Pruna-Qwen-Image-2.1 文生图实战教程:提示词技巧、参数调优与避坑完整清单
Pruna-Qwen-Image-2.1 文生图实战教程:提示词技巧、参数调优与避坑完整清单
Pruna-Qwen-Image-2.1 是一组专为 Qwen/Qwen-Image-2.1 打造的 Few-step LoRA 加速器:它让文生图(text-to-image)与图像编辑(image editing)只需 5 步或 8 步 即可出图,无需 CFG,最高可获得 6.3 倍 的推理提速。本文面向新手,手把手讲清它的 提示词技巧、参数调优方法与常见坑,帮你快速上手这张“又快又稳”的文生图加速卡。
一、它到底是什么?适合谁用
Pruna-Qwen-Image-2.1 不是独立模型,而是一组叠加在基模上的 LoRA 适配器(基于 DMD 蒸馏训练)。加载后,原有的 pipeline、文本编码器、VAE 全部保持不变,只是把去噪步数从 40 步压到 5 / 8 步,从而大幅降低延迟。
⚠️ 当前为 v0.1 首版,视觉质量尚未追平基模,后续版本会持续更新。需要“满血画质”时,请直接用基模本身。
两个版本怎么选(都出自 README.md 的 Variants 说明):
| 权重文件 | 步数 | 取舍建议 |
|---|---|---|
| p_qwen_image_2.1_8step_v0.1.safetensors | 8 | 质量更高,推荐作为默认 |
| p_qwen_image_2.1_5step_v0.1.safetensors | 5 | 速度更快,但画质明显下降 |
💡 记住一条铁律:两个适配器各自按不同 sigma 表训练,一次只加载一个,不要把 5 步和 8 步混着用。
二、一键安装:最小环境要求
需要一个 CUDA GPU。先安装依赖,注意 diffusers 要用指定 commit 的最新版:
pip install 'torch>=2.4.0' 'transformers>=5.17' accelerate peft pillow
pip install git+https://github.com/huggingface/diffusers@6256aa7666cedd47443adc8f82da9a10e110b09c
加载适配器只需两步(加载基模 → 挂载 LoRA):
import torch
from diffusers import FlowMatchEulerDiscreteScheduler, QwenImage21Pipeline
STEPS = 8 # 8 步 = 更高质量;5 步 = 更快
pipe = QwenImage21Pipeline.from_pretrained(
"Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
).to("cuda")
pipe.load_lora_weights(
"PrunaAI/Pruna-Qwen-Image-2.1",
weight_name=f"p_qwen_image_2.1_{STEPS}step_v0.1.safetensors",
)
三、参数调优清单(最关键,照抄即可)
这部分是新手最容易踩坑的地方,建议直接对照下面的 推荐设置 来配:
- sigma 表必须和适配器匹配,并保持
shift=1.0、关闭动态 shifting,避免 sigma 被二次移位:- 8 步:
1 → 14/15 → 6/7 → 10/13 → 2/3 → 6/11 → 0.4 → 2/9 → 0 - 5 步:
1 → 0.94 → 6/7 → 2/3 → 0.4 → 0
- 8 步:
- 不要开 CFG:
true_cfg_scale保持1.0,并且 不要传 negative prompt。 - LoRA 强度保持
1.0,不要手动调低。 - 文生图时 提示词要写长、写细,效果差距非常明显。
pipe.scheduler = FlowMatchEulerDiscreteScheduler.from_config(
pipe.scheduler.config,
use_dynamic_shifting=False, # 关键:关闭动态 shifting
shift=1.0,
shift_terminal=None,
)
🎯 避坑:步数、sigma 表、CFG 三项是绑定的。换步数就必须换对应 sigma 表,否则出图会明显发糊或偏色。
四、提示词技巧:从“能出图”到“出好图”
适配器只在 1K 分辨率 上训练,混合了“简单提示词 + 放大后的详细提示词”。官方明确:更详细、更长的提示词效果更好。一个好提示词通常覆盖四个维度:
- 主体:画什么(人物、物品、场景)。
- 场景/环境:在哪、什么氛围、什么时间。
- 光影:光源方向、明暗、反射、景深。
- 风格:摄影、电影感、插画、写实等。
一个可直接套用的示例(来自官方 Qwen 模型卡示例,BF16、单卡 H100):
A glowing neon shop sign that reads "QWEN IMAGE 2.1", mounted on a brick wall in a narrow city alley at night. Heavy rain, wet pavement reflecting pink and blue light, shallow depth of field, cinematic photograph.
小技巧:
- 想强化细节,就把“光效、材质、镜头语言”都写出来(如
shallow depth of field、cinematic photograph)。 - 用固定
seed(如manual_seed(42))便于复现与对比调参。
五、图像编辑:最多 3 张参考图
同一个 pipeline 既能文生图,也能改图。编辑时把原图传入 image 参数即可,最多支持 3 张参考图(单图与多图编辑都在训练覆盖内):
image = pipe(
prompt="Change the background to a sunset beach",
image=Image.open("input.png").convert("RGB"),
num_inference_steps=STEPS,
sigmas=SIGMAS,
true_cfg_scale=1.0,
use_kv_cache=True,
).images[0]
⚠️ 避坑:编辑参考图别超过 3 张。超过训练覆盖范围,效果会不稳定。
六、分辨率与性能:1K 最稳,2K 要理性
- 起步就选
1024 × 1024,这是训练分辨率,效果最稳。 - 2K 及更高分辨率“可能能跑”,但不在训练覆盖范围内,画质无保证,官方给出的 2K 耗时只代表推理速度、不代表画质。
- 官方基准:单张 NVIDIA H100 80GB,BF16、batch=1,基模 40 步(开 KV cache)对比 Pruna 5/8 步,取 3 次请求中位数。
📊 结论:日常出图锁死 1024×1024,需要放大时优先考虑后期超分,而不是直接把分辨率拉到 2K 去赌质量。
七、避坑完整清单(收藏版)
| # | 常见错误 | 正确做法 |
|---|---|---|
| 1 | 同时加载 5 步 + 8 步两个 LoRA | 一次只加载一个 |
| 2 | 步数与 sigma 表不匹配 | 按上表严格对应 |
| 3 | 开了动态 shifting 导致双重移位 | use_dynamic_shifting=False、shift=1.0 |
| 4 | 误用 CFG / 加了 negative prompt | true_cfg_scale=1.0,不传负向词 |
| 5 | 手动调低 LoRA 强度 | 保持 1.0 |
| 6 | 提示词太短太笼统 | 写主体+场景+光影+风格 |
| 7 | 直接用 2K 期望满血画质 | 默认 1K,放大交给超分 |
| 8 | 以为它替代了基模 | 它是“加速版”,不是“更高质量版” |
八、版本、边界与许可
它不是什么:
- 不是独立模型,必须配合
Qwen/Qwen-Image-2.1基模使用; - 不是基模的“画质增强版”,追求满血画质请用基模;
- 不是最终正式版,未来权重可能变动。
许可:Pruna-Qwen-Image-2.1 派生自 Qwen-Image-2.1,遵循 Qwen RESEARCH LICENSE AGREEMENT,使用或再分发前请先阅读使用限制,详见 LICENSE 与 NOTICE。
✅ 下一步:按本文参数表先跑通 1024×1024 的 8 步出图,确认稳定后再逐步尝试 5 步提速与图像编辑,就能既快又稳地用上 Pruna-Qwen-Image-2.1 了。




