Qwen Image Layered I2L Workflow with lightning 4 or 8 steps + Sageattention + GGUF + MultiGPU

我的 TG 频道 - https://t.me/StefanFalkokAI

我的 TG 聊天室 - https://t.me/+y4R5JybDZcFjMjFi

感谢 SD_Prompt_by_Art 在工作流测试中的帮助 - https://t.me/prompt_by_art

大家好！我向大家介绍我使用 Qwen Image Layered I2L 的工作流程。

我已包含 Qwen Image 模型的工作流程。

你需要拥有 Qwen Image 模型（https://huggingface.co/Comfy-Org/Qwen-Image-Layered_ComfyUI/tree/main/split_files/diffusion_models）、clip（https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/tree/main/split_files/text_encoders）和 vae（https://huggingface.co/Comfy-Org/Qwen-Image-Layered_ComfyUI/tree/main/split_files/vae）。

我建议使用 4 或 8 步的 Qwen Image LoRA 以获得更快的结果。

GGUF Qwen Image Layered - https://huggingface.co/QuantStack/Qwen-Image-Layered-GGUF/tree/main

我要提醒你，该模型速度较慢，在 5080 上每次迭代需要 10-15 秒。这并非由于 VRAM 或 RAM 不足，因此我在工作流中包含了轻量级 LoRA。

下载我的 ComfyUI 构建版本：https://huggingface.co/datasets/StefanFalkok/ComfyUI_portable_torch_2.9.1_cu130_cp313_sageattention_triton，你还需要下载并安装 CUDA 13.0（https://developer.nvidia.com/cuda-13-0-0-download-archive）和 VS Code（https://visualstudio.microsoft.com/downloads/）。

如果你在使用过程中遇到问题或发现工作流存在错误，请留言反馈。