告别抠图节点:Qwen-Image-2.1-NVFP4原生透明RGBA背景输出实战技巧
告别抠图节点:Qwen-Image-2.1-NVFP4原生透明RGBA背景输出实战技巧
Qwen-Image-2.1-NVFP4 是一个面向 ComfyUI 的完整 NVFP4 量化模型包,它让 Qwen Image 2.1 图像模型与 Qwen3-VL 8B 文本编码器以原生 FP4 精度运行,并在 03_Transparent_RGBA 工作流中直接输出带 Alpha 通道的透明背景 PNG——全程无需任何抠图、去背景节点。对于想批量制作贴纸、商品素材、UI 切图的新手来说,这套"提示词即抠图"的工作方式,可以把原本 5 步的后期流程压缩成 1 步。
为什么原生透明背景输出更省心?
传统 ComfyUI 做透明背景,通常要接一条"生成 → 分割抠图 → 边缘修复"的链路:额外的自定义节点、额外的一次推理、以及永远调不好的发丝边缘。而 Qwen Image 2.1 系列本身具备原生 RGBA 输出能力,官方 Comfy-Org 的 BF16 检查点已经支持,本仓库只是把它做成了更省显存、更快的 NVFP4 版本:
- 不装任何自定义节点:工作流只使用
UNETLoader、CLIPLoader、VAELoader、TextEncodeQwenImage21、KSampler、Empty Latent Image这些核心节点; - 整包仅 12.42 GB(图像模型 4.20 GB + 文本编码器 7.55 GB + VAE 0.68 GB),比原始 BF16 的 32.44 GB 小 61.7%;
- 速度有实测背书:RTX 5090 上 1024×1024、40 步完整出图的中位耗时 6.746 s,约为官方 BF16 的 2.32 倍吞吐(见 VALIDATION.md)。
💡 量化会轻微改变生成结果,这属于预期行为。项目提供的 COMPARISONS.md 收录了全部 24 组 BF16/NVFP4 同种子对照,可离线查看
gallery.html。
一键上手:透明RGBA工作流导入步骤
整个安装只有"放文件 + 导入工作流"两步:
-
放置 3 个权重文件到 ComfyUI 对应目录:
文件 放入目录 qwen_image_2.1_nvfp4.safetensors ComfyUI/models/diffusion_models/qwen3vl_8b_nvfp4.safetensors ComfyUI/models/text_encoders/qwen_image_2.1_vae_bf16.safetensors ComfyUI/models/vae/(已有相同 VAE 可跳过) -
导入工作流:按 Ctrl+O 打开 workflows/03_Transparent_RGBA.json,点击 Run。若走 API 调用,等价文件在 workflows/api/03_Transparent_RGBA.api.json。
-
(可选)应用 runtime 补丁 可获得 NVFP4 加速的文本条件编码;不装补丁也完全可以出图,只是文本编码走 BF16/FP32 路径。
环境要求:ComfyUI 0.36.0+(需带 TextEncodeQwenImage21 节点和原生 NVFP4 支持)、PyTorch 2.14.0+cu130、comfy-kitchen 0.2.35。工作流默认参数为 40 步、Euler、simple 调度、CFG 1、denoise 1,扩散权重 dtype 保持 default 即可。
透明提示词怎么写?记住这段"RGBA模板"
透明输出的关键全部在提示词里。PROMPTING.md 给出的最佳实践是:在主体描述前后各加一句显式的 RGBA 指令,并强调"干净的完整轮廓 + 留足空白边距"。官方小狐狸贴纸示例:
This is an RGBA image with transparency. A charming hand-painted gouache sticker of a small orange fox curled around a glowing blue book, round spectacles, moss-green scarf, clean complete silhouette and generous empty margin. The image has alpha channel and the background is transparent.
🎯 新手可用的中文写作口诀:
- 开头声明:
这是一张带透明通道的 RGBA 图像 - 中间描述主体:媒介、主体、姿态、配色,属性紧跟在物体旁边
- 结尾补刀:
图像带有 alpha 通道,背景是透明的,并要求干净的完整轮廓、留足空白边距
注意两点细节:
- 输出尺寸由
Empty Latent Image节点决定,TextEncodeQwenImage21上的 resolution 只控制参考图缩放; - CFG 1 时负向分支不引导采样,所有必须满足的条件(透明、无杂物、留边距)都要写进正向提示词。
如何验证Alpha通道是真的?
很多人以为"背景看起来是黑的"就是透明了,其实不是。项目用脚本对出图做了逐像素 Alpha 统计,结果记录在 validation/alpha.json 中:
| 指标 | 数值 |
|---|---|
| Alpha 最小值 / 最大值 | 0 / 255 |
| Alpha < 16 的像素占比(接近全透明) | 49.3% |
| Alpha > 240 的像素占比(接近不透明) | 49.7% |
也就是说,约一半画面完全透明、另一半几乎完全不透明,中间还保留了柔和的半透明边缘——这是真正的 Alpha 渐变,而不是二值蒙版。你可以通过以下方式自检:
- 保存为 PNG(JPG 会丢掉 Alpha 通道);
- 在支持 Alpha 的查看器中查看,或叠加到棋盘格背景上观察,官方示例见 assets/transparency-checker.jpg 与原图 assets/03_Transparent_RGBA.png;
- 如果用的是 NVFP4 量化出的狐狸样张,可对照 assets/transparent_fox_nv-nv_extended_00001_.png。
常见踩坑与排查
| 现象 | 原因与对策 |
|---|---|
| 透明区域显示紫色/杂色 | 正常。透明像素下方仍存储了 RGB 值,RGB-only 查看器会直接显示它;换支持 Alpha 的查看器验证即可 |
| 导出的 JPG 没有透明 | 保存格式选错,必须用 PNG |
| 边缘有白边/毛边 | 提示词中补上 clean complete silhouette and generous empty margin,让模型预留干净轮廓 |
| 主体被裁掉 | 透明留白会占用画面,适当调大 Empty Latent Image 尺寸或让主体居中 |
| 模型列表里找不到权重 | 文件放错目录后未刷新 ComfyUI 模型列表 |
另外提醒:该工作流只测试了单参考图与文生图场景,多参考图编辑、长文本排版等属于不同工作流的能力范围,完整测试边界见 VALIDATION.md。
性能与许可说明
在 RTX 5090 实测中,NVFP4 完整链路(文本编码 + 去噪 + VAE 解码 + PNG 保存)中位 6.746 s,整卡采样峰值约 12.9 GiB,原始数据在 validation/benchmark.json;内核层面通过 cutlass3x_sm120_..._block_scaled FP4 kernel 审计(validation/kernel_audit.jsonl)确认了真实的硬件 FP4 执行。
最后注意许可:本项目遵循 Qwen Research License,仅限非商业研究与评估用途,商用需另行获取授权,完整条款见 LICENSE 与 NOTICE。
小结
- 用 03_Transparent_RGBA 工作流即可零抠图节点输出带 Alpha 的透明背景 PNG;
- 透明能力来自提示词中的显式 RGBA 指令,"开头声明 + 主体描述 + 结尾确认"三步模板最稳;
- 用棋盘格合成或 Alpha 统计(参考 alpha.json)验证,而不是肉眼看黑底;
- 12.42 GB 整包 + 6.7 s 级出图速度,让"透明背景素材"成为日常可批量产出的能力。

