Qwen-Image-2.1-viggle-turbo文生图教程如何只用3个参数跑通6步极速出图【免费下载链接】Qwen-Image-2.1-viggle-turbo项目地址: https://ai.gitcode.com/hf_mirrors/Viggle/Qwen-Image-2.1-viggle-turboQwen-Image-2.1-viggle-turbo 是 Viggle 团队基于 Qwen-Image-2.1 用 DMD 蒸馏技术训练的文生图极速 LoRA把原版 40 步出图压缩到6 步速度约快5 倍且全程无需 CFG无分类器自由引导质量与基座模型难分伯仲。支持文生图和 1–3 张参考图的指令编辑。本文带你只改 3 个参数就跑通 6 步极速出图。为什么值得尝试6 步 vs 40 步官方基座模型 Qwen-Image-2.1 需要 40 个去噪步才能出一张图而 viggle-turbo 只需 6 步端到端速度约提升 5 倍。更妙的是它彻底关掉了 CFG——每一步只有一次模型前向没有负提示词负担。在官方 32 组对比样例中两者画面质量大多难以分辨v0.2.1 版本还把构图漂移做到了 0%基座模型放哪、它就放哪。当前推荐使用 v0.2.1 权重文件说明Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r256.safetensors首选rank 2561.3 GBQwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r128.safetensorsrank 128 精简版680 MBComfyUI 工作流默认用这个scheduler/scheduler_config.json必须配套的调度器配置shift_terminal: nullpeft_v0.2.1/同一套权重的 peft 格式二选一即可⚠️ 旧版本v0.1 的 4 步 r64、v0.2 的 5 步文件仍留在仓库中仅作存档没有理由优先使用它们。一键安装3 行命令搞定环境pip install -U torch transformers5.17,6 accelerate safetensors peft pillow pip install githttps://github.com/huggingface/diffusers.git80c7ed262aeffbeb43ef13ae04baeb9b84515a69注意QwenImage21Pipeline尚未进入稳定版 diffusers所以官方要求锁定该 git 版本这是新手最容易踩的坑。文生图 3 参数极速出图diffusers 版核心代码非常短加载基座模型 → 加载 LoRA → 换调度器 → 传 3 个关键参数。import torch from diffusers import QwenImage21Pipeline, FlowMatchEulerDiscreteScheduler pipe QwenImage21Pipeline.from_pretrained(Qwen/Qwen-Image-2.1, dtypetorch.bfloat16) pipe.load_lora_weights( Viggle/Qwen-Image-2.1-viggle-turbo, weight_nameQwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r256.safetensors, ) pipe.scheduler FlowMatchEulerDiscreteScheduler.from_pretrained( Viggle/Qwen-Image-2.1-viggle-turbo, subfolderscheduler ) pipe.to(cuda) STEPS, SIGMAS 6, [1.0, 0.9375, 0.875, 0.75, 0.5, 0.25] image pipe( promptA studio portrait of an old fisherman mending a net, warm rim light, 85mm., height1024, width1024, num_inference_stepsSTEPS, # ① 步数 sigmasSIGMAS, # ② 6 步调度节点 true_cfg_scale1.0, # ③ 关闭 CFG generatortorch.Generator(cuda).manual_seed(0), ).images[0] image.save(out.png)三个参数就是全部秘密num_inference_steps6—— 步数固定为 6sigmas[1.0, 0.9375, 0.875, 0.75, 0.5, 0.25]—— 原始调度节点任何分辨率下都原样传入true_cfg_scale1.0—— 关闭 CFG且不要写负提示词另外两个隐性规则LoRA 强度保持 1.0调度器必须用仓库自带的 scheduler/scheduler_config.json基座默认配置的shift_terminal: 0.02会毁掉最后一步。为什么 sigmas 不能随便改这是本文最值钱的细节。画面构图在高噪声段sigma 1 → 0.875就已定型若在这里跨太大的一步构图会重影、漂移低噪声节点0.75, 0.5, 0.25是学生模型训练时精确落点的挪动它们画面会明显变糊清晰度指标从 0.020 掉到 0.014改步数只能在高噪声端加删5 步[1, 0.875, 0.75, 0.5, 0.25]4% 提示词构图漂移、6 步0%、7 步0%略锐但不如 6 步划算需要渲染密集小字时用 8 步sigmas[1, 0.9375, 0.875, 0.75, 0.625, 0.5, 0.25, 0.125]小字清晰度明显更好 ✍️ComfyUI 工作流拖入即用零代码不想写代码仓库的 comfyui/ 目录提供了现成方案需要 ComfyUI 0.37.0把 comfyui/viggle_turbo.py 复制到ComfyUI/custom_nodes/重启 ComfyUI新增两个节点Viggle Turbo Sigmas内置 6 步调度并按输出分辨率自动做 shift替代 KSampler 的默认调度器Viggle Turbo LoRA (unmerged)运行时以W x B A x方式应用 LoRA。普通 LoRA 加载器会做合并在 bf16 权重上会丢掉约 30% 的更新量务必用这个节点将工作流 JSON 直接拖入 ComfyUI文生图comfyui/Qwen-Image-2.1-viggle-turbo-t2i.json图生图编辑comfyui/Qwen-Image-2.1-viggle-turbo-edit.json需要准备的模型文件工作流自带下载链接ComfyUI 目录文件大小diffusion_models/qwen_image_2.1_int8_convrot.safetensors或 bf16 版7.3 / 14.2 GBtext_encoders/qwen3vl_8b_int8_convrot.safetensors或 bf16 版9.4 / 17.5 GBvae/qwen_image_2.1_vae_bf16.safetensors0.7 GBloras/本仓库的 r128 或 r256 LoRA0.7 / 1.4 GB 工作流默认 int8 量化 提示词增强开启全部模型常驻显存时约 26 GB1248×832 输出。保持 euler 采样器 BasicGuider无 CFG、无负提示词即可。图像编辑模式最多 3 张参考图同一个 LoRA 还支持指令式编辑传 1–3 张参考图用文字描述改动即可。参考图顺序决定提示词中 image 1 / image 2 的指代不指定输出尺寸时宽高比跟随最后一张参考图ComfyUI 工作流中则跟随第一张。以上两张示例参考图就放在 comfyui/input/复制进ComfyUI/input/即可跟着教程跑通编辑流程。diffusers 下编辑调用只需在原代码里加一个image[...]参数列表和output_resolution1024。r256 还是 r128怎么选r128 是对 r256 做逐层精确 SVD 截断得到的最优秩 128 近似每层保留 83–100% 的更新能量中位数 95%。实测 r128 与 r256 出图的 LPIPS 距离 0.0244基本就在浮点舍入噪声地板上——省 680 MB肉眼几乎无差。显存/显存带宽紧张选 r128追求极致选 r256。已知限制与许可证提醒 ⚖️复杂编辑仍偏弱多参考图合成、换脸、身份保持类编辑偶有重影/漂移复杂场景仍建议 40 步基座小而密的渲染文字比基座更容易出错需要时切 8 步2K 输出仅有肉眼对比无量化指标许可证为Qwen RESEARCH LICENSE仅限非商业研究用途商用需单独授权详见 LICENSE 与 NOTICE总结3 参数速查卡参数值作用num_inference_steps66 步极速出图sigmas[1.0, 0.9375, 0.875, 0.75, 0.5, 0.25]蒸馏对齐的调度节点原样传入true_cfg_scale1.0关闭 CFG无负提示词更多细节分辨率推荐表、v0.1 存档用法、rank 128 原理都写在 README.md 里照着跑基本不会翻车。祝你出图飞快⚡【免费下载链接】Qwen-Image-2.1-viggle-turbo项目地址: https://ai.gitcode.com/hf_mirrors/Viggle/Qwen-Image-2.1-viggle-turbo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考