大家好，今天为大家介绍一款千问编辑模型的 GGUF 版本——Qwen-Edit 2511-AIO-GGUF。该版本支持 NSFW 内容处理，属于融合型 AIO 模型，体积更小、显存占用更低，推理速度显著提升，平均约 30 秒即可完成图像生成，效果不逊于原版，且模型体积缩减超过一半。
本次测试采用全 GGUF 加速工作流，包括 CLIP 模型也替换为 GGUF 格式。例如原版 CLIP 模型大小为 9GB，使用 Q4 量化后压缩至约 4GB；原版千问模型为 28GB，Q4 量化后仅需 12GB，显存压力大幅降低，运行效率明显提高。
以下为具体测试内容与结果：
基础图像编辑能力测试
- 手办化转换：将原图中人物转换为手持九尾狐手办的效果。首次运行耗时约 70 秒（含模型加载），后续运行稳定在 30 秒左右。输出图像细节清晰，手指纹理、手办质感表现良好，原始图像分辨率为 832×1248，适合进一步通过 SDR/SVR2 放大增强。
- 素描风格转换：将同一人物转为炭笔速写风格，用时 28.089 秒。皮肤质感、指甲纹理、线条表现均自然合理。
- 服饰与场景重绘：提示词为“图中人物穿上原始部落兽皮服饰，骑在黑豹之上”，用时 34 秒。人物发型、面部特征保持一致，黑豹毛发质感与光影效果表现到位。
多视角一致性测试
- 鸟瞰视角：生成人物俯视角度图像，用时 32.45 秒，背景瀑布与人物比例协调。
- 背面视角：生成人物背影，用时 34 秒，发型还原完整，背部结构合理。
- 侧面视角：用时 31.789 秒，发丝与面部轮廓细节保留较好，轻微光滑感可通过后续 VR2 增强皮肤质感进行优化。
风格迁移能力测试
- 真人→动漫：提示词为“将图片转换为日式动漫风格”，用时 42 秒，成功输出高质量二次元图像，风格识别准确。
- 动漫→真人：选取典型夸张二次元角色进行写实化转换，平均用时约 31–38 秒。衣物、鞋履、地面等元素真实感强，头部因原作特征过于鲜明略带 2.5D 效果，整体完成度达 80 分以上。多次重绘可进一步提升五官自然度。
多图协同与复杂提示测试
- 双人互动重绘：输入两张人物图，设定“穿黑色情趣服装、红色配色、相互拥抱”等提示，使用空尺寸（1024×1024）生成，用时 40 秒。发丝、布料褶皱等细节表现合格，符合提示逻辑。
- 四宫格表情包生成：按“微笑、愤怒、恐惧、害羞”顺序生成，用时 31.7 秒。各表情神态区分明显，其中愤怒与恐惧表现优于微笑，整体可控性良好。
模型配置说明
测试环境为搭载 RTX 4080 笔记本（12GB 显存），实际运行中首次加载模型约需 8–10 秒，K采样器首帧耗时约 40–50 秒，后续稳定在 20–30 秒区间。台式机平台性能更强，预计响应更快。
所用模型包含：
- Qwen-Edit 2511-AIO-GGUF（Q4 与 Q6 两种精度可选，Q4 已验证效果良好，Q6 可进一步提升画质）
- CLIP-GGUF（Q3/Q4 均可，Q4 推荐，约 4GB）
- VAE（千问专用 VAE，非必需但建议加载以提升色彩表现）
关键注意事项：
- CLIP-GGUF 模型必须放置于 ComfyUI 的
models/clip目录下，否则会报 “CLIP loading error” 错误，导致工作流无法运行； - 无需额外安装插件，仅需将模型文件与工作流导入对应路径即可使用；
- 推荐采样步数为 6，当前演示使用 4 步以兼顾速度与可视效果，提升至 6 步可明显增强细节质感。