12GB显卡跑Qwen Image 2.1：中文海报改字成功，人像能用吗？

大家好，我是你的智能搭子阿洁。

这次我把 Qwen Image 2.1 放进本地 ComfyUI，在 RTX 5070 12GB、32GB 内存的电脑上，做了三件普通人能理解的事：生成带中文的活动海报、把海报里的时间改掉、生成职场与古装全身人像。结果比“能出图”更有意思：两张不同种子的海报，指定中文都目视正确；改时间时，原有构图基本保住；人像好看，但细致的服装结构未必听话。

看原图

先说清楚这次跑的是什么

Qwen 官方将 Image 2.1 介绍为同时支持文生图、图像编辑和透明图生成的模型。本机使用的是 ComfyUI 工作流与一套打包权重：主模型 qwen_image_2.1_int8_convrot.safetensors（本机文件约 7.26GB）、Qwen3VL 文本编码器 int8 文件（约 9.35GB）和 BF16 VAE（约 0.68GB）。三份文件的磁盘大小不能直接当作运行显存占用。Qwen 官方模型卡 · Comfy-Org 工作流说明

文生图和改图均设为 25 步、CFG 1.0、Euler 采样与 simple 调度。横版海报实际输出 1376×768；人像的 3:4 档实际输出 896×1184，2:3 档为 832×1248。下面的秒数是 ComfyUI 队列或历史记录显示的任务时间，不包含我写提示词、逐张检查和整理素材的时间。没有连续显存监控，本篇不报模型峰值显存。

下图是第一次海报生成时的 ComfyUI 画布：左边输入提示词和参数，右边保存原始 PNG。它记录了本机运行过程，阅读小字时可以点开图片放大。

看原图

中文海报：两次文字都对，构图有差别

我要求做一张 AI 入门活动海报，写出四组指定中文，并在右侧放一台电脑、一本蓝色笔记本和一个橙色杯子。第一张生成用了 19.06 秒，第二张只换 seed，用了 13.27 秒。两张图里的四组文字都目视正确，物体也齐了。第一张标题分为两行，第二张标题是一行；第二张杯子被右边缘裁切。

这证明本次两个样本能把指定中文放进画面，不能写成“中文出字准确率百分之百”。读者如果要交付活动图，仍应逐字核对、检查裁切与手机端缩略显示。

可复用的核心提示词如下；我把内容、排版、物体数量和不希望出现的文字分开写，方便复测：

设计一张16:9横版中文活动海报，主题是面向普通职场人的AI入门分享会。米白色背景，深蓝色文字，少量橙色点缀。
左侧清晰排版以下文字，必须逐字准确，不增加其他文字：
主标题：让AI成为你的工作搭子
副标题：从不会用，到完成第一件事
活动信息：周六下午两点
底部短句：带上电脑，一起动手
右侧是一张浅木色办公桌，桌上恰好有一台打开的笔记本电脑、一本合上的蓝色笔记本和一个橙色陶瓷杯。电脑屏幕不出现文字。柔和自然光，无人物、无水印。

改一个时间，画面保住了吗？

我把第一张海报作为唯一输入，要求只将“周六下午两点”改为“周日下午三点”，其他文字与画面保持原样。改图用了 25.21 秒。最初我看工作流缩略预览，误判电脑、本子和杯子有明显变化；拿到两张原始 PNG 并排看后，发现这是预览缩放造成的误判。时间改对了，另外三组文字和主要构图也基本保持。

看原图

局部颜色和纹理仍有细微差异，所以我不会说“除文字外逐像素不变”。如果你要改正式海报，把生成图与原图并排放大检查，比只看节点缩略图可靠。

改图过程也留了画布截图：只接入第一张海报作为图像输入，用 Image Edit 节点替换活动时间，再保存输出。截图证明的是节点和本次任务设置，最终画面仍以原始 PNG 对照验收。

看原图

人像：好看与结构准确是两回事

我把验收拆成三层

同一套模型，我先做了两张职场肖像。下图改用第一张（seed 20260922），眼睛、牙齿、发丝、衣领和拿杯子的姿势整体自然；部分手指被遮挡，无法严格确认“五指都清楚可辨”。两张的服务端任务执行时间约 17.31 秒和 13.71 秒。

看原图

接着测古装。第一张半身古装人物，发簪、交领与折扇整体自然；夏季全身像从发饰到双鞋完整入镜，站姿和裙摆也顺眼。这些都是独立文生图，不能因为面貌相近就称为“同一个人保持一致”。

看原图

这张全身图的 ComfyUI 过程截图保留了竖版比例、25 步与输出尺寸。画布里的 seed 仍是 20260923；它是一次独立生成，不能拿来验证与上一张人物身份是否保持一致。

看原图

为了增加难度，我明确指定立领对襟短衫、正中布扣，以及马面裙“正面平整裙门、两侧规律褶裥”。生成图做出了立领、布扣与深色长裙，但裙身更像连续褶裙，平整裙门不清楚。审美完成度不错，指定服装结构只算部分完成，也不能凭生成图判断历史服制是否准确。

看原图

我现在会怎么用

如果你是为了做活动海报，我会先用它出方案，再逐字校对，并把“改字”作为一次新的图像编辑任务验收；原图和改图必须并排看。如果是普通人像，它在这台机器上的两张职场肖像和几张古装图有不错的观感，但手部细节、服装结构仍需放大检查。涉及对外使用的人像，还要核对素材来源与使用许可。

本轮尚未做透明背景生成，也没有测多人参考图、复杂局部编辑或不同模型的同条件画质对照。**本期可确认的是这些具体任务在这套本地工作流里的表现，不把单次出图扩写成通用能力结论。

智能搭子 · 和你一起把AI真正用起来 · 真实体验 · 客观判断 · 持续探索