LoRA de Qwen-Image 2.1: consistencia anime y realismo fotográfico
El paquete de LoRA Qwen-Image 2.1 de WarmBloodAban combina un adaptador de consistencia de personajes anime con otro que convierte ilustraciones en personajes fotográficos.
Vista previa publicada con el adaptador Qwen2.1_Anime_consistency.
El repositorio pertenece a WarmBloodAban, cuyo trabajo anterior con MiniMax H3 se cubrió aquí como H3 Singularity. El patrón es similar: un puñado de adaptadores específicos publicados como una colección en constante crecimiento, y el autor afirma que se añadirán más al mismo repositorio con el tiempo. Ambos archivos del paquete actual están dirigidos al modelo de edición base Qwen-Image 2.1, no a las versiones anteriores Qwen Image Edit 2509 o 2511.
Qué incluye el paquete
| Archivo | Tamaño | Qué hace | Estado |
|---|---|---|---|
Qwen2.1_Anime_consistency.safetensors | 0.17 GB | Mantiene la consistencia de un personaje anime durante la edición estilizada de imágenes. Entrenado principalmente con hojas de modelo de personajes con referencias de cuatro vistas y una serie de ediciones de expresiones faciales | Experimental |
Qwen2.1_Anything2RealCharacters.safetensors | 0.32 GB | Convierte una imagen en cualquier estilo artístico en un personaje humano realista, manteniendo reconocibles la pose y el encuadre | Publicado |
Consistencia de personajes anime
El primer adaptador existe principalmente como un experimento de entrenamiento. El autor indica que se creó para evaluar los parámetros de entrenamiento de Qwen-Image 2.1, entrenado con hojas de modelo de personajes que proporcionan cuatro vistas de referencia del mismo personaje, junto con ediciones de expresiones basadas en ellas. La model card lo etiqueta como experimental y advierte de que los resultados de edición y la estabilidad de la salida no están garantizados, por lo que se acerca más a una prueba de parámetros que a un producto finalizado.
De ilustración a personaje fotorrealista
El segundo adaptador es el protagonista de la actualización. Toma una entrada ilustrada o estilizada y vuelve a renderizar el sujeto como una persona fotográfica, entrenado con imágenes de personas reales emparejadas con grupos de referencia de control de expresiones faciales. El autor recomienda el muestreador Euler con FlowMatchEulerDiscreteScheduler para obtener una piel y una iluminación más suaves y naturales, que es el emparejamiento de muestreadores con el que normalmente se ejecuta el propio Qwen-Image 2.1.
Muestra publicada con el adaptador Qwen2.1_Anything2RealCharacters.
Cargando ambos adaptadores en ComfyUI
Los dos archivos no se distribuyen con el mismo diseño de pesos, y eso determina lo que ComfyUI aceptará directamente:
Qwen2.1_Anything2RealCharacters.safetensorsalmacena sus tensores bajo el prefijodiffusion_model.*, la nomenclatura que espera el cargador de LoRA de modelo de difusión de ComfyUI. Colócalo enComfyUI/models/loras/y cárgalo con el cargador de LoRA habitual junto al modelo de difusión Qwen-Image 2.1, su text encoder Qwen3-VL y el VAE correspondiente.Qwen2.1_Anime_consistency.safetensorsalmacena sus tensores en el diseño de diffusers (transformer_blocks.*.lora_A.default.weight). Esas claves deben reasignarse a la formadiffusion_model.*antes de que ComfyUI lea el adaptador.
Ambos adaptadores se aplican como pesos LoRA ordinarios, por lo que no se requiere ningún paquete de nodos personalizado.
Configuraciones recomendadas
La model card mantiene la configuración de muestreo en el modelo base: utiliza el número de pasos y la escala CFG recomendados por el propio Qwen-Image 2.1 en lugar de valores específicos del adaptador, y comienza con una intensidad de LoRA entre 0.6 y 0.8, subiéndola o bajándola según las ediciones de prueba. La resolución debe seguir los tamaños admitidos por el modelo base, ya que los adaptadores cambian la apariencia, no la geometría del pipeline.
Disponibilidad
Pesos: WarmBloodAban/Qwen-Image-2.1-LoRAs
Modelo base: Qwen/Qwen-Image-2.1
Repack para ComfyUI: Comfy-Org/Qwen-Image-2.1
Lanzamiento anterior del autor cubierto aquí: H3 Singularity
Comentarios
Inicia sesión con GitHub para unirte a la conversación.