用 Qwen 建立角色主視覺：保存第一份可比較的生圖基準

有了一張喜歡的角色圖，下一次還找得到當時的設定嗎？

前幾課練過尺寸、遮罩與合成，現在把它們接回生圖：先替「小豆機器人」建立一份能回頭比較的主視覺基準。這課的完成物是自己的 A 組 PNG、對應 JSON，以及 B／C 的比較紀錄。不要求第一次就畫到完美，也不把相同 seed 當成跨環境、跨版本的相同像素保證。

先開啟官方 Qwen-Image-2.1 教學、ComfyUI 官方下載與官方模型檔案入口。本課使用普通版 Qwen-Image-2.1 的官方 ComfyUI 工作流；不是Turbo 新聞介紹的8步 checkpoint／採樣路線，不能只把本課 steps 改成8就當作 Turbo。模型材料限研究／評估用途，工作流範例的 MIT 授權不等於模型可任意商用；開始前請讀Qwen 模型 LICENSE，需要超出其許可的用途時先取得權利人的適當授權。

下載本課 A 組工作流及觀察單。本站只改官方範例的提示詞、seed 與輸出前綴，保留子工作流和模型選擇。沒有內附模型權重，也沒有執行生成。

第 1 步：先確認能載入這一版工作流

在 ComfyUI 以 Workflow → Open 匯入 A 組 JSON；也可先從模板庫搜尋 Qwen-Image-2.1，選文字生圖範例核對介面。官方提醒，最新核心節點有時先出現在 Nightly，Desktop／Cloud 要等穩定版更新。如果看見缺失節點，先對照官方更新說明及啟動日誌，確認自己的版本；不要隨意安裝名稱相近的第三方節點。

外層應有三個會參與輸出的節點：Resolution Selector（尺寸選擇）、Text to Image (Qwen Image 2.1)（文字生圖子工作流）、Save Image Advanced（進階儲存圖片）。其餘說明卡是官方備註。大型子工作流把模型載入、文字編碼與取樣收在一起，第一次先使用外層欄位，不要為了找 KSampler 就拆散整張圖。

第 2 步：核對三個主要模型與選用增強器

本課沿用官方模板的量化選項。請從前面的官方模型入口下載，按下列位置放入 ComfyUI 的 models 目錄，再確認節點選單能找到同名檔案：

• diffusion_models/qwen_image_2.1_int8_convrot.safetensors
• text_encoders/qwen3vl_8b_int8_convrot.safetensors
• 選用提示詞增強：text_encoders/qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors
• vae/qwen_image_2.1_vae_bf16.safetensors

選用檔案是文字生圖用的提示詞增強編碼器，檔名含 pe_t2i；不要拿圖像編輯用的 pe_i2i 代替。本課 refine_prompt 關閉，依官方說明不執行這條增強支線，因此增強模型可等需要時再準備。下載 JSON 保留原官方支線與選項，勿誤開 refine_prompt 後以為不需要額外模型。

依官方模板標示，三個主要檔案合計約16.1GB；連選用增強模型一起準備約25GB，這是下載儲存量的量級，不是顯示記憶體需求，也未包含程式、暫存與輸出。本站沒有測試你的 GPU，也不提供「某張顯卡一定跑得動」的保證；第一次先用1MP、一次一張，確認環境後再提升尺寸。若出現記憶體不足，記下錯誤與實際環境，先停止重複排程，別一次調高解析度又更換精度。

應該看到： 子工作流中的 diffusion model、text encoder、VAE 有對應名稱；選用PE model保留原設定並關閉refine_prompt，沒有把模型檔放到 checkpoint 資料夾，也沒有僅下載檔案捷徑或網頁。

第 3 步：建立 A 組，固定尺寸與生成條件

在 Resolution Selector 保持 1:1 (Square)、1.0 MP。此組合的起始寬高為1024×1024，寬、高透過連線送入子工作流；想換尺寸時先改這個節點，別只改被連線控制的下游數字。

A 組 JSON 已放入以下原創提示詞，也可從提示詞文字檔複製：

A single small bean-shaped robot with a pale green rounded body, two dark oval eyes, short rounded arms and legs, and a small orange backpack. Full body, centered, facing the camera, standing on a plain light beige background. Soft studio lighting, clean 3D illustration, no text, no logos, no watermark.

它先交代同一個角色的外形與背包，再指定全身、正面、簡單背景和光線。這是一份待執行的設計要求，不是角色一致性的承諾；如果模型忽略某個特徵，把那個偏差記下來，後面才知道在改善什麼。

接著核對外層欄位：seed 20261010、steps 25、cfg 1、sampler euler、scheduler simple。保持 refine_prompt=false、thinking_mode=false。這樣不讓提示詞增強器先改寫句子，初次比較較容易知道實際輸入了什麼；不要把「關閉比較方便」理解成畫質一定比較好。

官方子工作流裡的 KSampler 使用 fixed seed 模式。若介面提供執行後的 seed 行為，確認沒有設成 randomize 或 increment。本課原版設定 cfg=1 時，取樣器跳過負向條件的去噪模型評估；negative_prompt 仍會經文字編碼，但不透過該去噪分支改變影像。因此不要花時間調它期待結果不同；本課需要避免的文字、標誌已放在正向提示詞中，仍須查看實際輸出。

第 4 步：執行一張，保存圖片與 JSON

Save Image Advanced 保持 PNG、8-bit、sRGB，前綴為 greenbean-lesson09-A。先另存自己的 A 組 JSON，再按 Run 一次。首次載入模型與生成時間依環境而異，本文沒有提供本站計時。

輸出出現後，核對三件事：尺寸是否1024×1024、是否只有一位完整角色、綠色圓身／深色眼睛／橘色背包是否呈現。若出現文字或缺少背包，不要直接當作工作流壞掉；記錄它是構圖或遵循提示詞的偏差。

保存 PNG 之外，另外保存當時的 JSON。圖片可能帶有工作流資訊，但經社群或轉檔工具處理後可能遺失，不能只留下轉傳的圖片。觀察單填入自己輸出的檔名、實際尺寸及特徵；還沒生成就保留 not_run，不填入官方範例的結果。

第 5 步：做 B／C，分開觀察提示詞與 seed

先保留 A，不直接覆蓋。接著匯入B 組工作流：seed仍為20261010，提示詞只把 orange backpack 改成 blue backpack，輸出前綴改為 B，其餘相同。

比較 A／B 時，不只看背包有沒有變藍，也看眼睛、身體比例、姿勢與背景是否跟著變動。兩張是各自從文字重新生成，不是在 A 圖上局部上色，同 seed 也不保證其他像素不動。若你的目標是保留某張既有圖再改一處，應回到參考圖修改課或局部重繪課的思路，別把文字生圖比較當成遮罩編輯。

再匯入C 組工作流：提示詞回到 A 的橘色背包，只把seed改為 20261011，輸出前綴為 C。這一組用來觀察同一份描述下可能出現的不同構圖，不和 B 混成「提示詞與seed一起改」的比較。

第 6 步：選一張基準，留下下一課能用的資料

完成後選一張最接近需求的圖，保存原PNG、對應JSON與觀察單。寫下你想固定的三個角色特徵，例如「淡綠圓身、兩個深色橢圓眼、短四肢」，再寫一項未解決的偏差。這比只記「這次不錯」更方便下一次帶參考圖修改。

常見問題

• 找不到 Qwen 節點： 核對官方支援版本與啟動時的匯入錯誤，不用同名第三方節點硬替換
• 模型選單是空白： 核對檔名、models 子目錄與下載是否完整；T2I增強器不是I2I增強器
• 改了寬高但沒變： 查看 Resolution Selector 的連線，先改上游尺寸
• 同樣文字卻每次差很多： 確認seed沒有自動遞增／隨機化，並記錄工作流、模型與版本；跨環境仍可能有差異
• 負面提示詞沒反應： 本課原版cfg=1設定跳過負向去噪評估；先照本課固定設定完成基準
• 生成等很久或記憶體不足： 一次只排一張，保留1MP及原量化設定；別用下載大小推算所需VRAM

小練習

1. B組為什麼不保證只改背包的像素？因為它是另一張文字生圖，沒有以A圖作編輯輸入
2. 想比較seed的影響，應比較哪兩組？A與C；提示詞和其他生成設定一致
3. 只留經聊天軟體轉傳的PNG夠嗎？不夠，還要另存原始PNG、JSON與自己的參數紀錄
4. 想改成2K，能直接當成本課已驗證條件嗎？不能；它改變負載及輸出條件，先另存新組再測試

下載與來源

• 官方原始工作流、A基準、B背包顏色、C更換seed
• 原創提示詞、空白觀察單、使用與授權說明、來源及SHA256、Comfy範例庫MIT授權
• 取樣器cfg=1優化程式：本課保留預設優化，若另加覆寫節點，不能直接套用這個結論
• 固定版本官方範例、模型說明及授權入口

查核日期：2026年10月11日（台灣）。本課保留官方範例庫的MIT授權及來源；模型授權另行適用，不把兩者混為一談。本站原創提示詞、觀察單與兩張示意圖採CC0。已檢查JSON結構、外層連線、子工作流保留及A／B／C變因，沒有執行本機GPU、沒有生成小豆機器人成果，也未驗證任何特定顯卡的容量或速度。