尧图网页设计 
简介这份资源面向 ComfyUI 进阶用户提供基于 QwenImageEdit 的任意场景人物一致性写真工作流可在更换背景、服装或风格时保持同一人物形象稳定解决 AI 摄影、电商模特图、角色设定等场景中人物易走样的问题。压缩包共 1 个文件为 json 格式的工作流配置仅 6KB导入 ComfyUI 节点画布即可查看完整连线、参数与提示词结构轻量且易于修改复用。目前已有 229 人学习下载。资源描述中还附带了作者撰写的 ComfyUI 使用教程、开发指导以及 TauriDjango 开源 AI 工具平台的项目介绍可帮助读者理解工作流节点原理并掌握后续调试、扩展和部署到局域网环境的思路。整体短小精悍适合希望快速套用现成方案、提升人物一致性与出图效率的 ComfyUI 玩家。1. 任意场景人物一致性写真为什么这套方案值得自己做ComfyUI/QwenImageEdit 任意场景人物一致性写真核心解决一件事用同一张人物参考图通过文字指令把人物放进任意背景同时保证五官、发型、穿着特征不漂移。相比训练LoRA、跑换脸插件这些路线它的门槛低在“零训练”上限高在“一条工作流批量出图”适合个人IP、电商模特图、约拍样片这类高频场景。文章不写空原理直接给选型逻辑、节点链路、参数校准和踩坑记录新手照着搭能跑通熟手可以直接拿去调整自己的出图管线。2. 方案选型为什么是 QwenImageEdit 而不是 LoRA 或换脸2.1 人物一致性三条路线的真实取舍做人物一致性写真圈子里最常见的路线有四条训练人物 LoRA、用换脸插件做面部替换、用 ControlNet 锁姿势加图生图、以及本文要讲的 QwenImageEdit 指令式编辑。四条路线的本质差别在于“人物特征从哪来”LoRA 把特征写进权重换脸把特征贴到脸上ControlNet 管姿势不管长相QwenImageEdit 则是把参考图特征和文字指令一起送进模型在生成阶段完成身份保持。LoRA 路线需要准备 20 到 50 张同一个人不同角度的图打标、裁剪、训练一张卡跑 2 到 4 小时是常态。效果上限高但换一个人就得重新训练不适合“随手拍一组参考图就要出片”的场景。换脸插件路线把生成结果里的人物脸部区域单独替换成参考脸。速度最快但有两个硬伤一是光影不一致脸是贴上去的侧脸角度超过 30 度就容易崩二是换脸组件存在敏感边界商用和发布都有合规风险。ControlNet 路线openpose 锁姿势 低重绘幅度图生图。能保持姿态但保不住脸换个背景后五官照样飘只能靠种子抽卡碰运气。QwenImageEdit 的路线逻辑不一样。它属于指令跟随型图像编辑模型输入一张参考图和一句“把这个人放到雪山前”模型在内部融合参考图的身份特征与场景语义输出的是“这个人在那里”的完整画面而不是拼贴。这意味着它能处理任意场景不用训练且一致性来自模型对参考图的理解不是后处理整体更自然。ComfyUI 社区已经把它封装成了标准节点可以在工作流里和采样器、VAE、图像后处理节点串联这正是标题所说“任意场景人物一致性写真”能落地的基础。2.2 ComfyUI 里 QwenImageEdit 节点的正确姿势ComfyUI 本身不带 QwenImageEdit 节点需要安装第三方插件。常见做法是使用支持 QwenImageEdit 的 custom node 插件名字一般叫 ComfyUI-QwenImageEdit你可以从 ComfyUI Manager 的节点列表中搜到也可以直接在 custom_nodes 目录下用 git clone 拉取。安装完成后重启 ComfyUI节点列表里会出现 QwenImageEdit 相关的类型。安装后还要确认模型文件位置。QwenImageEdit 模型权重一般要放到 ComfyUI 的 models/checkpoints 或 models/diffusers 目录下具体看插件文档。如果你用的是秋叶整合包目录结构已经预设好放到对应目录后刷新即可。需要注意模型文件比较大下载失败时不要反复点重试先确认磁盘空间是否充足再换下载工具或换国内镜像源这是最常遇到的安装卡点。2.3 最小工作流参考图进、场景图出搭工作流时至少需要六类节点图像加载节点LoadImage、图像预处理节点可选缩放、QwenImageEdit 主节点、采样器节点、VAE 解码节点、保存图像节点SaveImage。一个精简链路是LoadImage 加载参考图 —— 送入 QwenImageEdit 节点的 image 输入 —— 同时输入文字指令到 prompt 输入 —— 输出 latent 送入采样器SamplerCustom —— 采样结果进 VAEDecode —— 最后 SaveImage 保存。如果你参考图分辨率过小或比例不适配可以在 LoadImage 后面加一个图像缩放节点把图统一到 768×1024 或 832×1216 这类竖构图尺寸再进模型。这个工作流的要点在于QwenImageEdit 主节点同时接收图像和文本不需要你单独写负面提示词但采样器部分如果你不放心可以留空负向输入Qwen 系列模型对负向提示不敏感。跑通一次后把工作流用 JSON 导出来后面批量换场景时只需要改文本节点的内容这一点在第四章的批量脚本里会用到。3. 让“同一张脸”成立参考图条件、指令措辞与参数校准3.1 参考图的三个硬指标很多人在这个环节翻车拿着手机随手拍的糊图、侧脸 45 度以上的图、逆光死黑的图直接往节点里扔出来的效果自然“不像”。QwenImageEdit 从参考图里提取身份特征参考图质量直接决定一致性上限。脸部清晰度建议面部区域至少 300×300 像素以上。太糊的图模型提取不到有效特征生成的所谓“同一人”只是有一丝神似放大看五官结构对不上。如果你只有模糊老照片先做超分再喂给节点。正面或微侧角度正面脸是最稳的左右侧偏不超过 15 度更好。超过 30 度后模型会把侧脸特征错当成身份特征导致生成结果里五官扭曲。光照均匀无遮挡刘海阴影、帽子压眉、眼镜反光都会干扰特征提取。一张顺光、无遮挡的正脸照比任何提示词都管用。3.2 指令怎么写才不漂移参考图决定了“他是谁”指令决定了“他在哪、在干嘛”。写作顺序建议固定为身份约束 场景描述 动作姿态 画质修饰。身份约束写成“保持这个人的五官、发型、服装不变”场景描述要具体到地点、时间、光线、天气动作姿态要有明确指向画质修饰统一加“写实风格、高清细节、8k”。错误示范是“把这个人放到海边”没有身份约束也没有光线和景别说明模型会自由发挥衣服和发型都可能被改。正确示范是“保持这个人的五官、发型和黑色外套不变站在傍晚的海边沙滩上身后是金色晚霞海浪拍打沙滩正面全身照写实摄影风格”。后面加“高清细节、皮肤纹理清晰”这类修饰词。如果你希望衣服也不变就在身份约束里写明“服装不变”如果你希望衣服随场景变化就不要提衣服只锁五官和发型。这个细节很多人没注意指令里不提的部分模型有权自由决定这也是为什么有时场景对了但衣服乱换。3.3 采样器与分辨率参数校准不同 ComfyUI 版本和插件封装的参数名略有不同但核心变量是一样的。我通常这样设置参数建议范围说明步数steps2030步数太少细节不足超过 30 提升不大guidance / CFG3.06.0Qwen 系模型对 CFG 不敏感过大会导致色彩过饱和分辨率768×1024 / 832×1216竖构图适合人物全身像宽图人物面部占比会变小种子seed固定后用多种子抽卡找到好种子后固化为默认值denoise / 重绘幅度0.81.0指令编辑场景需要高重绘低重绘只改局部最常出问题的两个参数CFG 拉太高图像会出现塑料感和不自然的边缘分辨率选成 512×512人物全身照直接变矮胖。竖构图是人物写真的底线。另外不要对着同一个种子反复调参数先固定种子跑通场景再换种子抽 5 到 8 张挑最佳这是最省时间的校准顺序。4. 完整复现从 ComfyUI 部署到批量场景写真出图4.1 环境准备ComfyUI、插件、模型三步到位如果你还没有 ComfyUI可以从官方仓库或者秋叶整合包部署。官方路线适合熟悉命令行的用户整合包适合不想碰环境变量的人。这里以命令行为例整合包用户跳过前四步直接看插件安装部分。# 克隆 ComfyUI 代码 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 创建虚拟环境并安装基础依赖 python -m venv venv source venv/bin/activate # Windows 下用 venv\Scripts\activate pip install -r requirements.txt # 安装 QwenImageEdit 插件以 custom_nodes 方式 cd custom_nodes git clone https://github.com/你的插件仓库/ComfyUI-QwenImageEdit.git cd .. pip install -r custom_nodes/ComfyUI-QwenImageEdit/requirements.txt # 启动服务预留显存防止高频 OOM python main.py --reserve-vram 0.5这段命令的要点venv 是虚拟环境避免依赖冲突Windows 下激活命令不一样插件安装后必须安装 requirements.txt否则节点加载报错--reserve-vram参数是给显存预留缓冲区的虚拟显存不足时这个参数能降低黑图和崩溃概率。如果你不是独立显卡或显存小于 8G建议把--reserve-vram调到 1.0 甚至 1.5。4.2 节点搭建与工作流 JSON 备份进入 ComfyUI 界面后新建工作流添加图像加载节点、QwenImageEdit 节点、采样器SamplerCustom、VAE 节点、保存节点。第一次手动跑通后把工作流保存为 JSON 文件这个文件就是你的批处理模板。批量生成时你不能手动一张张改提示词需要用 ComfyUI 的 API 接口提交任务。先在工作流界面启用“开发模式”用“导出工作流 API 格式”导出 JSON然后再写脚本提交。下面是一个最小批处理脚本# batch_portrait.py # 通过 ComfyUI API 批量生成同一个人的不同场景写真 import json import requests # 读取之前导出的工作流 JSON workflow json.load(open(qwen_portrait_workflow.json)) # 场景列表一个元素对应一组指令 scenes [ 在东京街头夜晚霓虹灯下行人穿梭正面半身像, 在雪山的山脊上清晨阳光洒在脸上全身像, 在旧书咖啡馆里暖黄色台灯手拿咖啡杯中景 ] for i, scene in enumerate(scenes): # 找到工作流里的文本节点覆盖场景描述 prompt_node workflow[6] prompt_node[inputs][text] ( 保持这个人的五官、发型和黑色外套不变 f{scene}写实摄影风格高清细节 ) # 修改保存文件名避免覆盖 save_node workflow[12] save_node[inputs][filename_prefix] fportrait_scene_{i:02d} # 提交任务到 ComfyUI data {prompt: workflow, client_id: batch_portrait} response requests.post(http://127.0.0.1:8188/prompt, jsondata) print(f场景 {i} 提交状态: {response.status_code})这段脚本的原理很简单ComfyUI 启动后会监听 8188 端口POST /prompt接口接收工作流 JSON。你只需要在每次提交前修改文本节点的内容再改一个输出文件名就能排队出图。filename_prefix是保存图像的前缀ID 编号避免覆盖。注意workflow[6]和workflow[12]不是固定的数字 ID你要在导出的 JSON 里找到实际的节点编号不同工作流都不一样。4.3 批量出图与排队监控运行脚本后ComfyUI 界面右侧会出现任务队列。你可以连续提交多个场景显卡会按顺序跑不需要守在电脑前。每个场景建议提交 2 到 3 个不同种子版本一次性生成候选图再挑。批量出图的效率瓶颈通常是显存而非算力。QwenImageEdit 系列的显存占用在 1024 分辨率下大约 8 到 14G所以 8G 显存的卡建议把分辨率降到 768×1024单次只排 2 张图。显存不够时不要同时开多个队列任务宁可排队也不要叠任务否则 OOM 后 ComfyUI 会直接丢任务前面的图全白跑。批量结果出来后我习惯按场景分组存目录目录名包含场景关键词和种子号比如scene_tokyo_42。这样做的好处是返工重跑时能精准定位到某一组废图不用全部重刷。不要把所有图放在一个大文件夹里后期选图会非常痛苦。5. 一致性翻车排查常见问题与避坑记录5.1 场景对了脸却飘了多轮编辑丢特征现象第一轮生成的图人脸很相似到第三轮、第四轮开始五官变形甚至“换了一个人”。原因每轮编辑都会在前一轮输出基础上继续做特征融合误差不断累积。解决不要用上一轮的输出图当下一轮的输入把最开始的原始参考图重新接入 QwenImageEdit 参考输入场景描述继续叠加这样每一轮都回归原始身份特征不易漂移。实际操作时我在工作流里放两张参考图输入一张原始正脸照固定用另一张放上一轮输出图只做构图参考。5.2 显存不足导致黑图和静默失败现象批量出图跑到一半后面提交的任务全部返回黑图或空文件ComfyUI 界面报 CUDA out of memory。原因批量任务排队时多任务共存导致显存峰值超限。解决启动参数加--reserve-vram预留显存批量脚本里每次提交任务不要超过 2 个并把分辨率降到 768×1024。我在 8G 显卡上长期用--reserve-vram 1.0再也没有出现过批量跑一半静默失败的情况。5.3 指令里没写“服装不变”衣服被乱改现象场景从城市换到海边人物黑色外套变成了白色T恤和参考图对不上。原因指令里只写了“保持五官和发型不变”没有约束服装模型就认为服装可以自由变化。解决把服装描述加进身份约束例如“保持这个人的五官、发型和黑色外套不变”。如果你希望不同场景换不同衣服就不要在约束里写服装而是把服装写进场景描述例如“身穿红色连衣裙站在海边”。5.4 参考图被不当缩放导致脸部变形现象输入竖构图长图后理论上模型会自适应缩放但生成结果脸部奇怪下颌和脸颊比例失真。原因模型内部把输入图缩放到固定尺寸长图在缩放时脸被压扁或拉长。解决在 LoadImage 后面加一个图像裁剪节点先把参考图按 3:4 或 9:16 比例裁剪到人物主体所属区域再缩放至 768×1024。简单说不要让全图缩放替你决定构图手动裁掉多余背景再输入。5.5 插件安装后节点不显示或报错现象插件克隆到 custom_nodes 目录重启后节点列表里找不到 QwenImageEdit或节点是红色报错。原因插件依赖缺失或 Python 版本不匹配。解决检查插件目录下的 requirements.txt 是否装好缺哪个包装哪个包ComfyUI 嵌入版需要用自身目录下的 python.exe 来装依赖不要用系统 Python。秋叶整合包如果出现这个问题打开启动器自带的“依赖管理”选项重新安装插件依赖通常能解决。6. 让一致性更稳的验证技巧与多轮精修习惯判断“像不像”不能只靠肉眼尤其在批量出几十张图时肉眼会疲劳。我在本地放了一个人脸特征提取脚本用 insightface 的 buffalo_l 模型提取参考图和生成图的 embedding算余弦相似度低于 0.6 直接标记为不合格不进入选图环节。这个习惯帮我少看了很多废图。多轮精修时我固定一个原则每 3 轮把原始参考图重新接回参考输入提示词里加“严格保持面部特征细节”把漂移拉回原点。这样既享受了多轮编辑带来的细节增强又不会积累变形。最后建议整理一套自己的种子库不同光线和场景选择固定种子让后续批次的效果可复现。这套工作流我从宠物写真一路做到人像样片最大的教训就是参考图预处理永远不能省指令约束永远写全批量永远限量排队。希望这篇笔记帮到你。本文还有配套的精品资源点击获取 ComfyUI+QwenImageEdit实现任意场景人物一致性写真工作流
简介这份资源面向 ComfyUI 进阶用户提供基于 QwenImageEdit 的任意场景人物一致性写真工作流可在更换背景、服装或风格时保持同一人物形象稳定解决 AI 摄影、电商模特图、角色设定等场景中人物易走样的问题。压缩包共 1 个文件为 json 格式的工作流配置仅 6KB导入 ComfyUI 节点画布即可查看完整连线、参数与提示词结构轻量且易于修改复用。目前已有 229 人学习下载。资源描述中还附带了作者撰写的 ComfyUI 使用教程、开发指导以及 TauriDjango 开源 AI 工具平台的项目介绍可帮助读者理解工作流节点原理并掌握后续调试、扩展和部署到局域网环境的思路。整体短小精悍适合希望快速套用现成方案、提升人物一致性与出图效率的 ComfyUI 玩家。1. 任意场景人物一致性写真为什么这套方案值得自己做ComfyUI/QwenImageEdit 任意场景人物一致性写真核心解决一件事用同一张人物参考图通过文字指令把人物放进任意背景同时保证五官、发型、穿着特征不漂移。相比训练LoRA、跑换脸插件这些路线它的门槛低在“零训练”上限高在“一条工作流批量出图”适合个人IP、电商模特图、约拍样片这类高频场景。文章不写空原理直接给选型逻辑、节点链路、参数校准和踩坑记录新手照着搭能跑通熟手可以直接拿去调整自己的出图管线。2. 方案选型为什么是 QwenImageEdit 而不是 LoRA 或换脸2.1 人物一致性三条路线的真实取舍做人物一致性写真圈子里最常见的路线有四条训练人物 LoRA、用换脸插件做面部替换、用 ControlNet 锁姿势加图生图、以及本文要讲的 QwenImageEdit 指令式编辑。四条路线的本质差别在于“人物特征从哪来”LoRA 把特征写进权重换脸把特征贴到脸上ControlNet 管姿势不管长相QwenImageEdit 则是把参考图特征和文字指令一起送进模型在生成阶段完成身份保持。LoRA 路线需要准备 20 到 50 张同一个人不同角度的图打标、裁剪、训练一张卡跑 2 到 4 小时是常态。效果上限高但换一个人就得重新训练不适合“随手拍一组参考图就要出片”的场景。换脸插件路线把生成结果里的人物脸部区域单独替换成参考脸。速度最快但有两个硬伤一是光影不一致脸是贴上去的侧脸角度超过 30 度就容易崩二是换脸组件存在敏感边界商用和发布都有合规风险。ControlNet 路线openpose 锁姿势 低重绘幅度图生图。能保持姿态但保不住脸换个背景后五官照样飘只能靠种子抽卡碰运气。QwenImageEdit 的路线逻辑不一样。它属于指令跟随型图像编辑模型输入一张参考图和一句“把这个人放到雪山前”模型在内部融合参考图的身份特征与场景语义输出的是“这个人在那里”的完整画面而不是拼贴。这意味着它能处理任意场景不用训练且一致性来自模型对参考图的理解不是后处理整体更自然。ComfyUI 社区已经把它封装成了标准节点可以在工作流里和采样器、VAE、图像后处理节点串联这正是标题所说“任意场景人物一致性写真”能落地的基础。2.2 ComfyUI 里 QwenImageEdit 节点的正确姿势ComfyUI 本身不带 QwenImageEdit 节点需要安装第三方插件。常见做法是使用支持 QwenImageEdit 的 custom node 插件名字一般叫 ComfyUI-QwenImageEdit你可以从 ComfyUI Manager 的节点列表中搜到也可以直接在 custom_nodes 目录下用 git clone 拉取。安装完成后重启 ComfyUI节点列表里会出现 QwenImageEdit 相关的类型。安装后还要确认模型文件位置。QwenImageEdit 模型权重一般要放到 ComfyUI 的 models/checkpoints 或 models/diffusers 目录下具体看插件文档。如果你用的是秋叶整合包目录结构已经预设好放到对应目录后刷新即可。需要注意模型文件比较大下载失败时不要反复点重试先确认磁盘空间是否充足再换下载工具或换国内镜像源这是最常遇到的安装卡点。2.3 最小工作流参考图进、场景图出搭工作流时至少需要六类节点图像加载节点LoadImage、图像预处理节点可选缩放、QwenImageEdit 主节点、采样器节点、VAE 解码节点、保存图像节点SaveImage。一个精简链路是LoadImage 加载参考图 —— 送入 QwenImageEdit 节点的 image 输入 —— 同时输入文字指令到 prompt 输入 —— 输出 latent 送入采样器SamplerCustom —— 采样结果进 VAEDecode —— 最后 SaveImage 保存。如果你参考图分辨率过小或比例不适配可以在 LoadImage 后面加一个图像缩放节点把图统一到 768×1024 或 832×1216 这类竖构图尺寸再进模型。这个工作流的要点在于QwenImageEdit 主节点同时接收图像和文本不需要你单独写负面提示词但采样器部分如果你不放心可以留空负向输入Qwen 系列模型对负向提示不敏感。跑通一次后把工作流用 JSON 导出来后面批量换场景时只需要改文本节点的内容这一点在第四章的批量脚本里会用到。3. 让“同一张脸”成立参考图条件、指令措辞与参数校准3.1 参考图的三个硬指标很多人在这个环节翻车拿着手机随手拍的糊图、侧脸 45 度以上的图、逆光死黑的图直接往节点里扔出来的效果自然“不像”。QwenImageEdit 从参考图里提取身份特征参考图质量直接决定一致性上限。脸部清晰度建议面部区域至少 300×300 像素以上。太糊的图模型提取不到有效特征生成的所谓“同一人”只是有一丝神似放大看五官结构对不上。如果你只有模糊老照片先做超分再喂给节点。正面或微侧角度正面脸是最稳的左右侧偏不超过 15 度更好。超过 30 度后模型会把侧脸特征错当成身份特征导致生成结果里五官扭曲。光照均匀无遮挡刘海阴影、帽子压眉、眼镜反光都会干扰特征提取。一张顺光、无遮挡的正脸照比任何提示词都管用。3.2 指令怎么写才不漂移参考图决定了“他是谁”指令决定了“他在哪、在干嘛”。写作顺序建议固定为身份约束 场景描述 动作姿态 画质修饰。身份约束写成“保持这个人的五官、发型、服装不变”场景描述要具体到地点、时间、光线、天气动作姿态要有明确指向画质修饰统一加“写实风格、高清细节、8k”。错误示范是“把这个人放到海边”没有身份约束也没有光线和景别说明模型会自由发挥衣服和发型都可能被改。正确示范是“保持这个人的五官、发型和黑色外套不变站在傍晚的海边沙滩上身后是金色晚霞海浪拍打沙滩正面全身照写实摄影风格”。后面加“高清细节、皮肤纹理清晰”这类修饰词。如果你希望衣服也不变就在身份约束里写明“服装不变”如果你希望衣服随场景变化就不要提衣服只锁五官和发型。这个细节很多人没注意指令里不提的部分模型有权自由决定这也是为什么有时场景对了但衣服乱换。3.3 采样器与分辨率参数校准不同 ComfyUI 版本和插件封装的参数名略有不同但核心变量是一样的。我通常这样设置参数建议范围说明步数steps2030步数太少细节不足超过 30 提升不大guidance / CFG3.06.0Qwen 系模型对 CFG 不敏感过大会导致色彩过饱和分辨率768×1024 / 832×1216竖构图适合人物全身像宽图人物面部占比会变小种子seed固定后用多种子抽卡找到好种子后固化为默认值denoise / 重绘幅度0.81.0指令编辑场景需要高重绘低重绘只改局部最常出问题的两个参数CFG 拉太高图像会出现塑料感和不自然的边缘分辨率选成 512×512人物全身照直接变矮胖。竖构图是人物写真的底线。另外不要对着同一个种子反复调参数先固定种子跑通场景再换种子抽 5 到 8 张挑最佳这是最省时间的校准顺序。4. 完整复现从 ComfyUI 部署到批量场景写真出图4.1 环境准备ComfyUI、插件、模型三步到位如果你还没有 ComfyUI可以从官方仓库或者秋叶整合包部署。官方路线适合熟悉命令行的用户整合包适合不想碰环境变量的人。这里以命令行为例整合包用户跳过前四步直接看插件安装部分。# 克隆 ComfyUI 代码 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 创建虚拟环境并安装基础依赖 python -m venv venv source venv/bin/activate # Windows 下用 venv\Scripts\activate pip install -r requirements.txt # 安装 QwenImageEdit 插件以 custom_nodes 方式 cd custom_nodes git clone https://github.com/你的插件仓库/ComfyUI-QwenImageEdit.git cd .. pip install -r custom_nodes/ComfyUI-QwenImageEdit/requirements.txt # 启动服务预留显存防止高频 OOM python main.py --reserve-vram 0.5这段命令的要点venv 是虚拟环境避免依赖冲突Windows 下激活命令不一样插件安装后必须安装 requirements.txt否则节点加载报错--reserve-vram参数是给显存预留缓冲区的虚拟显存不足时这个参数能降低黑图和崩溃概率。如果你不是独立显卡或显存小于 8G建议把--reserve-vram调到 1.0 甚至 1.5。4.2 节点搭建与工作流 JSON 备份进入 ComfyUI 界面后新建工作流添加图像加载节点、QwenImageEdit 节点、采样器SamplerCustom、VAE 节点、保存节点。第一次手动跑通后把工作流保存为 JSON 文件这个文件就是你的批处理模板。批量生成时你不能手动一张张改提示词需要用 ComfyUI 的 API 接口提交任务。先在工作流界面启用“开发模式”用“导出工作流 API 格式”导出 JSON然后再写脚本提交。下面是一个最小批处理脚本# batch_portrait.py # 通过 ComfyUI API 批量生成同一个人的不同场景写真 import json import requests # 读取之前导出的工作流 JSON workflow json.load(open(qwen_portrait_workflow.json)) # 场景列表一个元素对应一组指令 scenes [ 在东京街头夜晚霓虹灯下行人穿梭正面半身像, 在雪山的山脊上清晨阳光洒在脸上全身像, 在旧书咖啡馆里暖黄色台灯手拿咖啡杯中景 ] for i, scene in enumerate(scenes): # 找到工作流里的文本节点覆盖场景描述 prompt_node workflow[6] prompt_node[inputs][text] ( 保持这个人的五官、发型和黑色外套不变 f{scene}写实摄影风格高清细节 ) # 修改保存文件名避免覆盖 save_node workflow[12] save_node[inputs][filename_prefix] fportrait_scene_{i:02d} # 提交任务到 ComfyUI data {prompt: workflow, client_id: batch_portrait} response requests.post(http://127.0.0.1:8188/prompt, jsondata) print(f场景 {i} 提交状态: {response.status_code})这段脚本的原理很简单ComfyUI 启动后会监听 8188 端口POST /prompt接口接收工作流 JSON。你只需要在每次提交前修改文本节点的内容再改一个输出文件名就能排队出图。filename_prefix是保存图像的前缀ID 编号避免覆盖。注意workflow[6]和workflow[12]不是固定的数字 ID你要在导出的 JSON 里找到实际的节点编号不同工作流都不一样。4.3 批量出图与排队监控运行脚本后ComfyUI 界面右侧会出现任务队列。你可以连续提交多个场景显卡会按顺序跑不需要守在电脑前。每个场景建议提交 2 到 3 个不同种子版本一次性生成候选图再挑。批量出图的效率瓶颈通常是显存而非算力。QwenImageEdit 系列的显存占用在 1024 分辨率下大约 8 到 14G所以 8G 显存的卡建议把分辨率降到 768×1024单次只排 2 张图。显存不够时不要同时开多个队列任务宁可排队也不要叠任务否则 OOM 后 ComfyUI 会直接丢任务前面的图全白跑。批量结果出来后我习惯按场景分组存目录目录名包含场景关键词和种子号比如scene_tokyo_42。这样做的好处是返工重跑时能精准定位到某一组废图不用全部重刷。不要把所有图放在一个大文件夹里后期选图会非常痛苦。5. 一致性翻车排查常见问题与避坑记录5.1 场景对了脸却飘了多轮编辑丢特征现象第一轮生成的图人脸很相似到第三轮、第四轮开始五官变形甚至“换了一个人”。原因每轮编辑都会在前一轮输出基础上继续做特征融合误差不断累积。解决不要用上一轮的输出图当下一轮的输入把最开始的原始参考图重新接入 QwenImageEdit 参考输入场景描述继续叠加这样每一轮都回归原始身份特征不易漂移。实际操作时我在工作流里放两张参考图输入一张原始正脸照固定用另一张放上一轮输出图只做构图参考。5.2 显存不足导致黑图和静默失败现象批量出图跑到一半后面提交的任务全部返回黑图或空文件ComfyUI 界面报 CUDA out of memory。原因批量任务排队时多任务共存导致显存峰值超限。解决启动参数加--reserve-vram预留显存批量脚本里每次提交任务不要超过 2 个并把分辨率降到 768×1024。我在 8G 显卡上长期用--reserve-vram 1.0再也没有出现过批量跑一半静默失败的情况。5.3 指令里没写“服装不变”衣服被乱改现象场景从城市换到海边人物黑色外套变成了白色T恤和参考图对不上。原因指令里只写了“保持五官和发型不变”没有约束服装模型就认为服装可以自由变化。解决把服装描述加进身份约束例如“保持这个人的五官、发型和黑色外套不变”。如果你希望不同场景换不同衣服就不要在约束里写服装而是把服装写进场景描述例如“身穿红色连衣裙站在海边”。5.4 参考图被不当缩放导致脸部变形现象输入竖构图长图后理论上模型会自适应缩放但生成结果脸部奇怪下颌和脸颊比例失真。原因模型内部把输入图缩放到固定尺寸长图在缩放时脸被压扁或拉长。解决在 LoadImage 后面加一个图像裁剪节点先把参考图按 3:4 或 9:16 比例裁剪到人物主体所属区域再缩放至 768×1024。简单说不要让全图缩放替你决定构图手动裁掉多余背景再输入。5.5 插件安装后节点不显示或报错现象插件克隆到 custom_nodes 目录重启后节点列表里找不到 QwenImageEdit或节点是红色报错。原因插件依赖缺失或 Python 版本不匹配。解决检查插件目录下的 requirements.txt 是否装好缺哪个包装哪个包ComfyUI 嵌入版需要用自身目录下的 python.exe 来装依赖不要用系统 Python。秋叶整合包如果出现这个问题打开启动器自带的“依赖管理”选项重新安装插件依赖通常能解决。6. 让一致性更稳的验证技巧与多轮精修习惯判断“像不像”不能只靠肉眼尤其在批量出几十张图时肉眼会疲劳。我在本地放了一个人脸特征提取脚本用 insightface 的 buffalo_l 模型提取参考图和生成图的 embedding算余弦相似度低于 0.6 直接标记为不合格不进入选图环节。这个习惯帮我少看了很多废图。多轮精修时我固定一个原则每 3 轮把原始参考图重新接回参考输入提示词里加“严格保持面部特征细节”把漂移拉回原点。这样既享受了多轮编辑带来的细节增强又不会积累变形。最后建议整理一套自己的种子库不同光线和场景选择固定种子让后续批次的效果可复现。这套工作流我从宠物写真一路做到人像样片最大的教训就是参考图预处理永远不能省指令约束永远写全批量永远限量排队。希望这篇笔记帮到你。本文还有配套的精品资源点击获取