企业官网建设流程全解析

最近有朋友问我，Qwen-Image-2.1这套模型到底怎么玩人像，尤其是它宣传里提到的发型编辑、表情控制和老照片修复这几个能力，实际用起来跟普通文生图有啥区别？我花了大概一周时间，把模型本地跑通，又专门整理了一批人像提示词模板，跑了上百张图，踩了不少坑，今天把能直接用的方案全放出来。

这篇文章的核心内容是一个人像提示词大全，覆盖人像生成、发型表情编辑、老照片修复三个场景。同时会把整合包下载、本地部署、ComfyUI配置这些细节一并讲清楚。适合刚接触Qwen-Image-2.1、想直接上手出图的新手，也适合已经跑过模型但一直觉得人像效果不够稳定的老手。

1. 项目背景与模型选型思路

1.1 Qwen-Image-2.1 到底是什么

Qwen-Image-2.1是通义实验室开源的新一代图像生成模型，和前代相比，最直观的变化是中文语义理解更好了，对亚洲人像的肤色、五官细节、发型质感这些表现力提升明显。它不只是文生图，还能做指令式图像编辑——就是你给它一张图，然后用自然语言告诉它“把这个人变成短发”“让表情更严肃一点”，模型会按照指令改图。

这套能力在开源模型里并不常见，之前很多模型只能靠图生图加区域重绘绕来绕去，效果还不一定可控。Qwen-Image-2.1直接把编辑做成了对话式操作，给提示词设计带来了很大空间。

我选它做人像项目，主要看中三点：

• 亚洲人像效果好，不容易出现“欧美脸硬套亚洲特征”的诡异感。
• 指令式编辑对发型、表情这些局部改动非常友好，不需要训练LoRA也能做到一定的一致性。
• 社区整合包比较成熟，ComfyUI可以直接拉起来，不需要自己写复杂代码。

当然它也不是万能的，后面我会专门讲它容易翻车的地方。

1.2 为什么需要一套“人像提示词大全”

很多人跑Qwen-Image-2.1，第一反应是“提示词越详细越好”，结果写了一大段，出来的图反而不对。原因很简单：图像模型对提示词的解析不是线性的，语句越长，注意力越分散。尤其人像这种对细节敏感的场景，提示词里稍有不一致，模型就容易把“丹凤眼”理解成“眼睛奇怪”，把“淡然微笑”理解成“表情僵硬”。

我做这套提示词大全的思路是模块化。把一段人像提示词拆成固定结构：主体描述、面部细节、发型、表情、服装、环境、光线、镜头语言、画质词。每个模块放一批高频可复用词，需要哪个场景就挑哪几个模块拼起来。这样既不会漏信息，也不会堆砌无效词。

这套方法帮我把出图成功率从最初的不到五成拉到了八成以上。后面所有案例都是在这个结构上延展的。

2. 本地部署与整合包快速上手

2.1 整合包下载与Windows启动

先说最简单的方案：整合包。市面上常见的Qwen-Image-2.1整合包一般基于ComfyUI封装，里面已经预置了模型文件、依赖环境、常用工作流和必要节点。你只需要下载压缩包，解压到本地，然后运行启动脚本即可。

具体操作：

1. 找个靠谱的整合包来源，优先选更新时间近、评论区反馈好的版本。
2. 解压时注意路径不要出现中文，否则部分Python环境会报编码错误。
3. 启动前建议关闭杀毒软件实时监控，因为整合包里的某些补丁会被误报。
4. 双击启动脚本，等终端出现“To see the GUI go to http://127.0.0.1:8188”之类的字样，浏览器打开这个地址就进入ComfyUI界面。

第一次启动会加载模型，需要等一段时间，不要以为卡死了。如果启动失败，先检查显存是否达到要求。Qwen-Image-2.1完整版对显存要求不低，建议8GB显存以上，最低可用6GB显存跑低分辨率，但会很吃力。

2.2 Mac与低显存设备的本地部署

很多人问Mac能不能跑。答案是能跑，但要换姿势。Mac上跑完整版不现实，更推荐使用GGUF量化版。社区已经有对应工作流，把模型量化成不同精度的GGUF格式，可以大幅降低内存占用。

Mac部署的大致思路：

1. 安装ComfyUI和ComfyUI-GGUF节点插件。
2. 下载Qwen-Image-2.1的GGUF量化文件，优先选Q4_K_M或Q5_K_M精度，平衡画质和性能。
3. 在ComfyUI中通过“Unet Loader（GGUF）”节点加载量化模型。
4. 配置好正面提示词、负面提示词、采样器参数，然后跑图。

实测下来，Apple Silicon芯片的Mac（比如M1 Pro以上）可以跑出不错的512x768人像，但速度肯定比不上N卡。生成一张图可能需要几十秒到几分钟，属于“能接受但别着急”的状态。

低显存N卡用户也可以参考同样思路，使用GGUF量化版加低分辨率出图，再通过后期放大来获得高清细节。

2.3 参数设置建议

跑人像时，参数不是随便拉的。我把常用的参数范围列出来，方便大家直接照抄。

实际跑的时候，先用低步数+低分辨率快速预览提示词效果，构图满意了再提高参数精修。这样能省很多时间。

3. 人像生成提示词大全

3.1 提示词结构模板

我习惯把人像提示词分成九个模块，按顺序拼接。不需要每个模块都写，但写了的必须具体。

1. 主体：性别、年龄、大致外形。
2. 面部：脸型、眉毛、眼睛、鼻子、嘴唇。
3. 发型：长度、卷直、颜色、刘海。
4. 表情：情绪、眼神、嘴角动作。
5. 服装：款式、颜色、材质。
6. 环境：地点、背景元素。
7. 光线：自然光、棚拍光、侧光等。
8. 镜头景别：特写、半身、全身、广角。
9. 画质：高分辨率、细节丰富、胶片感等。

把这套模板套到实际提示词里，效果是立竿见影的。举一个例子说明：

一个25岁的中国女性，鹅蛋脸，柳叶眉，双眼皮，高鼻梁， 微卷的长黑发披肩，嘴角带着淡淡的微笑， 穿米色针织连衣裙，站在明亮简约的室内， 暖黄色自然窗光，半身写真， 8k分辨率，皮肤细节清晰，柔和肤质，佳能人像镜头质感

这样一段提示词，几乎每个词都有明确指向，模型能理解的空间很小，出图稳定性自然高。

3.2 高频可复用人像提示词模板

下面这些模板可以直接复制修改。中文为主体，英文关键词作为补充，实测Qwen-Image-2.1对中文理解很好，但部分画质词用英文更稳定。

模板一：自然日常女性写真

一个28岁的中国女性，圆脸，大眼睛，双眼皮，自然眉，鼻梁挺直， 乌黑长直发，发梢微卷，浅淡的嘴唇微张， 穿着白色V领衬衫和蓝色牛仔裤， 站在城市街角，背景有模糊的绿植， 午后柔和的自然光，半身人像，正视镜头， 真实摄影风格，细节丰富，皮肤纹理自然，浅景深

模板二：男性商务形象照

一个32岁的中国男性，方脸，五官硬朗，浓眉，单眼皮，下颌线清晰， 黑色短发，三七分，无明显表情，眼神沉稳， 穿深蓝西装，白衬衫，深色领带， 在深灰色摄影棚背景前，中央构图， 硬质棚拍光，突出面部轮廓，全身照， 商业摄影风格，高清晰度，质感细腻

模板三：汉服古风少女

一个22岁的中国少女，柳叶眉，杏眼，小巧的鼻子，樱桃小嘴， 乌发整齐盘起，饰有银色发簪，两缕碎发垂在耳边， 浅笑含羞，低着头微微抬眸， 穿浅绿色齐胸襦裙，粉白色披帛，手持团扇， 背景为江南园林，假山和垂柳， 清晨柔和的侧光，半身像，古典美学，水墨色调， 高清细腻，仙气飘渺

模板四：儿童写真

一个6岁的中国小男孩，圆脸，大眼睛，短黑发，额头前有刘海， 开心大笑，露出两颗门牙，脸颊微红， 穿黄色卡通卫衣和浅蓝色短裤， 坐在公园草地上，背景是滑梯和彩色气球， 明亮欢乐的自然光，半身照，抓拍瞬间， 儿童摄影风格，画面干净，色彩活泼，细节清晰

模板五：赛博朋克风格人像

一个26岁的未来感女性，长脸，细长上挑的眼睛，冷淡表情， 银白色短发，发尾渐变紫色，部分头发扎起， 穿着黑色高领机能外套，配金属饰品， 站在雨夜的霓虹街道，身后有全息广告牌， 蓝紫色赛博朋克灯光，电影感构图，半身像， 超高清，未来科技质感，镜头光晕，潮湿地面倒影

这些模板看起来很具体，但注意“微微”“浅笑”这类程度词，能有效避免表情用力过猛。每次生成时，可以固定除了发型和表情之外的模块，单独调整你需要编辑的部分，这其实是Qwen-Image-2.1最顺手的人像用法。

3.3 负面提示词库

负面提示词是国产模型很容易被忽略的一环。Qwen-Image-2.1虽然不像SD系列对负面词那么敏感，但依然需要防呆。

我的常驻负面提示词：

低分辨率，模糊，模糊背景，水印，文字，噪点，颗粒感过重， 变形的手，多余的手指，手指粘连，手臂畸形， 五官歪斜，不对称的眼睛，过曝，肤色不自然，面部油光， 多余的肢体，残缺的身体，构图错误，字幕，Logo

有人会担心负面提示词写太多导致画面死板。实测下来，Qwen-Image-2.1对负面提示词的响应比较温和，重点防“手”和“面部”两类就够。其他词条看情况增减，不要让负面词超过正面词长度，否则容易出现灰色暗淡的画面。

4. 发型表情编辑提示词实战

4.1 指令式编辑的核心逻辑

发型和表情编辑，是Qwen-Image-2.1相对其他开源模型的强项。它本质上是一个多模态模型，能同时读取图像和文字指令。使用方式有两种：一种是在ComfyUI工作流里加载输入图像，然后写编辑指令；另一种是部分整合包提供了“编辑模式”节点，不需要搞复杂的inpainting流程。

但不管哪种方式，指令怎么写是关键。我测试下来，指令需要包含三个要素：

• 明确对象：“这个人”“这个女孩”“画面主体”等。
• 明确目标变化：“换成短发”“变成卷发”等。
• 明确不要变化：“保持面部特征不变”“保持服装和背景不变”等。

很多人以为模型能自动理解“只改发型”，实际上它经常会顺手把脸型和眼神一起改了。这种情况下，稳定表情和脸型的最好方式，就是在指令里把需要保留的内容逐项写清楚。

4.2 发型编辑案例与提示词

案例一：长发改短发

保留这个女孩的五官、脸型、服装和背景不变， 将她的长直发改为齐耳短发，发尾内扣，自然黑色， 保持嘴角微笑的表情不变，画质与构图保持不变

实测时，如果只说“变成短发”，模型容易把发长剪到眉毛处，显得像男头。加上“齐耳”“发尾内扣”这种细节后，出来的风格就契合多了。

案例二：直发改卷发

保留人物五官和整体气质不变， 将黑色长直发改成大波浪卷发，刘海改成空气刘海， 保持妆容、衣服和背景细节不变， 发型要蓬松自然，发丝分明

注意“发丝分明”这个词很重要，不加的话，卷发容易糊成一团。

案例三：染发

保留五官、眉形和服饰不变， 把头发染成亚麻棕色，从发根到发梢均匀过渡， 发色自然，不改变发型结构， 保持原有光照和背景不变

在颜色词上，尽量用“亚麻棕”“深酒红”这种具体色名，而不是“棕色”“红色”。具体色名能减少颜色偏紫偏绿的概率。

案例四：增加刘海

保持人物脸型和表情不变， 为这个女孩增加一个法式刘海，刘海长度到眉毛下方， 其余头发保持原来的黑色长卷发， 不要改变耳朵和颈部细节

增加刘海这类操作，最容易出现的问题是“多出一层假发片感”。解决办法是在指令末尾加一句“头发与头皮自然衔接，有真实发际线”。

4.3 表情与微表情编辑

表情编辑比发型更考验提示词的细腻度。如果直接写“让她笑”，模型会给出一个咧嘴笑，甚至露出牙齿，跟原图气质完全脱节。

推荐使用程度词来控制：

• 微笑：淡淡微笑、嘴角微微上扬、眼中带笑意。
• 大笑：爽朗大笑、开心地露出牙齿，眼角弯弯。
• 严肃：表情平静、嘴唇抿紧、眉头微蹙、眼神坚定。
• 悲伤：眼眶微红、眼神低垂、嘴角微微下垂、神情落寞。

给你一组可以直接用的表情编辑模板：

保持该男子的五官、发型、服装和灯光不变， 将他的表情改为严峻而温和的严肃表情， 眉头轻微舒展，嘴唇自然抿紧，目光看向斜前方， 面部肌肉放松，不要有皱纹加深的痕迹

这里“不要有皱纹加深的痕迹”是防老效果。不加的话，模型容易通过给人物增加鱼尾纹和法令纹来表现严肃，结果年龄感暴涨。

另一个眼神方向的案例：

保持这张照片中女孩的所有特征不变， 让她的视线从镜头移向右侧， 眼睛保持睁大，瞳孔有自然高光， 表情保持原来的淡淡微笑， 背景和阴影严格不变

眼神方向修改是表情编辑里最容易被忽略的细节，但往往一点小改变，照片气质就完全不同。

4.4 一致性保持技巧

编辑人像时，最大的痛点是“改完了就不像同一个人”。我整理了几条让脸不变形的经验：

1. 在提示词里写明关键脸部特征，比如“高鼻梁”“双眼皮”“薄嘴唇”，这些特征会锚定模型，减少脸型漂移。
2. 固定随机种子。第一次跑出满意原图后，记下种子，后续编辑都使用同一个种子，一致性会明显提高。
3. 降低重绘幅度。如果工作流里有Denoising Strength（重绘幅度）参数，编辑发型时控制在0.5-0.7，编辑表情控制在0.3-0.5，太高容易面目全非。
4. 不要同时修改太多个区域。一次只改一个点，比如先改发型，确认后再改表情，连续多次小编辑的成功率远高于一次大改。

如果整合包支持参考图输入，可以把原图同时作为“参考图”和“待编辑图”喂给模型，进一步锁住人物特征。但要注意，参考图权重不要拉满，否则编辑指令会被压制，出现“什么都没改”的情况。

5. 老照片修复提示词与工作流

5.1 修复类提示词设计

老照片修复与前面的人像编辑逻辑不同。老照片通常有划痕、噪点、模糊、发黄、面部细节丢失等问题。修复的核心不是“改变”，而是“还原”。

我给Qwen-Image-2.1写修复提示词时，会刻意强调两件事：一是去除瑕疵，二是保留历史感。不建议一上来就写“超高清，8k”，那样容易把老照片修成塑料感十足的现代图，失去年代气息。

一个基础修复提示词模板：

老照片修复，去除划痕和斑点，消除噪点和颗粒， 恢复人物五官的清晰轮廓，皮肤纹理自然， 保持黑白照片的质感和对比度，保留原图的构图与光线方向， 面部表情自然，不要增加皱纹，不要改变人物年龄， 画质增强，边缘清晰但不锐化过度

注意“不要改变人物年龄”是关键的防呆词，不加的话，模型常常把小孩修复成中年人，把中年人修复成年轻人。

5.2 分步修复流程

我推荐把修复拆成四步，而不是一步到位：

第一步：整体去噪。把模糊照片用较低的细节增强度跑一遍，去除大块噪点和划痕。

第二步：面部重绘。这一步可以用ComfyUI的面部修复节点，或者直接用带局部重绘的编辑工作流，提示词聚焦“修复五官轮廓，恢复眼睛神采”。

第三步：决定是否上色。如果原照片是黑白的，可以生成自然淡彩效果；如果是彩色老照片，则重点恢复色彩平衡。

第四步：高清放大。经过前三步后，再用放大模型把分辨率提高两到四倍。

分步的好处是每步参数都可以控制，翻车了也好定位。一次到位经常出现“面部糊成白板”的问题且很难反查。

修复时的参数建议：初始去噪步数25-30，重绘幅度0.5左右；面部重绘重绘幅度0.3-0.4；放大倍数建议2x优先，不够再翻倍。

5.3 实操案例

我拿一张上世纪八十年代的黑白家庭合影做测试。照片里三个人，脸部大概只占图像面积的十分之一，整体模糊，还有大量白色划痕。

第一步提示词：

修复这张黑白老照片，去除所有划痕和白色斑点，消除噪点， 整体画面变干净，人物轮廓保持原样，构图不变， 底片颗粒自然，不过度平滑

这一步跑完后，划痕基本消失，但人脸还是糊。于是进入第二步，用局部重绘功能框选三个人脸区域，提示词：

修复面部区域，恢复眼睛、眉毛、鼻子的清晰轮廓， 保持每张脸的年龄和面貌特征，表情自然，不要改变发型和帽饰， 肤色与黑白照片的灰阶统一，不要变成彩色

重绘幅度设0.35，跑完后面部细节恢复明显，但还是能看出是老照片。

第三步我决定上色，用编辑模式输入：

在保持画面人物和构图完全不变的前提下， 为这张黑白照片添加自然淡彩， 肤色温和，衣服颜色符合年代感，背景色调稳重淡雅， 着色要均匀，不要过于鲜艳

上色后的照片，整体观感好了很多，年代感保留得不错。

第四步高清放大，用2x模式，最终输出一张能冲洗的清晰照片。整个过程耗时十分钟左右，比手动修图快很多。

6. 常见问题与避坑指南

6.1 问题速查表

我把这几天碰到的典型问题整理成了表，方便你直接对号入座。

6.2 实操心得与经验

最后说几条我自己的体会，这些是教程里一般不写的。

中文提示词确实好用，但别全用中文。像“professional photography, high detail, photorealistic”这类画质词，英文更稳定。而描述情绪、发型、服装风格时，中文反而更精准。我现在的习惯是：主体细节和环境用中文，画质词和镜头词用英文，负面词中英混合。

不要贪心用超长提示词。Qwen-Image-2.1对提示词长度是有感知的，超过一定长度后，后面的词经常被忽略。我测试下来，有效长度在200个字符以内时出图最稳。如果需求复杂，拆成两步做，不要一次写完。

老照片修复别指望一次到位。多跑几次，每次只改动一个维度（去噪、上色、放大），效果会远好于一次把所有要求写进去。修复过程中，“克制”是最高原则，过度的修复会让照片失去时代气息。

另外，整合包下载时一定看清楚说明。有些整合包只包含ComfyUI框架，模型需要自己下载；有些整合包内置了工作流但需要额外扩展节点。我建议优先选择带“离线模型”“一键启动”描述的整合包，省心很多。

6.3 后续可以继续玩的方向

这套提示词方案稳定之后，可以继续扩展几个方向。比如用同一组人物模板配合固定种子，生成一系列头像；或者用老照片修复流程批量处理家庭相册；也可以把修复后的照片再丢进图生图，配合上一套模板生成全新风格的肖像。

我目前正在试试用Qwen-Image-2.1做“同一人物的不同年代造型”，思路是先修复一张老照片，再用参考图加提示词编辑，把同一个人的童年照和中年照串起来，效果很有意思。

最后分享一个小技巧：遇到好看的提示词，不要只存图，把提示词、种子、参数一起记录下来。跑图这件事，运气成分不小，但可复现的方案才是你自己的资产。以上这些内容，基本覆盖了我这一周折腾Qwen-Image-2.1人像方向的全部心得，希望能帮你少走弯路。