Qwen-Image-2.1-viggle-turbo ComfyUI教程2个自定义节点2套现成工作流10分钟搭好少步生图【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-turbo本文带你快速搭好Qwen-Image-2.1-viggle-turbo的 ComfyUI 少步生图环境。它是一款把 Qwen-Image-2.1 从 40 步推理压缩到6 步的蒸馏 LoRA 模型速度提升约 5 倍同时支持文生图T2I和指令式图像编辑I2I质量与 40 步基础模型非常接近。仓库内自带 comfyui/viggle_turbo.py 两个自定义节点以及 Qwen-Image-2.1-viggle-turbo-t2i.json、Qwen-Image-2.1-viggle-turbo-edit.json 两套可直接拖入运行的工作流照着本文操作10 分钟即可跑通。一、为什么选 Qwen-Image-2.1-viggle-turbo 做少步生图少步生图Few-Step Image Generation是 ComfyUI 用户提升出图效率的核心技巧而 viggle-turbo 的做法非常聪明6 步出图约 5 倍加速采用 DMD分布匹配蒸馏训练的学生模型用 6 次 transformer 前向替代 40 步且全程关闭 CFG每一步只需一次模型调用。双能力同一个 LoRA 既能文生图也能带 1~3 张参考图做指令式编辑换背景、改姿态、多参考合成。质量有保障在 96 条保留测试集上布局漂移为 0%多样性达到基础模型的 0.98 倍。推荐版本v0.2.12026-09-24 发布使用 Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r256.safetensors 或其轻量版 Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r128.safetensors。二、ComfyUI 自定义节点安装一键复制 viggle_turbo.py整个 ComfyUI 环境只需安装1 个节点文件无需任何额外插件克隆仓库获取全部文件git clone https://gitcode.com/hf_mirrors/Viggle/Qwen-Image-2.1-viggle-turbo把 comfyui/viggle_turbo.py 复制到你的ComfyUI/custom_nodes/目录重启 ComfyUI。重启后节点管理器中会多出两个节点节点名称作用关键设置Viggle Turbo Sigmas提供 6 步采样调度sigma 节点 按分辨率自动偏移替代普通 KSampler 的调度器nodes默认1.0, 0.9375, 0.875, 0.75, 0.5, 0.25Viggle Turbo LoRA (unmerged)运行时以Wx BAx方式挂 LoRA不做权重合并strength保持1.0⚠️ 为什么不用 ComfyUI 自带的 LoRA 加载器因为它会把 LoRA合并进权重在 bf16 下平均丢掉约 30% 的更新量int8 下还会引入数倍噪声。未合并节点每步仅多花 10~25% 时间却能把与官方 diffusers 结果的差距降到最低。三、模型文件清单4 个目录一次放齐工作流已内置下载链接手动放置时请对照下表基础文件与 ComfyUI 官方 Qwen-Image-2.1 模板一致ComfyUI 目录文件名体积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/Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r128.safetensors或 r2560.7 / 1.4 GB显存参考全模型常驻加载时1248×832 出图峰值约26 GB VRAM显存不够就选 bf16 基础文件或降低分辨率。四、工作流一文生图T2I最快上手把 comfyui/Qwen-Image-2.1-viggle-turbo-t2i.json 直接拖进 ComfyUI 画布工作流左上角自带一份完整的设置说明便签MarkdownNote 节点。核心使用步骤写提示词输入一段英文描述如 A studio portrait of an old fisherman mending a net, warm rim light, 85mm.提示词增强可选Enhance prompt开关默认开启会用 Qwen3-VL 按官方改写器把短句扩写成详细描述——模型正是用长描述提示词蒸馏训练的短提示词强烈建议开启设尺寸约 1 MP如 1024×1024是甜点位最大可到约 4 MP宽高保持 32 的倍数点 Queue Prompt 出图。需要记住的三个保持不变采样器用euler、引导器用BasicGuider无 CFG、不填负向提示词、LoRA 强度1.0。五、工作流二带参考图的指令式图像编辑编辑工作流 comfyui/Qwen-Image-2.1-viggle-turbo-edit.json 支持 1~3 张参考图提示词中可用image 1、image 2指代具体图片顺序由加载顺序决定。准备示例素材仓库自带的两张示例参考图 comfyui/input/cat.webp 和 comfyui/input/woman2.webp 复制到ComfyUI/input/目录即可直接使用。典型编辑提示词示例Replace the background with a sunset beach, keep the subject unchanged.两个 ComfyUI 与 diffusers 的差异点请注意编辑工作流的输出尺寸跟随image 1diffusers 跟随最后一张参考图提示词增强开启时编辑改写器会同时看到 image 1 和 image 2。六、少步生图进阶6 步 sigma 调度的使用规则这是保证少步生图质量的关键来自 README.md 的官方规则标准 6 步num_inference_steps6sigmas[1.0, 0.9375, 0.875, 0.75, 0.5, 0.25]true_cfg_scale1.0不加负向提示词改步数只动高噪端构图在前 5% 噪声区间确定0.875, 0.75, 0.5, 0.25四个低噪节点绝不能移动想加/减步数只在1.0 → 0.875之间等分切分如 5 步、7 步密集小字场景可用 8 步[1, 0.9375, 0.875, 0.75, 0.625, 0.5, 0.25, 0.125]小字会明显更清晰r128 vs r256r128 是 r256 的精确 SVD 截断每层保留 83~100% 能量中位 95%图像差距处于噪声水平显存紧张时放心选 r128。七、常见问题排查1. 提示词增强节点报 CUDA 驱动错误comfy_kitchen0.2.35 在 NVIDIA 驱动低于 580 时TextGenerate节点会报错。升级驱动或把Enhance prompt关掉——出图本身不依赖这条代码路径。2. 复杂编辑效果不如 40 步基础模型属于已知边界多参考合成、换脸、身份保持类编辑仍可能产生重影或身份漂移密集小字渲染也更容易出错。简单指令式编辑和文生图则与基础模型难分伯仲。3. 出图偏软、构图漂移检查是否误用了普通 KSampler 调度器必须用 Viggle Turbo Sigmas 节点或移动了低噪节点。调度不对蒸馏效果会大打折扣。八、文件速查表文件/目录说明comfyui/viggle_turbo.py两个自定义节点Sigmas 调度 未合并 LoRAcomfyui/Qwen-Image-2.1-viggle-turbo-t2i.json文生图工作流comfyui/Qwen-Image-2.1-viggle-turbo-edit.json参考图编辑工作流Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r256.safetensorsv0.2.1 LoRArank 256推荐Qwen-Image-2.1-viggle-turbo-v0.2.1-6step-lora-r128.safetensorsv0.2.1 LoRA 轻量版rank 128scheduler/scheduler_config.json调度器配置shift_terminal为 nullREADME.md完整模型卡规则、分辨率表、对比数据 许可提醒本项目基于 Qwen RESEARCH LICENSE 发布仅限非商业研究用途详见 LICENSE 与 NOTICE。至此两个自定义节点 两套现成工作流已全部就位。按上面步骤操作你就能在 ComfyUI 里享受 6 步出图、约 5 倍速的 Qwen-Image-2.1 少步生图体验了 【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