CV Dec 24, 2025 6 min read

Qwen-Image-Edit-2511 上手：更稳的一致性、更少的漂移，还把 LoRA 直接“塞进模型”

Qwen-Image-Edit-2511 是 Qwen-Image-Edit-2509 的增强版本，主打更稳的角色一致性、更少的图像漂移，并把部分社区 LoRA 能力“内置化”。本文用偏口语但技术向的方式，带你快速了解它能做什么、怎么用 diffusers 跑起来，以及哪些场景最值。

#Qwen-Image-Edit #Diffusers

Cover image for Qwen-Image-Edit-2511 上手：更稳的一致性、更少的漂移，还把 LoRA 直接“塞进模型”

本文发布于 269 天前，内容可能已过时，请注意甄别。

这模型到底是干嘛的？

如果你对“图像编辑”模型的期待是：

我给一张图，告诉它“把帽子换成红色、把背景变成夜景”，它就能改，而且别把人脸改到亲妈不认。
我给两张图，让它把 A 图的角色和 B 图的道具/风格“融合得合理一点”。

那 Qwen-Image-Edit-2511 就是来干这个的。

官方描述里，它是 Qwen-Image-Edit-2509 的增强版，重点是：一致性更强、漂移更少，并且对一些实用场景（工业设计、几何推理）做了增强。

2511 相比 2509，主要升级点

更少的 image drift（图像漂移）
- 你让它“改局部”，它不太会顺手把全图风格/细节带跑。
更强的角色一致性（character consistency）
- 尤其是人像/角色编辑时，身份特征更容易保住。
集成 LoRA 能力（integrated LoRA capabilities）
- 一些社区里很受欢迎的 LoRA 效果，被官方挑选后“直接整合进底座”，不需要你额外挂 LoRA 也能吃到对应能力。
工业设计生成更强（industrial design generation）
- 偏工程/产品图那种需求，稳定性更好。
几何推理更强（geometric reasoning）
- 比如生成辅助线、结构更规整的几何关系等。

你可以怎么用它（两条路）

在线体验：去 Qwen Chat 里选 Image Editing
- https://chat.qwen.ai/?inputFeature=image_edit
本地推理：用 diffusers 跑（下面给你最短可用版）

如果你是“要进工作流”的那类人：

本地推理的好处是你能更可控地做批处理、做参数扫、做集成。

Quick Start：diffusers 跑起来

官方建议安装最新 diffusers（直接从 GitHub 装）：

pip install git+https://github.com/huggingface/diffusers

然后用 QwenImageEditPlusPipeline：

import os
import torch
from PIL import Image
from diffusers import QwenImageEditPlusPipeline

pipeline = QwenImageEditPlusPipeline.from_pretrained(
    "Qwen/Qwen-Image-Edit-2511",
    torch_dtype=torch.bfloat16,
)
print("pipeline loaded")

pipeline.to("cuda")
pipeline.set_progress_bar_config(disable=None)

image1 = Image.open("input1.png")
image2 = Image.open("input2.png")

prompt = (
    "The magician bear is on the left, the alchemist bear is on the right, "
    "facing each other in the central park square."
)

inputs = {
    "image": [image1, image2],
    "prompt": prompt,
    "generator": torch.manual_seed(0),
    "true_cfg_scale": 4.0,
    "negative_prompt": " ",
    "num_inference_steps": 40,
    "guidance_scale": 1.0,
    "num_images_per_prompt": 1,
}

with torch.inference_mode():
    output = pipeline(**inputs)
    output_image = output.images[0]
    output_image.save("output_image_edit_2511.png")
    print("image saved at", os.path.abspath("output_image_edit_2511.png"))