Qwen-Image-2.1-viggle-turbo

99 00

Viggle 发布 Qwen-Image-2.1-viggle-turbo(v0.1 预览版),基于 Qwen-Image-2.1 做分布匹配蒸馏得到学生模型。原生只需要4 次 Transformer 传递,而非原版 40 步,无需无分类器引导,支持文生图,以及带 1~3 张参考图的指令式图像编辑。

作者
Viggle
基础模型
Qwen-Image-2.1
Qwen-Image-2.1-viggle-turbo

Viggle 发布 Qwen-Image-2.1-viggle-turbo,一个基于分布匹配蒸馏(DMD)的 4 步推理学生模型,旨在将 Qwen/Qwen-Image-2.1 的 40 步生成压缩至仅 4 次 transformer 传递。当前为 v0.1 预览版,明确声明整体性能仍不及基础模型:文本到图像(T2I)基本可用,但在多参考构图、换脸、身份保持等复杂编辑任务上显著退化。提供两种权重形式:完整微调 transformer(14.2 GB bf16,推荐)与 LoRA 适配器(340 MB r64,稍弱)。项目处于活跃开发中,后续将随蒸馏改进持续更新。

Qwen-Image-2.1-viggle-turbo

核心特性与技术细节

模型选项对比

类型大小精度优势劣势
完整微调 transformer14.2 GBbf16编辑更忠实,演示默认使用下载体积大
LoRA (r64)340 MBbf16 (运行时加载)轻量,易部署编辑质量略低

⚠️ 关键提醒:LoRA 不可合并至基础 transformer(bf16 合并有损),必须运行时动态加载。

分辨率支持

训练覆盖三类面积基准,所有尺寸四舍五入至 32 倍数:

  • T2I + 编辑:1024² 面积(如 1024×1024, 1376×768)
  • 编辑专用:1536² 面积(如 1536×1536, 2048×1152)
  • T2I 高分辨率:2048² 面积(如 2048×2048, 2720×1536)

支持 1:1 / 4:3 / 3:4 / 16:9 / 9:16 / 3:2 / 2:3 七种宽高比,参考图像统一以 1024² 编码。

依赖说明

  • 文本编码器、VAE、处理器不再分发,需从基础 Qwen-Image-2.1 仓库加载
  • 调度器配置保留 shift_terminal: null
  • 两个学生模型均为第 400 步 EMA 检查点(完整微调含低频教师锚点)

已知限制与风险边界

✅ 当前可用场景:

  • 4 步文本到图像生成(1K–2K 分辨率)
  • 简单指令驱动编辑(单参考、非身份敏感)
  • 快速原型验证与迭代探索

❌ 明确不适用场景:

  • 多参考图像构图(易出现重复/重影人物)
  • 换脸或身份保持编辑(身份漂移严重)
  • “保持一切不变”类约束请求
  • 小号字体或长文本渲染(乱码率高于基础模型)
  • RGBA 输出、>3 张参考图、蒙版局部编辑(4 步下未测试)
  • 2K 输出未经教师验证,质量无保障

📌 重要声明:目前仅有定性评估(留出用户请求),无任何定量指标承诺。此版本是预览,非替代品。

使用建议与工程实践

  1. 优先选择完整微调版:除非存储/带宽受限,否则始终使用 transformer/ 目录下的全量权重
  2. 严格遵循训练分辨率:偏离训练尺寸可能导致质量骤降,建议使用表格内推荐尺寸
  3. 复杂任务回退基础模型:涉及身份、多主体、精细文字时,直接使用 40 步原版
  4. 监控更新日志:仓库将持续迭代,定期拉取最新权重与文档
  5. 生产环境慎用:当前仅为研究预览,不建议用于交付级内容生成

相关图书

Qwen-Image-2512-Turbo-LoRA-2-Steps

Qwen-Image-2512-Turbo-LoRA-2-Steps

由 Wuli 团队训练的 两步加速版 LoRA,适用于 Qwen Image 2512,相比Wuli 之前的 四步加速版 LoRA 有所改进。
Qwen-Image-Edit-InStyle

Qwen-Image-Edit-InStyle

Qwen-Image-Edit-InStyle 是对 Qwen-Image-Edit 模型在风格迁移能力上的一次重要增强。 它让原本“泛化有余、精准不足”的风格迁移,变得可预测、可控制、可复用,特别适用于: 艺术创作中的风格探索、品牌视觉统一性生成、游戏与动画概念设计、个性化内容生成。
 Qwen-Image-EliGen

 Qwen-Image-EliGen

Qwen-Image-EliGen是基于 Qwen-Image 训练的精确分区控制模型,模型结构为 LoRA,可以通过输入每个实体的文本和区域条件(蒙版图)来控制每个实体的位置和形状。
Qwen-Image-2512-Turbo-LoRA

Qwen-Image-2512-Turbo-LoRA

Qwen-Image-2512-Turbo-LoRA 是由呜里团队训练的一个 4 步快速 LoRA,基于 Qwen-Image-2512  模型。该 LoRA 在保持原模型输出质量的同时,推理速度提升了 20 倍以上