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

原创2026-11-12 12:16:121,411 阅读

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

  1. 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;
  2. 画面过曝、颜色发"脏"? 大概率是 true_cfg_scale 开太高了,回调到 4.0;
  3. 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;
  4. 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。

登录后查看全文
Qwen-Image