mflux-generate-qwen-2.1 全参数速查:--prompt、--seed、--output 一次讲透 Qwen-Image-2.1-Turbo-MFlux-Q8 出图命令
mflux-generate-qwen-2.1 全参数速查:--prompt、--seed、--output 一次讲透 Qwen-Image-2.1-Turbo-MFlux-Q8 出图命令
Qwen-Image-2.1-Turbo-MFlux-Q8 是 Qwen-Image-2.1-Turbo 文生图(AI 绘图)模型的 Q8 量化版,专为 Apple Silicon 的 Mac 打造,通过 MFlux 工具即可本地运行 AI 出图,无需 GPU 云服务。本文带你一次讲透 mflux-generate-qwen-2.1 出图命令的全部核心参数——--prompt、--seed、--output,零基础也能快速生成第一张图 🚀
📦 仓库结构:这个模型包里有什么?
整个仓库就是一个完整的文生图流水线,各组件职责如下:
| 目录 / 文件 | 作用说明 |
|---|---|
text_encoder/ |
Qwen3-VL 文本编码器,负责"读懂"你的提示词(分 5 个权重片) |
transformer/ |
扩散主干网络(DiT),真正负责"画"图(分 4 个权重片) |
vae/ |
VAE 解码器,把潜空间噪声解码成最终像素图片 |
processor/ |
分词器与预处理配置 |
scheduler/ |
采样调度器配置(scheduler/scheduler_config.json) |
| model_index.json | 流水线总配置,声明这是 QwenImage21Pipeline |
💡 为什么选 Q8? Q8 版本体积约 17.8 GB,画质接近 32.5 GB 的 BF16 完整版,却只需一半空间,是 Mac 本地出图的首选。官方社区提供的完整量化版本对照如下:
| 量化精度 | 体积 | 说明 |
|---|---|---|
| BF16 | 32.5 GB | 精度最高,大内存 Mac 专享 |
| Q8 | 17.8 GB | 本仓库,画质与体积的最佳平衡点 ⭐ |
| Q6 | 13.9 GB | 中等折中 |
| Q5 | 11.9 GB | 更省空间 |
| Q4 | 10.0 GB | 低显存首选 |
| Q3 | 8.0 GB | 极限压缩 |
Q8 的量化信息已直接写死在权重文件中,因此使用时不需要额外传 --quantize 参数(详见 README.md)。
🚀 快速开始:3 步生成第一张图
第 1 步:安装 MFlux
一条命令装好命令行工具(需已安装 uv 或 Python 环境):
uv tool install --upgrade mflux
第 2 步:执行出图命令
mflux-generate-qwen-2.1 \
--model mflux-community/qwen-image-2-1-turbo-mflux-q8 \
--base-model qwen-image-2.1-turbo \
--prompt "A puffin standing on a cliff" \
--width 1024 \
--height 1024 \
--seed 42 \
--output image.png
首次运行时,工具会自动下载模型权重到本地缓存,之后每次出图都会直接使用缓存,速度飞快。该命令与仓库文档 README.md 中的示例完全一致。
第 3 步:打开 image.png
运行结束后,当前目录下就会出现你生成的 AI 图片 📸
⚙️ mflux-generate-qwen-2.1 全参数速查表
| 参数 | 作用 | 示例值 | 说明 |
|---|---|---|---|
--model |
模型来源 | mflux-community/qwen-image-2-1-turbo-mflux-q8 |
仓库名或本地目录路径 |
--base-model |
底座模型标识 | qwen-image-2.1-turbo |
需与命令名中的模型族匹配 |
--prompt |
文生图提示词 | "A puffin standing on a cliff" |
核心参数,决定画面内容 |
--width |
图片宽度(像素) | 1024 |
与 --height 搭配决定出图比例 |
--height |
图片高度(像素) | 1024 |
同上 |
--seed |
随机种子 | 42 |
固定后可复现同一张图 |
--output |
输出图片路径 | image.png |
可带目录,如 out/1.png |
🔍 逐个参数讲透
--prompt:AI 绘图提示词怎么写才出好图?
--prompt 是整条命令的灵魂,模型完全依据这段文字"作画"。新手建议按这个公式组织提示词:
主体 + 场景/动作 + 风格 + 光影氛围
- ✅
A puffin standing on a cliff—— 主体(海鹦)+ 场景(悬崖) - ✅ 复杂一点:
A cozy cabin in a snowy forest, warm light from windows, oil painting style - 💡 经验之谈:英文提示词通常比中文更稳定;关键词之间用逗号分隔,描述越具体,画面越可控
--width / --height:出图尺寸怎么选?
- 1024 × 1024:最稳妥的方图尺寸,示例命令即采用它
- 想要横版壁纸可尝试 1344 × 768,竖版则反过来
- 尺寸越大,内存占用和耗时越高;内存紧张时先从 1024 方图起步
--seed:如何一键复现同一张图?
--seed 控制随机数种子,它决定了"噪声的起点":
- 固定
--seed 42+ 相同提示词 → 多次生成得到相同(或高度一致)的画面,方便调试提示词 - 不断更换 seed(如 1、7、99)→ 同一提示词能探索出多种构图变体
调图心法:先固定 seed 改提示词看效果,满意后再换 seed 找灵感 ✨
--output:图片保存路径怎么指定?
--output 指定图片保存位置:
- 只写文件名:
image.png→ 保存到当前目录 - 带目录:
result/today_001.png→ 自动归入指定文件夹(目录不存在时建议先创建) - 批量出图时,建议文件名带上 seed 或日期,方便区分版本
--model 与 --base-model:模型路径和底座标识
--model填仓库名时,工具首次运行自动下载权重;填本地目录则完全离线--base-model是模型族的"身份证号",告诉工具这套权重对应哪个底座架构,必须与仓库实际底座一致,本仓库固定为qwen-image-2.1-turbo
📥 离线出图:克隆权重到本地
如果你希望权重完全落在自己电脑上(内网环境、重复生成不依赖网络),可以克隆仓库再指向本地目录:
git clone https://gitcode.com/hf_mirrors/mflux-community/qwen-image-2-1-turbo-mflux-q8
然后把命令中的 --model 改为本地路径即可:
mflux-generate-qwen-2.1 \
--model ./qwen-image-2-1-turbo-mflux-q8 \
--base-model qwen-image-2.1-turbo \
--prompt "A puffin standing on a cliff" \
--output image.png
🧠 进阶一瞥:模型内部的关键参数
对原理感兴趣的读者,几个配置文件值得一看:
- 8 步极速采样:model_index.json 中的
sample_sigmas只列了 8 个采样点——这正是 "Turbo" 的含义:少步数出图,生成速度飞快 - 扩散主干规模:transformer/config.json 显示 32 层、32 个注意力头,是画面细节的担当
- 采样调度器:scheduler/scheduler_config.json 使用
FlowMatchEulerDiscreteScheduler做流匹配采样 - VAE 解码器:vae/config.json 中
z_dim为 64 通道,负责最后的"噪声 → 像素"还原 - 文本侧:processor/tokenizer_config.json 与 text_encoder/config.json 定义了 Qwen3-VL 编码器的分词与结构
❓ 常见问题速查(FAQ)
Q1:第一次运行要等多久? 首次会自动下载约 17.8 GB 权重,之后都走本地缓存,出图本身只需几十秒级。
Q2:需要加 --quantize 参数吗?
不需要。Q8 量化级别已保存在权重里,工具读取权重时自动生效。
Q3:内存不够 17.8 GB 怎么办?
可换用体积更小的 Q5/Q4 量化版本(11.9 GB / 10.0 GB),命令中把 --model 换成对应仓库名即可。
Q4:这个模型能商用吗? 本仓库继承原模型的 qwen-research 许可,具体条款请自行查阅原始模型说明,出图前建议确认使用限制。
📝 总结
| 关键信息 | 内容 |
|---|---|
| 出图命令 | mflux-generate-qwen-2.1 |
| 核心参数 | --prompt 定内容、--seed 定复现、--output 定保存 |
| 推荐尺寸 | 1024 × 1024 起步 |
| 模型体积 | Q8 约 17.8 GB |
| 运行平台 | Apple Silicon Mac + MFlux |
掌握 --prompt、--seed、--output 这三个核心参数,你就能在 Mac 上流畅玩转 Qwen-Image-2.1-Turbo-MFlux-Q8 的本地 AI 绘图。祝出图顺利,创作愉快 🎨