत टाइपिंग ठीक करें, बैकग्राउंड बदलें; 2511 के मल्टी-इमेज इनपुट से सीरीज़ की इमेज में किरदार स्थिर रखें। दोनों वर्कफ़्लो एनकोडर और VAE साझा करते हैं, स्विचिंग शून्य लागत वाली है।

🔧 सिर्फ़ बैकग्राउंड हटाना है? अगर मक़सद सिर्फ़ सब्जेक्ट को काटकर सॉलिड या पारदर्शी बैकग्राउंड पर रखना है, तो प्रोडक्ट कट-आउट और बैकग्राउंड बदलना का BiRefNet या Qwen-2.1 पारदर्शी बैकग्राउंड ज़्यादा सीधा है; "सामग्री वाला तैयार बैकग्राउंड लगाना" हो तभी इस पेज का निर्देश-आधारित एडिट उपयोग करें।

🔧 एडिट लाइन पर स्टाइल LoRA भी लगाई जा सकती है: वर्कफ़्लो का LoraLoaderModelOnly ही तैयार माउंट पॉइंट है (4-स्टेप Lightning इसी से लगाया गया है), LoRA की व्यवस्थित विधियाँ LoRA उपयोग में देखें।

इस पाठ का सारांश ​

✅ Qwen-Image-Edit वर्कफ़्लो सफलतापूर्वक चला: टेम्पलेट लोड → चार घटक अपनी जगह (एनकोडर और VAE बेस से पुनः उपयोग) → एक वाक्य में इमेज एडिट; यह ढाँचा तीनों पीढ़ियों में साझा है, अपग्रेड के लिए सिर्फ़ डिफ़्यूज़न मॉडल और संबंधित LoRA बदलें।

✅ निर्देश-आधारित इमेज एडिटिंग में हाथ बन गया: प्रॉम्प्ट में "क्या बदलना है" लिखें, "क्या बनाना है" नहीं; TextEncodeQwenImageEdit निर्देश और इमेज को एक साथ एनकोड करता है, इसलिए टेक्स्ट बदलने पर फ़ॉन्ट बचा रहता है और बैकग्राउंड बदलने पर किरदार बचा रहता है।

✅ स्पीड-अप मोड सही इस्तेमाल किया: enable_turbo_mode एक ही स्विच से LoRA, स्टेप्स और cfg एक साथ बदलते हैं; cfg 1 होने पर नेगेटिव प्रॉम्प्ट बेअसर है। ध्यान दें कि तीनों जनरेशन में डिफ़ॉल्ट स्विच की स्थिति अलग है — शुरुआती संस्करण में बंद, 2509 में चालू, 2511 में बंद।

✅ तीन जनरेशन का चुनाव याद रखा: सिंगल-इमेज निर्देश के लिए शुरुआती संस्करण, मल्टी-इमेज रेफ़रेंस और सीरीज़ में एकरूपता के लिए 2509, मटेरियल रिप्लेसमेंट और किरदार की एकरूपता के लिए 2511; तीनों जनरेशन के 4-स्टेप LoRA अपने-अपने हैं, इन्हें मिलाकर न इस्तेमाल करें।

मुख्य कॉन्फ़िगरेशन की समीक्षा:

कॉन्फ़िगरेशनअनुशंसित मानविवरण
एडिट मॉडलशुरुआती संस्करण qwen_image_edit_fp8_e4m3fn.safetensors; 2509 / 2511 के लिए संबंधित फ़ाइल बदलें (2511 टेम्पलेट में डिफ़ॉल्ट fp8mixed)models/diffusion_models/ में रखें, fp8 टेम्पलेट का डिफ़ॉल्ट है
टेक्स्ट एनकोडर / VAEqwen_2.5_vl_7b_fp8_scaled.safetensors / qwen_image_vae.safetensorsQwen-Image बेस के साथ साझा; CLIPLoader टाइप qwen_image
4-स्टेप LoRAहर जनरेशन का अपना: Qwen-Image-Edit-Lightning-4steps-V1.0-bf16 (शुरुआती संस्करण) / -2509- / -2511-models/loras/ में रखें, स्ट्रेंथ 1, मिलाकर न इस्तेमाल करें
KSamplereuler + simple, denoise 1.0शुरुआती संस्करण डिफ़ॉल्ट 20 स्टेप्स cfg 2.5; 2509 डिफ़ॉल्ट 4 स्टेप्स cfg 1; 2511 डिफ़ॉल्ट 40 स्टेप्स cfg 4
नॉइज़ शेड्यूलModelSamplingAuraFlow shift 3 (शुरुआती संस्करण / 2509), 3.1 (2511)टेम्पलेट के अनुसार चलें
इनपुट इमेजलगभग 1MP स्तरबहुत बड़ी इमेज पहले कंप्रेस करें, ताकि आउटपुट की क्वालिटी न गिरे

अगले पाठ की झलक ​

एडिट लाइन 2511 तक भी "सिर्फ़ इमेज एडिटिंग के लिए बना स्टैंडअलोन मॉडल" है; अगली पीढ़ी में जनरेशन और एडिटिंग एक ही मॉडल में मिला दिए गए। अगला पाठ: Qwen-Image-2.1।

आप सीखेंगे:

  • Qwen-Image-2.1 एक ही मॉडल से टेक्स्ट-टू-इमेज और इमेज एडिटिंग दोनों करता है, अब दो अलग लाइनों की ज़रूरत नहीं
  • नेटिव 2K रेज़ोल्यूशन और असली पारदर्शी बैकग्राउंड आउटपुट
  • अधिकतम 16 रेफ़रेंस इमेजों वाले एडवांस तरीके
  • कब एडिट लाइन पर बने रहना चाहिए और कब 2.1 पर शिफ्ट करना चाहिए
gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.