Qwen-Image LoRA训练与蒸馏模型文字效果

作者：@T8star-Aix

这期视频演示了 Qwen-Image 人像 LoRA 的云端训练流程：准备图文配对数据集、新建训练任务、查看采样与导出模型，再用训练结果和蒸馏模型比较人像、文字表现。以下按原视频整理，参数和效果均来自当时的演示环境。

一、先确认显存，再准备训练集（00:42–02:07；03:05–03:09；06:57–07:15）
作者演示的单批次训练约占用34GB显存，因此采用48GB显存的云端环境，并说明本期没有提供本地整合包。这是作者在该镜像与设置下报告的显存占用，不宜理解成所有训练方案都必须采用同样硬件。

在训练界面的数据集页面新建数据集，再上传图片与文本。每张图片对应一个同名文本文件；文本中包含触发词和对图片内容的描述。上传后检查图片与提示词是否正确对应。

二、建立训练任务，注意保存与采样设置（02:07–04:41）
新建训练任务后，选择 Qwen-Image 和刚创建的数据集，填写训练名称与触发词。视频示例按每250步保存一次模型；“最多保留模型数”会影响较早检查点是否被删除，需要保留更多阶段结果时应相应调整。

作者同时讲到批次与梯度累积带来的显存取舍。不熟悉学习率、优化器等设置时，视频建议先沿用示例默认值。采样也以250步为间隔，测试提示词要加入训练时使用的触发词，便于观察人物是否逐渐拟合。

三、查看训练结果，再下载检查点验证（04:41–05:20；06:04–07:16）
启动任务后，可进入详情查看进度，再从输出目录找到采样图和已保留的模型。视频中的一个任务只保留最后两个检查点，较早模型已被删除；下载需要的模型后，可在 ComfyUI 工作流中验证。

作者比较了未加入目标 LoRA 的结果，以及训练至1750步、2500步的结果，认为后者的人物相似度有所改善。他提到本次使用四十多个训练样本、约3000步的目标训练量，录制时尚未跑完3000步；这是一组示例经验，不保证换一套数据也得到相同效果。

四、蒸馏模型更快，但文字效果需要取舍（07:17–08:42）
作者在蒸馏模型工作流中把 CFG 设为1时，观察到生成速度加快，但画面文字明显变差。适当提高 CFG 后，文字表现得到改善，速度收益也随之缩小。视频提到的3.5只是一个示例，并没有要求固定使用该值。

因此，若画面需要清楚的文字，应同时检查速度和文字准确性，而不能只照搬最低CFG。作者也提醒，即使不用蒸馏模型，文字尤其小字仍可能出错；若优先追求蒸馏加速，可以尽量避免让画面承担复杂文字内容。原题的加速倍数不应当作通用性能承诺。

相关资源（来自原视频简介，未验证当前可用性）：
【Qwen-Image训练镜像：https://www.chenyu.cn/console/newShare?uuid=2e12b9eee02742d89c3936ad31627dbe&invitationCode=NGT5S4】
【Qwen Image文生图V1（贞贞LoRA版2500步）：https://www.runninghub.cn/post/1953815517956112386/?utm_source=kol01-RH099】
【Qwen Image Distill蒸馏模型文生图（文字增强版）：https://www.runninghub.cn/post/1953813624924110849/?utm_source=kol01-RH099】
【模型：https://pan.quark.cn/s/d62f79009730】

本文依据原视频完整音频的AI转录整理。具体界面、操作位置及出图对比请结合原视频查看。

补充资料（原帖技术资源）：
节点地图：https://github.com/T8mars/Comfyui-Aix-NodeMap
Wan2.2训练镜像：https://www.chenyu.cn/console/newShare?uuid=7ddb9b7552b54f1f89ec84d1ee04b49d&invitationCode=NGT5S4
晨羽智云Kontext训练镜像(T8版)：https://www.chenyu.cn/console/newShare?uuid=e0fee1b741e543238014e1c87ddcd67a&invitationCode=NGT5S4