Qwen-Image生图参数完全指南:num_inference_steps、true_cfg_scale与7种宽高比选择清单
Qwen-Image生图参数完全指南:num_inference_steps、true_cfg_scale与7种宽高比选择清单
Qwen-Image 是 Qwen 系列推出的文生图(Text-to-Image)基础模型,以精准的中文/英文文字渲染和图像编辑能力著称。本文是 Qwen-Image 生图参数完全指南,手把手讲清 num_inference_steps、true_cfg_scale 两大核心参数,并附上 7 种宽高比分辨率选择清单,新手照抄即可获得稳定出图效果。
1. 先认识仓库:权重都放在哪?
本仓库是 Qwen-Image 的完整权重,按 diffusers 标准结构组织,打开 model_index.json 可以一眼看到全部组件:
| 目录/文件 | 作用 | 对应文件 |
|---|---|---|
scheduler/ |
噪声调度器(决定去噪节奏) | scheduler_config.json |
text_encoder/ |
文本编码器,理解你的提示词 | text_encoder/config.json |
tokenizer/ |
词表与分词配置(支持中文) | tokenizer_config.json |
transformer/ |
主干扩散模型,共 9 个分片权重 | transformer/config.json |
vae/ |
变分自编码器,把潜变量还原成像素图 | vae/config.json |
💡 一个小知识:调度器使用的是 FlowMatchEulerDiscreteScheduler(见 scheduler/scheduler_config.json),属于流匹配(Flow Matching)路线,这正是 Qwen-Image 的引导参数叫 true_cfg_scale 而不是传统 cfg_scale 的原因。
2. num_inference_steps:生图步数怎么设?
num_inference_steps 控制模型从纯噪声"雕刻"成图像的迭代次数,是质量与速度的平衡旋钮:
- 官方推荐:50 步 —— 细节完整度最佳,适合最终出图;
- 快速草稿:20~30 步 —— 出图速度明显变快,适合反复试提示词时先用它验证构图;
- 不要为了提速压得太低:步数过少会导致文字渲染模糊、细节崩坏,而文字恰恰是 Qwen-Image 的看家本领。
📌 经验法则:先用 30 步试提示词,定稿后拉到 50 步。
3. true_cfg_scale:提示词"听话程度"调节器
true_cfg_scale 是真实引导尺度(True CFG Scale),决定图像在多大程度上贴合你的文字描述:
- 官方推荐:4.0,大多数场景直接使用即可;
- 调大(4.5~5.0):主体更突出、文字更"较真",但画面容易过饱和、出现不自然的对比度;
- 调小(3.0 左右):画面更柔和自由,但提示词细节(尤其是小字内容)可能出现偏差;
- 不建议超过 5:过高的引导强度容易让整张图"塑料感"加重。
⚠️ 注意:由于 Qwen-Image 走的是流匹配路线,调用时应传 true_cfg_scale 参数,而不是 Stable Diffusion 体系里的 cfg_scale,传错参数会导致引导完全失效。
4. 7 种宽高比分辨率选择清单
Qwen-Image 官方给出 7 种推荐宽高比及其对应分辨率,全部按此清单选择,出图效果最稳定:
| 宽高比 | 宽 × 高(像素) | 典型用途 |
|---|---|---|
| 1:1 | 1328 × 1328 | 头像、社媒方图、贴纸 |
| 16:9 | 1664 × 928 | 壁纸、视频封面、横幅 Banner |
| 9:16 | 928 × 1664 | 手机壁纸、短视频封面、Story |
| 4:3 | 1472 × 1140 | 照片感横图、产品图、PPT 插图 |
| 3:4 | 1140 × 1472 | 竖版照片、小红书图文 |
| 3:2 | 1584 × 1056 | 经典摄影横构图 |
| 2:3 | 1056 × 1584 | 经典摄影竖构图、海报 |
💡 选尺寸口诀:横屏选 16:9 或 3:2,竖屏选 9:16 或 2:3,方图选 1:1,拿不准就选 4:3。宽高比直接决定构图重心,人像竖版、风景横版基本不会翻车。
5. 其他两个容易忽略的参数
negative_prompt(负面提示词):用来排除不想要的内容,如 "blurry, low quality"。没有特定需要排除的概念时,官方建议直接传一个空格" ",不要留空字符串;generator+ 随机种子(seed):固定种子后,同样的提示词和参数每次出图结果一致,方便你对照true_cfg_scale等参数的改动效果。
6. 参数组合速查表
| 场景 | num_inference_steps | true_cfg_scale | 推荐宽高比 |
|---|---|---|---|
| 日常出图(默认档) | 50 | 4.0 | 按用途从上方清单选 |
| 快速试提示词 | 25~30 | 4.0 | 1:1 即可 |
| 文字海报/招牌特写 | 50 | 4.0~4.5 | 4:3 或 3:2 |
| 手机/视频竖版内容 | 50 | 4.0 | 9:16 |
核心调用形式可参考 README.md 中的 Quick Start 部分,只需替换 width、height、num_inference_steps、true_cfg_scale 四个参数值:
image = pipe(
prompt=prompt,
negative_prompt=" ",
width=1664, height=928,
num_inference_steps=50,
true_cfg_scale=4.0,
).images[0]
7. 新手避坑 FAQ
- 出图文字是乱码? 把
num_inference_steps拉到 50,并在提示词中用引号明确写出要渲染的文字内容,中英文均可; - 画面过曝、颜色发"脏"? 大概率是
true_cfg_scale开太高了,回调到 4.0; - 想要更高清? 在提示词结尾追加
Ultra HD, 4K, cinematic composition(中文提示词则追加超清,4K,电影级构图),这是官方给出的画质增强后缀; - 结果每次都不同? 传入固定种子的
generator(如torch.Generator(...).manual_seed(42))即可复现。
🎯 一句话总结:50 步 + 4.0 引导 + 选对宽高比,就是 Qwen-Image 最稳的出图三件套。掌握这套参数组合,你就能充分发挥 Qwen-Image 在文字渲染和图像编辑上的优势。