LightX2V Lightning：Qwen-Image 2.1 的 4 步 LoRA

使用 Lightning LoRA 在 4 步内生成的咖啡店店面，采用基础模型固定的文本嵌入和相同的种子。

LoRA 改变了什么

Qwen-Image 2.1 默认以 40 步生成。Lightning 适配器将其压缩到 4 步，调度表直接写入采样器调用中：

pipe.scheduler = FlowMatchEulerDiscreteScheduler.from_config(
    pipe.scheduler.config, shift_terminal=None
)

image = pipe(
    prompt=prompt,
    width=1024,
    height=1024,
    num_inference_steps=4,
    sigmas=[1.0, 0.75, 0.5, 0.25],
    true_cfg_scale=1.0,
    use_kv_cache=False,
).images[0]

CFG 被禁用（true_cfg_scale=1.0），四个 sigma 值固定不变，因此相比正常的 Qwen-Image 2.1 工作流，唯一的变化就是加载 LoRA，并把采样器切换为 4 步、无 CFG 的配置。

4 步对比 40 步

模型卡片提供了五组文生图对比，使用相同的提示词、种子和输出尺寸，两侧均禁用 CFG。基础模型的图像来自更早的一次 40 步运行。

基础模型，40 步	Lightning LoRA，4 步
咖啡店招牌	咖啡店招牌

仓库中剩余的示例还涵盖九头狐兽、绵羊设计师潮玩、办公室奶牛自拍以及花香葡萄酒广告。

多引用编辑

同一个适配器也针对编辑 pipeline 进行了训练，包括多引用输入。在第一个示例中，目标是人物身上的夹克：

引用	基础模型，40 步	Lightning LoRA，4 步

"把红色夹克改成深蓝色，并在左胸处添加一枚银色小星星形状的胸针。保持人物的身份、表情、发型、姿势、夹克材质和褶皱不变；保持背景和光照不变。…"

模型卡片中还有七个编辑示例，涵盖服装与夜景、人物与猫、产品广告、沙发与吊灯、地板材质迁移、镜面反射和背包试穿。每个示例都在 40 步和 4 步结果旁列出了对应的引用图像。

使用方法

权重是单个 pytorch_lora_weights.safetensors（67 MB），可加载到 Qwen-Image 2.1 checkpoint 之上，因此 ComfyUI 会通过 Qwen-Image 2.1 画面常用的 LoRA 加载器识别它，设置为 4 步、CFG 1。LightX2V 自带的平台脚本覆盖非 NVIDIA 硬件，包括该适配器训练时所用的昇腾 NPU。

获取方式

LoRA 权重：lightx2v/Qwen-Image-2.1-Lightning，位于 Hugging Face。基础模型：Qwen/Qwen-Image-2.1。推理框架：ModelTC/LightX2V。