edit_image 工具使用 Qwen-Image 2.1 图像编辑工作流。

工具参数：prompt（必填）、input_image（必填）、reference_images（≤15）、output_path、resolution、steps、seed、negative_prompt、custom_size、aspect_ratio、megapixels。

• 工作流 cfg=1，负面提示词无效。

• Qwen-Image-2.1 原生支持 RGBA 透明图

0. 什么是否放弃使用edit_image工具

• 单纯的像素级操作不应该使用模型（剪切等）。

• 生图工作流（T2I）不应该使用 edit_image 工具。

1. 提示词指导

2.1 引用规则

• 用 <image1>、<image2>… 指代图片：<image1> 就是 input_image（编辑目标），其余按 reference_images 的列表顺序依次编号。
• 上传顺序 = 编号顺序。调换 reference_images 的顺序会静默改变每个编号指向的对象。
• 存在reference_images的情况下（即多图片输入）必须使用<imageN>界定被引用元素所属那张图片。

2.2 指导

• 使用指令，而非描述。
• 有效示例——动词 + 指认可见输入：把 <image2> 里的蘑菇串加入到 <image1> 的场景中，放在 <image1> 火堆左前方的沙土地上：<物体外观描述>。整串平躺在地面上……<光照方向、投影、明暗、材质>
• 无效示例："火堆左前方的沙土地上躺着一串烤蘑菇……"
• 属性解耦：每个子指令只解耦并修改一个属性；需要改多处时，用多个短句或并列动词短语逐项写清楚。例如：Keep the character and pose in <image1> unchanged. Use the shirt from <image2>. Preserve facial identity and hair.。
• 需要保留的东西显式写出来：keep the face, hairstyle and lighting unchanged / preserve her identity and the product shape。模型对人物与商品身份做了优化，但明确要求"保持不变"仍然更稳。
• 画面里的文字：要把文字原样渲染出来就用引号给出确切内容（a neon sign that reads "QWEN IMAGE 2.1"）。改字时最好同时说明"原文 → 新文"，并保留引号。模板：A [surface/medium] that reads "[YOUR TEXT]" in [typography style], [context], [lighting]
• 多图合成：在一条指令里说清每张图的角色和它们的关系，例如"把 <image2> 的衣服穿到 <image1> 的人身上，背景换成 <image3> 的街道，保持 <image1> 的脸不变"。
• 不要使用否定句，提供尽量明确具体的指令，而非需要思考、抽象的指令。

2.3 透明背景

需要显式提示透明背景，并非自动透明，推荐使用固定句式：

This is an RGBA image with transparency. <你的描述>. The image has alpha channel and the background is transparent.

例：

This is an RGBA image with transparency. A cute cartoon dragon sticker. The image has alpha channel and the background is transparent.

• 透明输出必须保存为支持 alpha 的格式

• 想"从照片里抠出主体"也可以用同一套说法让它输出透明背景。例：

This is an RGBA image with transparency. The sneaker from <image1>, isolated on a clean edge with a soft contact shadow. The image has alpha channel and the background is transparent.

2.4 在指定的区域修改

Qwen-Image 2.1 支持通过独立掩码（separate masks） 来指定局部编辑区域。

独立掩码

• 是什么：把一张掩码当空间约束传进来——掩码区内按提示词重绘，区外逐像素保留。一个掩码参数都不给时，整张画布都能改。
• 掩码图必须是黑白/灰度、且不带 alpha：工具固定按红通道取值。带 alpha 的图按它自带的 RGB 判色（ComfyUI 读图是 RGB 直取、alpha 单独拆出去），所以透明区并不等于「不重绘」——Photoshop 导出的透明区常带白色 RGB，那会被当成重绘区。
• 保护强度：实测掩码区外逐像素保留（与「什么都不改」同量级），而且提示词吃不掉它——同一张掩码配「把整张图变成夜间场景」，区外照样不变。所以提示词只需写掩码内要变成什么，不必再反复强调「其余保持不变」。
• 注意：
  • Qwen-Image 2.1可以直接使用提示词编辑图片，除非用户指定，否则使用独立掩码必须是只使用提示词效果不理想后的选择。
  • 不能和 custom_size 同时用：走掩码时输出尺寸改由 input_image 决定，两者冲突会被直接拒绝；要扩展画布请先使用 pad_image 对input_image进行处理。
  • 掩码图最好与原图同尺寸，否则会被拉伸到原图大小。
  • 掩码不占 reference_images 的位置；也不要把掩码图当参考图传——参考图是「内容」，模型只当它是另一张画，给不了任何空间约束。
  • 掩码只决定"允许改哪里"，它不进入模型的视觉输入。 ：使用'白色区域....'、'在我标记的这块区域里....'指定掩码的重绘范围是无效的，要让"在掩码处加入某物"成立，必须至少给一条能落到可见输入上的任务信号。

2.5

Qwen-Image 2.1 支持视觉提示，可通过圈选和涂抹选区提供视觉线索。

• 圈选 (Circle Annotation)：直接在图像上画出闭合形状（如圆圈、方框）来圈定目标。注意圈要画得足够大，确保完全包围目标，否则模型可能会误判为“添加新物体”而非“修改旧物体”。

• 涂抹 (Painted Annotation)：在图像上自由涂抹来标记编辑区域，通常使用白色标记“需要修改”的区域。

视觉提示的核心逻辑是：你标记了哪里，提示词就只描述那个区域的变化，同时明确锁定其他部分保持不变。

通用提示词模板：

Modify <image1>: Keep [需要保持不变的元素，如面部、背景、构图] unchanged, replace/change [标记区域] with [你想要的描述].

示例：

不佳：“把图里的杯子变蓝”（模型可能改变整个画面色调）。

推荐：Modify <image1>: Keep the background and table unchanged, change the mug in the circled area from white to blue.

2.6 输出尺寸

默认情况下，custom_size 关闭、resolution为 0，输出画布就是 <image1> 的宽高尺寸本身**，宽高各自对齐到 32 的倍数。

实测：输入 1208×1208 → 输出 1216×1216；输入 2368×1344 → 输出 2368×1344。

• 输出尺寸会对齐到32的倍数，输入图像和输出图像有轻微的尺寸差距是正常的，除非用户要求分毫不差，否则可以不用管。

• resolution > 0 会把输入图缩到约 resolution² 的面积（各图保持比例、对齐 32），输出画布随之缩小。实测 resolution=1024 + 输入 2368×1344 → 输出 1344×768。要input_image尺寸保持 resolution 为 0（默认）。

• custom_size=true 意味着自定义输出尺寸，一般只有高清放大 / 指定输出尺寸 / 改变图像比例时才需要打开， 开启参数后将由aspect_ratio + megapixels决定画布最终形态（megapixels 基准 1 ≈ 1024×1024）。

• 扩展图片需要使用 pad_image 先把 input_image 扩展到目标尺寸，再用mask_from_transparency（使用该工具时，expand=48 是一个表现良好的数值。） 生成掩码，再使用扩展后的图片和掩码作为 input_image 和 mask_image 传给 edit_image。

• 人物全身图请使用9:16的比例。

2.7 如何控制reference_images中的物体在结果图片上的尺寸

工具会先把参考图统一缩放到固定大小，物体在成图里的大小，不由参考图有多少像素决定，而由物体在参考图里占了多大一块地方决定。

有效做法：调整物体在图里占的比例，需要修改参考图。

3. 参数使用场景

| 参数 | 工作流默认 | 怎么用 | | --- | --- | --- | | input_image | 必填 | 编辑目标 = <image1>；默认输出画布就是它的宽高尺寸（各边 32 对齐，见 §2.5） | | reference_images | 无 | 依次为 <image2>…；与 input_image 合计最多 16 张（工作流容量），官方模型支持 ≤10 张参考图 —— 超过 10 张属于超出官方验证范围，建议优先挑最必要的几张 | | prompt | 必填 | 见第 2 节。省略不是选项（必填） | | mask_image | 无 | 掩码图的绝对路径，白 = 重绘、黑 = 保护。请用不带 alpha 通道的黑白/灰度图：工具固定取红通道，带透明的图按它自带的 RGB 判色（透明区 ≠ 不重绘）。这张图会一并上传给 ComfyUI，最好与原图同尺寸，否则会被拉伸到原图大小。| | mask_invert | false | 把已经算出来的掩码整体反过来：白 = 重绘 ↔ 黑 = 重绘。单独传它不会让掩码生效 | | steps | 25 | 生成步数，保持默认就好。 | | resolution | 0 | 所有输入图（含参考图）会被缩放到约 resolution × resolution 像素，各自保持比例、对齐到 32 的倍数。0 = 不缩放，每张按自己尺寸取整，输出画布 = <image1> 尺寸。取值 0–4096。⚠️ 它还会改掉画布尺寸：> 0 时输出画布跟着缩到约 resolution² 面积（实测 1024 + 输入 2368×1344 → 输出 1344×768）——要原尺寸就留 0。| | custom_size | 关 | 关着（默认）= 输出画布用 <image1> 的宽高尺寸（各边 32 对齐），普通改图保持关闭即可，成图不会比原图小。要做高清放大 / 指定输出尺寸才打开它，此时画布改用 aspect_ratio + megapixels 计算 | | aspect_ratio / megapixels | 1:1 / 1 | 仅在 custom_size 打开时才参与算画布；aspect_ratio 只给比例，真正的像素量由 megapixels 决定（基准 1 ≈ 1024×1024），宽高各自按 32 对齐，因此比例是逼近、尺寸不精确。 | | negative_prompt | 空 | 省略 = 空，不会沿用工作流里残留的文字。工作流里 cfg=1，此时负向提示词不生效——想让它生效得先把工作流 cfg 调高 | | seed | 随机 | 复现同一张图用同一个值 |

补充：工作流采样器 euler + simple 调度、cfg=1、denoise=1，出图节点 SaveImageAdvanced。

4. 语言偏好

• 中英文都可以：官方 README 与 Diffusers 示例用英文，Qwen 自己的中文文档与中文示例同样是一等公民；这是个中文团队的模型，中文指令不会因为"非英语"而系统性变差。
• 什么时候倾向中文：画面里要渲染中文字（招牌、菜单、书法、字幕）时用中文描述并给出中文字符串，通常比用英文转述更准。
• 什么时候倾向英文：指令里夹带大量摄影/美术术语（three-quarter view、softbox key light、rim light、gouache texture）时，英文术语更稳。
• 别混着乱写：一条指令里主语和对象保持一致的语言即可；给画面文字时引号内的内容必须是原样字符，不翻译。
• 用户用中文提需求时，直接用中文写指令是最自然的选择，不必额外翻译成英文。

5. 常见坑

• 多图输入不使用<imageN>：这会导致引用不明确。
• 编号与传参顺序不一致：<image2> 到底指哪张，取决于 reference_images 的顺序。写提示词前先把列表定下来。
• 只看 resolution 的那句"缩放到 resolution²"，以为只影响条件图：它同时决定输出画布。想压条件图成本又不牺牲画布，是做不到的——本工具里两者是同一个 latent。
• custom_size 打开但 megapixels 离 <image1> 太远：官方明确提醒会导致编辑偏移（内容跑到错位置）。要放大就接受这一点并用提示词钉住取景；要精确编辑就保持 custom_size 关闭。
• 指望 negative_prompt 起作用：工作流 cfg=1，负向无效。要正面描述你想要的画面。
• 一句话里塞五处修改：容易只做其中一两处或整体漂移。拆成多条指令、多跑几次，比一次贪多稳。
• 文字模糊或尺寸不对：文字渲染是强项但不是万能，长段落/小字号仍可能糊；必要时分两步（先出图，再用 edit_image 只改字）。
• 分辨率过大：受限于本地条件，custom_size 开到 2MP 这类量级时，图像生成所需时间可能会超过工具等待时间。超时最后会产出文件，但你无法得到。。
• 把图像编辑工具当生图工具：使用了描述而非指令