简介本资源面向使用 ComfyUI 进行 AI 绘画的创作者与进阶用户聚焦 QwenImageEdit 模型下基础人物九宫格一致性写真的生成方案。核心解决同一人物在多格画面中形象、服饰与风格难以保持统一的问题适用于角色设定图、写真套图与分镜预览等场景具备一定 ComfyUI 工作流基础者更易上手。压缩包内共 1 个文件为 json 格式的工作流配置整体约 3KB体积轻量导入 ComfyUI 后即可复用节点结构与参数设置省去从零搭建的调试成本。目前已有 128 人浏览学习说明该方案在一致性写真方向具备一定参考价值。读者可借此理解九宫格布局下的提示词组织、模型调用与一致性控制思路并在此基础上替换人物与风格快速产出成套写真同时结合配套教程排查节点连接与参数问题提升出图效率与稳定性。1. 从一张脸到九张脸ComfyUI 里用 QwenImageEdit 做一致性写真的真实门槛拍过写真的人都懂那种别扭同一套衣服、同一个妆造摄影师让你换九个姿势最后挑出来的九张图里脸型、发际线、下颌角总有两三张对不上。AI 出图更狠单张看着惊艳凑成九宫格立刻露馅——眼睛大小飘了、鼻梁塌了、连肤色都从冷白皮变成暖黄皮。ComfyUI 配 QwenImageEdit 这套组合解决的正是这个痛点用一张参考人物图作为身份锚点让模型在九个不同构图、不同姿态、不同景别里把「还是这个人」这件事守住。它适合两类人一类是接单做头像、写真、角色卡的从业者需要批量产出风格统一的人像另一类是玩角色卡、做连载视觉内容的创作者受够了每张图都要重新描述长相。这篇不讲虚的从环境、模型、工作流到参数和翻车点按我自己跑通的路径拆开讲新手能照着搭熟手能直接看边界在哪。2. QwenImageEdit 在 ComfyUI 里到底改了什么身份保持的底层逻辑2.1 为什么普通文生图做不了九宫格一致性普通文生图的工作方式是「文字描述 → 噪声 → 图像」模型对「这个人长什么样」没有任何持久记忆。你写「短发、鹅蛋脸、单眼皮」模型每次采样都在重新理解这几个词采样种子一变、提示词顺序一变、甚至显存占用导致的计算精度微调都会让五官分布产生肉眼可见的偏移。九宫格要求的是九张图共享同一套身份特征这在纯文生图框架下几乎无解除非你把提示词写到几百字并且锁死种子——但锁死种子又会让构图和姿态趋同九张图变成九张微调失去意义。QwenImageEdit 的思路不一样。它属于图像编辑模型输入是「参考图 编辑指令」输出是在保留参考图主体身份的前提下执行编辑。也就是说人物的脸、发型、肤色这些身份特征来自参考图的视觉编码而不是来自文字描述。文字只负责指挥「换成什么姿势、什么背景、什么景别」。这个分工一旦成立九张图的一致性就有了物理基础身份信息走图像通道变化信息走文本通道两条路互不打架。2.2 身份编码与文本编辑指令的分工具体到 ComfyUI 的节点层面QwenImageEdit 的工作流通常包含三个关键环节。第一是参考图编码把人物参考图送进 VAE 或专用的图像编码器提取出身份相关的 latent 特征。第二是编辑指令编码文本提示词经过 CLIP 或 Qwen 自带的文本编码器生成控制姿态、背景、光照的条件向量。第三是交叉注意力融合在去噪过程中让身份特征和编辑条件在注意力层里交互身份特征负责「是谁」编辑条件负责「在干什么」。这里有个容易忽略的点参考图的裁剪和分辨率会直接影响身份编码的质量。我试过用全身照做参考结果九宫格里近景特写的脸部细节明显发虚因为全身照里脸部占的像素太少编码器提取到的身份特征不够密。后来改成用半身照或大头照做参考一致性立刻稳了一个档次。常见做法是参考图里人脸区域至少占画面高度的三分之一分辨率不低于 768×768这样身份编码才有足够的细节可抓。2.3 最小可跑通的工作流骨架下面这段不是完整节点图而是用 ComfyUI 的 API 格式描述一个最小工作流的核心结构方便你对照自己的节点图检查关键连接。实际搭建时在界面里拖节点即可这里用 JSON 片段说明数据流向。{ reference_image: { class_type: LoadImage, inputs: { image: ref_portrait.png } }, identity_encode: { class_type: QwenImageEditEncode, inputs: { image: [reference_image, 0], preserve_identity: true, identity_strength: 0.85 } }, text_encode: { class_type: CLIPTextEncode, inputs: { text: same person, standing pose, full body, studio lighting, white background, clip: [qwen_clip, 0] } }, sampler: { class_type: KSampler, inputs: { model: [qwen_unet, 0], positive: [text_encode, 0], latent_image: [identity_encode, 0], steps: 28, cfg: 5.5, denoise: 0.72, seed: 882301 } } }这段结构里identity_strength控制身份特征的注入强度0.85 是我在多数人像场景下的起点低于 0.7 脸会开始飘高于 0.95 姿态和背景几乎改不动。denoise控制编辑幅度0.72 意味着保留约三成原始参考图信息这个值做九宫格时很关键——太高则每张图自由发挥一致性崩太低则九张图长得一模一样失去九宫格的意义。cfg在 QwenImageEdit 里不宜过高5.5 左右比较稳超过 8 容易出现色彩过饱和和面部僵硬。提示如果你用的是秋叶整合包QwenImageEdit 相关节点可能需要单独通过 ComfyUI Manager 安装安装后重启才能识别。整合包本身不带这个模型的权重权重文件要放到models/qwen_image_edit目录下。3. 九宫格一致性写真的完整搭建从参考图到九张成片3.1 参考图的预处理裁剪、分辨率与背景清理参考图的质量决定了一致性的上限。我一般会做三步处理。第一步是裁剪把人物主体裁到画面中央人脸区域占高度三分之一以上留出头顶和肩膀不要裁到下巴。第二步是分辨率对齐统一缩放到 1024×1024 或 896×1152保持长宽比接近模型训练时的分布避免拉伸变形。第三步是背景清理如果参考图背景杂乱用抠图节点或外部工具换成纯色背景因为背景噪声会混进身份编码导致九宫格里出现莫名其妙的纹理残留。from PIL import Image def preprocess_reference(img_path, output_path, target_size1024): img Image.open(img_path).convert(RGB) w, h img.size # 以人脸为中心裁剪这里假设人脸在画面上半部分 crop_box (int(w * 0.15), int(h * 0.05), int(w * 0.85), int(h * 0.75)) img img.crop(crop_box) # 等比缩放后居中填充到正方形 img.thumbnail((target_size, target_size), Image.LANCZOS) canvas Image.new(RGB, (target_size, target_size), (255, 255, 255)) offset ((target_size - img.width) // 2, (target_size - img.height) // 2) canvas.paste(img, offset) canvas.save(output_path, quality95) preprocess_reference(raw_portrait.jpg, ref_portrait.png)这段脚本做的是裁剪加填充crop_box的比例需要根据你实际参考图的构图微调不是固定值。thumbnail保证长边不超过目标尺寸LANCZOS插值在缩小图像时比默认的双线性更锐利能保留更多面部细节。填充用白色而不是黑色是因为白色背景在身份编码时引入的干扰更小黑色背景有时会让模型把暗部当成头发的一部分。3.2 九宫格姿态提示词的写法与批量采样九宫格的核心是九个不同的姿态和景别但身份描述必须完全一致。我的做法是把提示词拆成「固定段 变化段」。固定段只写身份相关的词比如same person, consistent facial features, same hairstyle变化段写姿态和景别比如standing front view, full body、sitting side view, medium shot、close-up portrait, slight smile。固定段在九次采样里一字不改变化段每次替换。批量采样时不要用同一个种子跑九次那样姿态变化会很小。正确做法是固定身份编码让种子随姿态一起变。下面是一个批量生成的伪代码逻辑实际在 ComfyUI 里可以用 API 脚本或批量节点实现。poses [ standing front view, full body, arms at sides, standing three-quarter view, full body, hands on hips, sitting on stool, medium shot, legs crossed, walking pose, full body, side view, close-up portrait, slight smile, looking at camera, medium shot, looking away, profile view, crouching pose, full body, low angle, leaning against wall, medium shot, arms crossed, back view, full body, looking over shoulder ] base_prompt same person, consistent facial features, same hairstyle, studio lighting, clean background for i, pose in enumerate(poses): full_prompt f{base_prompt}, {pose} # 调用 ComfyUI API传入 full_prompt 和固定参考图 # seed 每次递增保证姿态有变化但身份编码不变 run_workflow(promptfull_prompt, referenceref_portrait.png, seed882301 i * 137)种子递增用 137 这个质数步长是为了让每次采样的噪声分布差异足够大避免相邻两张图姿态过于接近。base_prompt里的consistent facial features不是万能咒语它更多是给文本编码器一个稳定信号真正的一致性来自参考图编码不要指望靠提示词硬压。3.3 九宫格拼图与一致性自检九张图生成后拼成三行三列只是最后一步更重要的是自检。我一般会把九张图并排放在一起重点看四个地方眼睛间距是否一致、鼻梁宽度是否一致、下颌线弧度是否一致、肤色色温是否一致。如果某一张明显偏了先不要重跑全部单独把那张的姿态提示词微调后重采样因为身份编码是固定的问题多半出在姿态和种子的组合上。from PIL import Image def make_grid(image_paths, output_path, grid_size(3, 3), cell512): canvas Image.new(RGB, (cell * grid_size[1], cell * grid_size[0]), (255, 255, 255)) for idx, path in enumerate(image_paths): row, col divmod(idx, grid_size[1]) img Image.open(path).resize((cell, cell), Image.LANCZOS) canvas.paste(img, (col * cell, row * cell)) canvas.save(output_path, quality95) make_grid([foutput_{i}.png for i in range(9)], grid_9.png)拼图时统一缩放到 512×512 再拼接是为了让九张图在视觉上等权避免某张因为分辨率高而显得更清晰、掩盖一致性问题。如果你要做印刷或高清交付可以把cell提到 1024但自检阶段用 512 就够了省显存也省时间。4. 参数调优与显存控制让九宫格稳定跑完不崩4.1 identity_strength 与 denoise 的联动关系这两个参数是九宫格一致性的命门而且它们不是独立的。identity_strength高的时候denoise要相应降低否则身份特征和编辑指令会在注意力层里打架表现为脸部扭曲或背景出现参考图的残影。我实测下来比较稳的组合是identity_strength0.820.88 配denoise0.680.75做近景特写时denoise取低值做全身姿态时取高值。场景类型identity_strengthdenoisecfg说明近景特写0.880.685.0脸部细节要求高编辑幅度小半身像0.850.725.5平衡姿态变化与身份保持全身姿态0.820.755.5姿态变化大身份强度略降侧背视角0.800.786.0脸部不可见靠发型和体型维持这张表是我自己跑了几十组之后收敛出来的起点不是绝对标准。你的参考图质量、模型版本、甚至显卡的计算精度都会影响最优值建议先用半身像那一组跑通再往两端调。4.2 显存不够时的降级策略九宫格批量生成对显存压力不小尤其是 1024 分辨率加 28 步采样。如果显存吃紧按优先级做三件事。第一把批量大小降到 1用循环逐张生成虽然慢但不会爆显存。第二开启 ComfyUI 的--reserve-vram参数预留一部分显存给系统具体值看你显卡8G 卡预留 0.50.8 比较合适。第三把采样步数从 28 降到 22QwenImageEdit 在 22 步左右已经能出可用结果再低就会开始糊。# 启动 ComfyUI 时预留显存8G 显卡示例 python main.py --reserve-vram 0.6 --lowvram # 如果用的是秋叶整合包在启动脚本里加参数 # 找到 run_nvidia_gpu.bat在 python 命令后追加 --reserve-vram 0.6--lowvram会把部分模型层卸载到内存速度会慢但能跑通。--reserve-vram的单位是 GB不是百分比别填错。如果你的显卡是 12G 以上这两个参数可以不加直接全速跑。4.3 采样器与调度器的选择QwenImageEdit 对采样器不算挑剔但不同组合出图风格有差异。我常用的是dpmpp_2m配karras调度器出图锐度适中面部过渡自然。euler_a配normal会稍微柔和一些适合做偏日系或胶片感的写真。不建议用ddim在 QwenImageEdit 上容易出现网格状伪影尤其是背景有渐变的时候。注意切换采样器后之前调好的denoise可能需要微调因为不同采样器的噪声调度曲线不一样。换采样器不换参数一致性大概率会掉。5. 避坑与排查九宫格一致性翻车的五个真实场景5.1 九张图脸型逐渐漂移现象是前几张还像同一个人越往后脸越窄或下巴越尖。原因通常是身份编码在批量循环里被重复编码每次都有微小损失累积到后面就漂了。解决方法是把身份编码节点放在循环外面只编码一次九次采样共用同一个身份 latent而不是每张图都重新编码参考图。5.2 背景出现参考图的残影现象是生成的图背景里隐约有参考图的轮廓或纹理。原因是denoise太低参考图的背景信息没有被完全覆盖。解决方法是把denoise提高 0.050.1或者在参考图预处理阶段就把背景抠干净从源头减少干扰。5.3 面部过曝或色彩断层现象是脸部高光区域一片死白或者肤色出现明显的色块断层。原因是cfg过高加上identity_strength过高注意力过度集中在身份特征上导致色彩动态范围被压缩。解决方法是把cfg降到 5.0 以下identity_strength降到 0.85 以下必要时在 VAE 解码后加一个轻微的色彩校正节点。5.4 生成到第五张左右显存溢出现象是前四张正常第五张开始报显存不足。原因是 ComfyUI 默认会缓存之前的 latent 和模型输出批量跑的时候缓存越积越多。解决方法是在工作流里加清理缓存的节点或者用 API 脚本每生成一张就释放一次显存。秋叶整合包在设置里有「显存优化」选项打开后会定期清理。5.5 九张图姿态雷同缺乏变化现象是九张图看起来像同一张的微调姿势几乎没变。原因是种子变化太小或者提示词里的姿态描述不够具体。解决方法是种子步长加大到 137 以上姿态描述从「standing」细化到「standing with weight on left leg, right hand in pocket」这种程度给模型足够的差异化信号。6. 进阶技巧用 ControlNet 辅助姿态锁定与一致性验证跑通基础九宫格之后如果你想让姿态控制更精确可以叠加 ControlNet 的 OpenPose 分支。做法是把九张姿态参考骨架图分别送进 ControlNet和 QwenImageEdit 的身份编码并行这样姿态由骨架决定身份由参考图决定两者互不干扰。我一般会把 ControlNet 的权重设在 0.60.7太高会压制身份特征太低则骨架不起作用。验证一致性还有一个土办法但很有效把九张图的人脸区域裁出来缩放到同一尺寸用 SSIM 或简单的像素差异算一个相似度矩阵。如果某张图和其余八张的平均相似度明显偏低那张就是需要重跑的。这个检查用 Python 十几行就能写完比肉眼一张张看靠谱。from skimage.metrics import structural_similarity as ssim import cv2 import numpy as np def check_consistency(face_paths): faces [cv2.imread(p, cv2.IMREAD_GRAYSCALE) for p in face_paths] faces [cv2.resize(f, (256, 256)) for f in faces] n len(faces) scores np.zeros((n, n)) for i in range(n): for j in range(i 1, n): score ssim(faces[i], faces[j]) scores[i][j] scores[j][i] score avg_scores scores.sum(axis1) / (n - 1) worst int(np.argmin(avg_scores)) return worst, avg_scores worst_idx, avg check_consistency([fface_{i}.png for i in range(9)]) print(f最不一致的是第 {worst_idx 1} 张平均相似度 {avg[worst_idx]:.3f})这段代码用 SSIM 算两两相似度worst_idx就是最该重跑的那张。阈值不用死记跑几组之后你自然知道你的工作流在什么分数段算正常。我自己这套流程跑下来最大的教训是参考图预处理花的时间远比后期重跑九张图省事。一开始偷懒用原图直接跑结果九宫格里三张脸对不上回头重新裁剪、抠背景、调分辨率反而多花了一倍时间。现在我的习惯是参考图不过预处理这一关绝不进采样器。希望帮到你。本文还有配套的精品资源点击获取