Utiliser Qwen-Image-Edit sur ComfyUI

Do not index

Do not index

Flag

ComfyUI

Publish

Publish

feather:link

mydate

Tags

Qwen-Image

Tutoriels

Qwen-Image-Edit en bref

Forces et applications

• L'édition sémantique permet de transformer le contenu d'une image tout en préservant son essence. Vous pouvez changer un personnage de style (passer d'une photo réaliste à un dessin Studio Ghibli, par exemple), modifier sa pose, le faire pivoter à 180 degrés, ou créer des variations tout en gardant son identité reconnaissable. C'est parfait pour la création de contenu IP, les avatars virtuels, ou l'expansion créative autour d'un personnage ou d'une marque.

• L'édition d'apparence, elle, se concentre sur des modifications précises sans toucher au reste de l'image. Ajoutez une enseigne à un bâtiment et le modèle générera même son reflet dans une vitrine. Supprimez des cheveux indésirables ou un objet gênant avec une précision chirurgicale. Changez la couleur d'une lettre spécifique dans un texte, modifiez l'arrière-plan d'un portrait, ou remplacez des vêtements. Les applications pratiques sont infinies : restauration de photos anciennes, création de variantes produits, adaptation de visuels marketing.

Limites à connaître

Ce dont vous avez besoin

Configuration matérielle

• Avec 24 Go de VRAM ou plus (RTX 4090, RTX 6000 Ada, A5000), vous êtes dans la zone idéale. La version BF16 complète tournera sans compromis, avec des temps d'édition optimaux. C'est la configuration recommandée si vous prévoyez un usage intensif avec de l'édition multi-images.

• Entre 12 et 16 Go de VRAM (RTX 3090, RTX 4070 Ti, RTX 4060 Ti 16GB), vous êtes dans la zone recommandée. La version FP8 optimisée sera parfaite pour vous. Elle divise par deux l'espace disque et la VRAM nécessaires tout en maintenant une qualité quasi identique à l'original. C'est le sweet spot pour la plupart des utilisateurs.

• Avec 8 à 10 Go de VRAM (RTX 3060, RTX 4060), les versions quantifiées restent une option viable. Les performances seront un peu plus lentes, mais tout à fait utilisables pour de l'édition régulière.

• En dessous de 8 Go, l'utilisation locale devient compliquée. Dans ce cas, des solutions cloud offrent une alternative intéressante pour tester et utiliser le modèle (avant d'investir dans du matériel).

ComfyUI à jour

• Installer ComfyUI Desktop (recommandée)

• Guide d’installation Mac et Windows

Fichiers de base (si déjà installé)

• L'encodeur de texte qwen_2.5_vl_7b_fp8_scaled.safetensors dans ComfyUI/models/text_encoders/

• Le VAE qwen_image_vae.safetensors dans ComfyUI/models/vae/

Téléchargement des modèles Qwen-Image-Edit

Versions disponibles

• Version FP8 (recommandée) : le meilleur compromis qualité/performance pour les GPU avec 12-16 Go de VRAM. Environ 20 Go d'espace disque.

• Version BF16 : qualité maximale mais très lourde, pour les configurations avec au moins 24 Go de VRAM. Environ 40 Go d'espace disque.

Les fichiers essentiels

• Le modèle de diffusion principal est le cœur du système d'édition. Pour Qwen-Image-Edit-2511, téléchargez qwen_image_edit_2511_fp8mixed.safetensors ou la version FP16 depuis Hugging Face. Placez-le dans ComfyUI/models/diffusion_models/.

• L'encodeur de texte : qwen_2.5_vl_7b_fp8_scaled.safetensors. Si vous avez déjà installé Qwen-Image, vous l'avez déjà. Sinon, téléchargez-le depuis Hugging Face et placez-le dans ComfyUI/models/text_encoders/.

• Le VAE : qwen_image_vae.safetensors. Également partagé avec Qwen-Image. Téléchargez-le depuis Hugging Face si nécessaire et placez-le dans ComfyUI/models/vae/.

• Le LoRA Lightning (optionnel mais recommandé) : Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16.safetensors. Ce fichier permet d'accélérer considérablement l'édition en réduisant le nombre d'étapes nécessaires de 40 à seulement 4, avec une qualité restant excellente. Téléchargez-le depuis Hugging Face et placez-le dans ComfyUI/models/loras/.

Organisation des fichiers

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └── qwen_image_edit_2511_fp8mixed.safetensors
│   ├── text_encoders/
│   │   └── qwen_2.5_vl_7b_fp8_scaled.safetensors
│   ├── vae/
│   │   └── qwen_image_vae.safetensors
│   └── loras/
│       └── Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16.safetensors

Édition d'images avec Qwen-Image-Edit

Charger le workflow standard

• Workflow Qwen-Image-Edit standard

• Workflow Qwen-Image-Edit-2511

Détails du workflow

A. Chargement des modèles

1. Charger Modèle Diffusion charge le fichier du modèle d'édition. Assurez-vous de sélectionner qwen_image_edit_2511_fp8mixed.safetensors (ou la version que vous avez téléchargée) dans le paramètre nom unet.

2. Charger CLIP charge l'encodeur de texte qwen_2.5_vl_7b_fp8_scaled.safetensors. C'est lui qui transforme vos instructions d'édition en commandes compréhensibles par le modèle.

3. Charger VAE charge qwen_image_vae.safetensors. Le VAE est utilisé à la fois pour encoder l'image source et décoder le résultat final.

4. LoraLoaderModelOnly est un quatrième node facultatif (désactivé par défaut) qui charge le LoRA Lightning qui permet des génération en seulement 4 étapes pour gagner en vitesse. Nous verrons plus loin comment l’activer.

B. Image source

1. Charger Image est le node qui charge l'image que vous souhaitez modifier ou utiliser en référence. Cliquez sur le bouton pour sélectionner votre fichier. Le modèle peut travailler avec diverses résolutions, mais pour des résultats optimaux, évitez les images trop grandes (au-delà de 2048×2048). Avec le workflow de base, vous pouvez ajoutez jusqu’à 3 nodes de chargement d’images.

2. Scale Image to Total Pixels (optionnel) redimensionne automatiquement votre première image à environ un million de pixels total. C'est utile pour éviter les pertes de qualité avec des images trop grandes, mais vous pouvez désactiver ce node avec Ctrl+B si vous connaissez bien les dimensions de votre source.

3. VAE Encode transforme votre première image en représentation latente que le modèle peut manipuler et utiliser pour créer l’image de départ. Il suffit de placer le node, le traitement est automatique et ne nécessite aucun réglage.

C. Instructions d'édition

1. TextEncodeQwenImageEditPlus (positive) est le node avancé qui permet d'ajouter jusqu'à 3 images de référence supplémentaires (ref_image_1, ref_image_2, ref_image_3) en plus de l'image principale. Ce node est essentiel pour :
• La fusion multi-personnes (combiner plusieurs visages dans une photo de groupe)
• Le transfert de vêtements ou de style (prendre un élément d'une image et l'appliquer à une autre)
• Les compositions complexes mélangeant plusieurs sources

2. Le second TextEncodeQwenImageEditPlus est utilisé pour préparer un prompt négatif pour votre image. Vous pouvez laisser ces instruction vide et vous contenter d’y passer les images de réfèrences.

D. Génération et finalisation

1. ModelSamplingAuraFlow configure les paramètres d'échantillonnage spécifiques à l'architecture de Qwen. Vous n'avez généralement pas besoin d'y toucher.

2. CFGNorm (CFGNormalizer) : Ce node normalise le comportement du CFG pour éviter les artefacts. Quand on utilise des valeurs de CFG élevées, la magnitude du bruit prédit peut devenir trop forte, causant une sursaturation des couleurs et des détails "sur-édités". CFGNorm corrige ce problème. Vous n'avez généralement pas besoin d'y toucher.

3. Edit Model Reference Method (positif et négatif) : Ces deux nodes encodent vos images de référence dans l'espace latent. Ces nodes sont essentiels pour que le modèle comprenne visuellement vos intentions d'édition

4. KSampler orchestre le processus d'édition. Les paramètres importants sont :
• steps : 20 à 50 pour la version standard, 4 si vous utilisez le LoRA Lightning
• cfg : entre 2.0 et 4.0 fonctionne bien pour l'édition
• denoise : ce paramètre contrôle l'intensité de la modification (1.0 = transformation complète, 0.5 = modification légère)

5. VAE Decode convertit le résultat latent en image visible.

6. Enregistrer l'image Affiche l’image obtenue et permet de la sauvegarder.

Configuration de base

• steps : commencez avec 40 pour la version standard. C'est un bon équilibre entre qualité et vitesse. Vous pouvez descendre à 30 pour gagner du temps avec une qualité encore correcte, ou monter à 50 pour le maximum de détails.

• cfg (Classifier-Free Guidance) : entre 2.0 et 4.0 pour l'édition. Une valeur plus élevée fait suivre vos instructions plus strictement, mais peut introduire des artefacts si vous montez trop.

• denoise : c'est le paramètre magique de l'édition. À 1.0, vous autorisez une transformation complète (utile pour les changements de style majeurs). À 0.5-0.7, vous faites des modifications plus subtiles en préservant davantage l'original. À 0.3-0.4, vous ne faites que des ajustements légers. Expérimentez avec cette valeur selon l'ampleur des modifications souhaitées.

• sampler : "euler" ou "dpmpp_2m" sont d'excellents choix. Pour l'édition avec Lightning, "res_multistep" est recommandé.

• scheduler : "simple" convient parfaitement pour commencer.

• Le seed fonctionne comme avec la génération : même seed + mêmes paramètres = même résultat. Utile pour reproduire une édition réussie ou comparer l'effet de différents paramètres.

Première édition

• Si vous avez un portrait : "Transform this person into an anime character in Studio Ghibli style"

• Si vous avez un objet : "Change the color to bright red"

• Si vous avez une scène : "Add snow on the ground and make it winter"

• steps : 40

• cfg : 3.0

• denoise : 0.8 (modification significative mais pas complète)

• sampler : euler

• scheduler : simple

Édition accélérée avec Lightning

1. Cliquez sur le node (affiché en mauve)

2. Faites Crtl+b (Cmd+b sur mac) ou ouvrez le menu du node et faire Supprimer le contournement.

3. Dans le LoraLoaderModelOnly, vérifiez que Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16.safetensors est bien selectionné.

4. Laissez le strength à 1.0

• steps : 4 (au lieu de 40)

• cfg : 1.0 à 2.0 (Lightning fonctionne mieux avec des valeurs plus basses)

• sampler : res_multistep (optimisé pour Lightning)

• denoise : à 1.00 (selon l'intensité de modification souhaitée)

Troubleshooting et problèmes courants

Problèmes de qualité

• Le denoise est trop bas, montez-le progressivement. Commencez à 0.5, puis 0.6, puis 0.7 jusqu'à obtenir l'effet désiré. Ne sautez pas directement à 1.0, progressez par paliers.

• Le CFG est trop bas, augmentez-le à 3.0-4.0. Un CFG trop faible donne au modèle trop de liberté et il peut ignorer vos instructions.

• Le Prompt est trop vague, soyez plus précis. "Change the color" → "Change the shirt color to bright red". Plus vous êtes spécifique, meilleurs sont les résultats.

• Le denoise est trop élevé, baissez-le. Pour des modifications subtiles, 0.4-0.6 suffit généralement. Gardez 0.8+ pour les transformations majeures uniquement.

• Le CFG est trop élevé, redescendez à 2.5-3.0. Au-delà de 4.5, même avec CFGNorm, vous risquez des artefacts.

• Le CFGNorm est mal réglé, baissez-le à 0.7-0.8. C'est souvent la cause de sursaturation ou de détails "sur-cuits".

• Utilisez un CFG plus élevé (3.5-4.0) pour le texte. Ça aide à maintenir la netteté des caractères. Assurez-vous que votre prompt spécifie exactement le texte voulu entre guillemets : "Change the sign text to 'OPEN'".

• Si le texte reste flou, générez à plus haute résolution puis upscale avec ESRGAN. Parfois le texte nécessite simplement plus de pixels pour être net. Évitez les denoise trop élevés pour l'édition de texte (restez sous 0.6) car ça peut introduire du flou.

• Baissez le denoise si les visages changent trop. Pour préserver l'identité, restez entre 0.5 et 0.7 maximum.

• Utilisez des prompts qui mentionnent explicitement "keep the person's identity" ou "preserve facial features".

• Pour le multi-images, assurez-vous que vos images sources ont des angles et éclairages similaires. Des différences trop marquées rendent difficile le maintien de la cohérence.

Problèmes techniques

• Fermez toutes les autres applications. Vérifiez avec un gestionnaire de tâches ce qui consomme de la VRAM. Les navigateurs peuvent en utiliser plusieurs Go.

• Réduisez la résolution de vos images sources. Le node Scale Image to Total Pixels devrait être activé. Si ça ne suffit pas, pré-redimensionnez manuellement vos images à 1024×1024 ou moins.

• Si vous utilisez la version BF16, passez à FP8. Ça divise par deux la VRAM nécessaire avec une perte de qualité imperceptible. Si ça ne suffit toujours pas, explorez les versions quantifiées.

• Désactivez les autres nodes gourmands dans votre workflow. Si vous avez plusieurs upscalers ou post-traitements en chaîne, désactivez-en certains temporairement.

• Mettez à jour ComfyUI vers la dernière version nightly. Les nodes pour Qwen-Image-Edit n'existaient pas dans les anciennes versions. Utilisez git pull dans le dossier ComfyUI ou le ComfyUI Manager pour mettre à jour.

• Vérifiez que tous les fichiers modèles sont bien placés dans les bons dossiers. Un modèle manquant peut empêcher certains nodes de se charger. Relancez ComfyUI et observez la console de démarrage pour identifier les erreurs de chargement.

• Vérifiez que vous utilisez bien le GPU et non le CPU. Dans les paramètres ComfyUI, confirmez que le GPU est sélectionné. Un calcul CPU peut être 10-20x plus lent.

• Assurez-vous que rien d'autre n'utilise le GPU en arrière-plan. Certains jeux ou applications continuent d'utiliser le GPU même fermés. Un redémarrage peut aider.

• Activez le LoRA Lightning si ce n'est pas déjà fait. Passer de 40 à 4 steps est le gain de vitesse le plus important que vous pouvez obtenir. Vérifiez également que votre version des drivers GPU est récente.

L'édition professionnelle accessible

Ressources et communauté

Documentation officielle

Communauté et support

Veille et évolutions