LumiPic
LumiPic 是一款基于扩散变换器(DiT)的 LoRA 模型,将标准的 SDR(标准动态范围) 图像转换为高保真的 HDR(高动态范围)EXR 文件。
Zen Image Edit 是基于 Qwen-Image-2.1 改造的一体化图像生成模型,更换轻量化 0.8B 文本编码器,一套管线同时支持文生图、角色 / 场景编辑以及 RGBA 透明图像输出。

Zen Image Edit 是一个基于 Qwen-Image-2.1 改造的轻量化图像生成与编辑模型,通过将原生 17.5GB Qwen3-VL-8B 文本编码器替换为 Qwen3.5-0.8B + 158M 适配器,在保持高保真度的同时将峰值显存降至约 17.5GB(启用 CPU offload 后更低)。

该方案支持文本到图像、角色/场景编辑及 RGBA 透明生成,所有功能集成于单一 diffusers 管线。适配器 v12 在真实推理几何下微调,视觉条件余弦相似度从原生 0.93 提升至 0.97,文本保持 0.95;采样器采用静态 shift 5.0(关闭动态 shifting),VAE 保持 fp32 精度。
ComfyUI 用户可通过 recoilme/zen-image-edit-comfyui 仓库直接使用现成工作流与节点,无需加载完整大编码器。
| 组件 | 原始配置 | Zen Image Edit 配置 | 关键改进 |
|---|---|---|---|
| 文本编码器 | Qwen3-VL-8B (17.5GB) | Qwen3.5-0.8B (1.7GB) + 158M 适配器 | 体积减少 90%,自包含于 DiT |
| 适配器 | 无 | v12 修订版,2304 槽位置表 | 真实几何微调,避免零填充尾部失真 |
| 条件对齐 | — | 文本余弦 0.95,视觉位置 0.97 | 超越原生编码器视觉对齐(0.93→0.97) |
| 调度器 | 动态 shifting | FlowMatchEulerDiscrete + 静态 shift 5.0 | 简化推理,稳定性提升 |
| 精度 | 混合 | 除 VAE 外全 fp16 | 显存优化,VAE 保 fp32 防色偏 |
| 分辨率 | 可变 | 默认 1024,跟随条件图宽高比 | 编辑时自动匹配参考图比例 |
💡 关键洞察:适配器作为 DiT 内部的“文本融合块”存在,使整个模型成为自包含 diffusers 文件夹——任何环节都不再需要加载 17.5GB 编码器。
enable_model_cpu_offload() 后可在 12–16GB 显卡运行仓库 recoilme/zen-image-edit-comfyui 提供开箱即用支持:
workflows/zen-image-edit_ui.jsonreleases/v1 中的适配器文件✅ 强烈推荐: