ERNIE-Image

ERNIE-Image 生成 + Qwen-Image-Edit 编辑：开源双模型混合管线实战

Aug 4, 2026

ERNIE-Image 生成 + Qwen-Image-Edit 编辑：开源双模型混合管线实战

ERNIE-Image 的官方编辑模型从四月等到八月，Beta 一推再推。但社区早就用脚投票给出了答案：生成用 ERNIE-Image，编辑用 Qwen-Image-Edit。前者是文字渲染与版式控制的开源第一，后者是 Arena 图像编辑榜 1241 Elo 的开源第一。两个 Apache 2.0 模型拼在一起，恰好补全了 ERNIE 生态缺失的"生成 + 编辑"闭环。

Qwen-Image-Edit 官方编辑能力总览

为什么是这两个模型的组合

ERNIE-Image 的强项是"从零到一"：海报、漫画、多语言排版、结构化视觉生成，LongText-Bench 0.9733 开源第一。它的短板也明确——官方编辑模型缺席，社区只能靠 img2img + 遮罩变通。

Qwen-Image-Edit 恰好补上这一环。它基于 20B Qwen-Image 打造，Apache 2.0 全开放，输入图像同时喂给 Qwen2.5-VL（视觉语义控制）和 VAE 编码器（视觉外观控制），实现语义编辑与外观编辑双通道。

Qwen-Image-Edit 的核心能力

精确文字编辑：中英双语，直接增删改图中的文字，保留原字体、大小和风格。这是从 Qwen-Image 的文字渲染能力延伸过来的，也是绝大多数编辑模型做不到的。

语义编辑：改内容不动语义——IP 创作、物体旋转、场景替换，改完还是"同一张图"。

外观编辑：风格迁移、元素增删改，属于低层视觉操作。

Qwen-Image-Edit 文字编辑与语义编辑示例

能力 说明 典型场景
文字编辑 中英双语，保留原字体/大小/风格 海报改文案、漫画改对白
语义编辑 保持视觉语义的内容修改 换物体、旋转视角、IP 创作
外观编辑 风格与元素层面操作 风格迁移、背景替换
多图编辑 Edit-2511 支持最多 3 张参考图 多图融合、角色一致性

混合管线设计

整条管线的分工：ERNIE-Image 负责生成底稿，Qwen-Image-Edit 负责精修编辑。

电商海报工作流

  1. ERNIE-Image 生成产品主视觉（文字渲染强，价格/卖点文案一次到位）
  2. Qwen-Image-Edit 修改局部——换背景、改促销文案、调色
  3. 可选二遍精修：img2img 低 denoise 或 SUPIR 放大

漫画工作流

  1. ERNIE-Image 生成分镜底稿
  2. Qwen-Image-Edit 改对白气泡文字（保留原字体风格）
  3. 多图编辑保持角色一致性

品牌物料工作流

  1. ERNIE-Image 生成版式框架
  2. Qwen-Image-Edit 替换 logo、标语、产品图
  3. 语义编辑确保"换完还是同一套设计"

Qwen-Image-Edit 语义编辑示例

ComfyUI 落地配置

两个模型在 ComfyUI 里都有原生工作流。Qwen-Image-Edit 需要三个文件：

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── qwen_image_edit_fp8_e4m3fn.safetensors
│   ├── 📂 text_encoders/
│   │   └── qwen_2.5_vl_7b_fp8_scaled.safetensors
│   ├── 📂 vae/
│   │   └── qwen_image_vae.safetensors
│   └── 📂 loras/
│       └── Qwen-Image-Lightning-4steps-V1.0.safetensors

FP8 量化 + Lightning 4 步 LoRA 后，RTX 4090D（24GB）首代约 55 秒，后续约 34 秒。ERNIE-Image 侧沿用官方 ComfyUI 模板（diffusion model + ministral-3-3b 文本编码器 + flux2-vae）。

代码级调用（Diffusers）

# 生成：ERNIE-Image
from diffusers import ErnieImagePipeline
pipe = ErnieImagePipeline.from_pretrained("baidu/ERNIE-Image", torch_dtype=torch.bfloat16)
image = pipe("促销海报：夏日冰饮，大字号标题'冰爽一夏'", num_inference_steps=50).images[0]

编辑：Qwen-Image-Edit


from diffusers import QwenImageEditPipeline

editor = QwenImageEditPipeline.from_pretrained("Qwen/Qwen-Image-Edit", torch_dtype=torch.bfloat16)

edited = editor(image=image, prompt="把标题文字改成'冰爽特惠'，背景换成海边").images[0]

与闭源编辑方案的对比

维度 ERNIE + Qwen-Edit 混合 GPT Image 2 (1463 Elo) MAI-Image-2.5 (1401 Elo)
许可 Apache 2.0 全开放 闭源 API 闭源 API
文字编辑 ✅ 中英双语 ✅ ✅
本地部署 ✅ 24GB 可跑 ❌ ❌
成本 电费 约 $48/1k imgs 按量计费
可控性 全参数可调 黑盒 黑盒

Qwen-Image-Edit 多图编辑示例

适用场景

  • 电商与广告：生成 + 改文案 + 换背景一条龙，全本地部署
  • 漫画与插画：分镜生成 + 对白编辑，角色一致性靠多图编辑
  • 品牌设计：版式框架 + 元素替换，语义编辑保住设计语言
  • 内容生产：批量生成底稿 + 逐个精修，成本趋近于零

开源世界的解法从来不是等一个全能模型，而是把两个最强的专才拼在一起。ERNIE-Image 负责"生"，Qwen-Image-Edit 负责"改"，中间用 ComfyUI 或 Diffusers 无缝衔接——这是 2026 年 8 月最务实的开源图像工作流。

ERNIE-Image Team