简介：本资源面向使用 ComfyUI 进行 AI 绘画与图像编辑的进阶用户，聚焦 QwenImageEdit 与 Z-Image 组合下的面部融合图生图工作流，帮助解决人像换脸、面部特征迁移与风格融合中的参数配置问题。压缩包内共 1 个文件，为 json 格式的工作流配置文件，整体约 9KB，可直接导入 ComfyUI 加载节点与参数，省去手动搭建复杂节点链的时间。该资源已有 244 人学习下载，适合希望快速复现面部融合效果、研究图生图节点编排的创作者参考。通过这份配置，读者可以直观了解 QwenImageEdit 与 Z-Image 在面部融合任务中的衔接方式、关键参数取值与节点连接逻辑，并在此基础上替换素材、调整权重以适配自己的项目需求，提升工作流搭建与调试效率。
1. 面部融合图生图：ComfyUI 里把 QwenImageEdit 和 Z-Image 串起来到底在做什么
手里有一张人物正脸照，想把它换到另一张图的姿势、光影、场景里，同时脸还是同一个人——这是图生图里最刚需也最容易翻车的一类活。ComfyUI 做这件事的常规思路是「参考图 + 提示词 + 重绘幅度」，但纯靠提示词约束身份，脸十有八九会漂。QwenImageEdit 负责按指令改图，Z-Image 负责把面部特征锁住再融合，两者在 ComfyUI 里串成一条工作流，就是标题说的「面部融合图生图」。它解决的是身份保持和场景重绘同时成立的问题，适合已经装好 ComfyUI、想把手里的角色图稳定复用到新场景的人。下面按「先搞懂两个模型各干什么 → 搭出可跑的工作流 → 参数怎么调 → 哪里会翻车」的顺序讲透。
2. QwenImageEdit 与 Z-Image 在面部融合里的分工：谁改图，谁锁脸
2.1 两个模型的能力边界先划清楚
QwenImageEdit 是指令式图像编辑模型，你给它一张图加一句「把人物放到雨夜街头，侧身回头」，它按语义重绘，擅长构图、姿态、光照、背景的整体改写。它的短板恰恰在身份：指令越复杂，模型越倾向于「画一个合理的人」，而不是「画原来那个人」。Z-Image 这类面部特征模型干的是另一件事——从参考脸里提取身份向量（常见做法是 ArcFace 系的人脸 embedding，也有用 CLIP 视觉分支做全局特征对齐的），在生成过程中把这个向量作为条件注入，让每一帧去噪都往「这张脸」上靠。
所以分工是明确的：QwenImageEdit 管「变成什么样」，Z-Image 管「还是谁」。把两者简单叠加会打架——编辑模型想大改，身份模型想不动，融合层就是调和这两股力的地方。常见做法是在编辑模型的 cross-attention 里插入身份条件的适配层，或者用 IP-Adapter 式的图像提示分支，把 Z-Image 提取的特征作为额外 conditioning 喂进去，而不是替换原有的文本条件。
2.2 为什么不能只用其中一个
只用 QwenImageEdit：改场景很顺，但脸会随重绘幅度漂移。denoise 设 0.5 以上，五官轮廓就开始变；设 0.3 以下，场景又改不动，等于没编辑。这个矛盾靠调参解决不了，因为模型本身没有身份约束项。
只用 Z-Image 类面部模型：脸是锁住了，但它不负责理解「雨夜街头侧身回头」这种复杂指令，生成结果往往还是原图的构图，换不动场景。
两者串起来，本质是把「编辑强度」和「身份强度」拆成两个独立可调的维度。这是这条工作流值得搭的根本原因——不是模型更强，而是控制维度变多了。
2.3 在 ComfyUI 里搭出最小可跑工作流
下面是一个能跑通的最小节点结构，用伪代码式的 Python 描述节点连接逻辑，实际在 ComfyUI 里对应的是 Load Checkpoint、CLIP Text Encode、QwenImageEdit 节点、Z-Image 特征提取节点、融合 conditioning 节点、KSampler、VAE Decode。
# ComfyUI 工作流节点连接逻辑（对应界面里的连线） workflow = { "load_image": "参考图.png", # 要保留身份的那张脸 "load_checkpoint": "qwen_image_edit.safetensors", "z_image_encoder": { "input": "load_image", "output": "face_embedding" # 身份向量，维度常见 512 }, "clip_text_encode": { "positive": "雨夜街头，人物侧身回头，霓虹反光，电影感", "negative": "模糊，多手多脚，脸崩，塑料感" }, "qwen_edit_node": { "image": "load_image", "prompt": "clip_text_encode.positive", "denoise": 0.55 # 编辑强度，先给中间值 }, "fusion_conditioning": { "edit_cond": "qwen_edit_node.cond", "face_cond": "z_image_encoder.face_embedding", "weight": 0.75 # 身份权重，越高越像原脸 }, "ksampler": { "model": "load_checkpoint", "positive": "fusion_conditioning", "negative": "clip_text_encode.negative", "steps": 28, "cfg": 6.5, "sampler": "dpmpp_2m", "scheduler": "karras", "seed": 12345 }, "vae_decode": "ksampler.latent" }逻辑说明：参考图同时喂给 Z-Image 编码器和 QwenImageEdit 节点，前者出身份向量，后者出编辑后的条件。fusion_conditioning 把两路条件合并，weight 控制身份约束的强度。KSampler 用合并后的条件去噪，最后解码出图。
参数说明：denoise 0.55 是编辑强度和身份保持的折中点，先从这里试；weight 0.75 是身份权重，脸不像就往上加，场景改不动就往下减；steps 28 和 cfg 6.5 是 QwenImageEdit 类模型的常用区间，cfg 超过 8 容易过饱和，脸会发硬。
提示：第一次跑先把 denoise 设 0.4、weight 设 0.8，出一张「几乎没改但脸很稳」的图，确认身份链路通了，再逐步加 denoise 去改场景。
3. 面部融合的关键参数：denoise、身份权重、CFG 怎么配
3.1 denoise 决定改多少，不是越高越好
denoise 在 img2img 里控制加噪步数占比，0 是原图不动，1 是纯噪声重画。面部融合场景下，这个值直接决定「场景改动力度」和「脸漂移风险」的平衡。实测区间是 0.45 到 0.65：低于 0.45，背景和姿态基本改不动，等于白跑；高于 0.65，即使有身份约束，五官细节也会开始糊，尤其是眼睛和嘴角。
不同编辑目标对应不同起点：只换背景和光照，0.45 到 0.5 够用；换姿势和构图，0.55 到 0.6；换服装加场景大改，0.6 到 0.65，同时把身份权重提到 0.85 以上补偿。超过 0.7 基本要靠多轮迭代，单次很难同时保住脸和场景。
3.2 身份权重和 CFG 的联动关系
身份权重（fusion 节点的 weight）和 CFG 不是独立的。CFG 放大的是文本条件的影响力，身份权重放大的是面部条件的影响力，两者都在抢去噪方向的主导权。CFG 设太高（8 以上），文本条件压过身份条件，脸就漂；身份权重设太高（0.9 以上），面部条件压过文本，场景改不动，出图接近原图。
常用配比是 CFG 6 到 7、身份权重 0.7 到 0.8。如果发现脸像但场景死板，先降身份权重到 0.65 再试，而不是动 CFG；如果场景对了但脸不像，先加身份权重到 0.85，CFG 保持不动。一次只调一个变量，否则你分不清是哪个参数起的作用。
3.3 采样器和步数的选择
QwenImageEdit 这类编辑模型对采样器不敏感，dpmpp_2m + karras 是稳妥组合，步数 25 到 30 足够。步数堆到 40 以上收益很小，反而增加身份漂移的累积风险——每一步去噪都在微调，步数越多，身份条件被稀释的机会越多。
如果出图有噪点或结构不稳，先检查 VAE 是否匹配，而不是加步数。QwenImageEdit 用配套 VAE，混用其他 VAE 会出现颜色偏移和细节丢失，这是常见的翻车点。
# 参数扫描：固定其他变量，只动 denoise 看身份保持度 for denoise in [0.45, 0.50, 0.55, 0.60, 0.65]: result = run_workflow( denoise=denoise, face_weight=0.75, # 固定身份权重 cfg=6.5, # 固定 CFG steps=28, seed=12345 # 固定种子，保证可比 ) save(result, f"denoise_{denoise}.png")逻辑说明：固定种子和其他参数，只变 denoise，横向对比五张图，能直观看出身份保持和场景改动的平衡点在哪。参数说明：种子固定是关键，否则每张图随机性不同，没法判断是 denoise 的影响还是噪声的影响。
注意：扫描参数时一次只动一个，同时动 denoise 和 weight，出图变好你也不知道该保留哪个值。
4. 避坑与排查：面部融合工作流最常见的五个翻车点
4.1 脸完全不像，出图是另一个人
现象：场景改对了，但脸和参考图对不上，五官比例、脸型都变了。
原因：身份条件没生效，或者被文本条件压过。常见于 Z-Image 编码器没正确加载、face_embedding 维度不匹配、fusion 节点 weight 设太低（低于 0.5），或者 CFG 设太高（8 以上）导致文本主导。
解决：先确认 Z-Image 节点输出非空，打印 embedding 维度看是否和 fusion 节点期望一致。然后把 weight 提到 0.8，CFG 降到 6，重跑。如果还不行，检查参考图人脸是否太小或角度太偏——Z-Image 类模型对侧脸、遮挡、小脸的提取质量会明显下降，换一张正脸清晰的参考图。
4.2 场景改不动，出图接近原图
现象：denoise 设了 0.6，但背景、姿势几乎没变，像只做了轻微调色。
原因：身份权重过高（0.9 以上），面部条件压过了编辑条件；或者 QwenImageEdit 节点的 prompt 没生效，文本条件为空或权重被覆盖。
解决：把身份权重降到 0.65，确认 prompt 正确连到编辑节点。如果用的是负面提示词，检查是否误把正面描述写进了 negative。还有一种情况是参考图和目标场景差异太大，模型倾向于保守重绘，这时需要提高 denoise 到 0.65 并接受多跑几轮。
4.3 出图有重影或面部错位
现象：脸上出现两层五官，或者眼睛、嘴巴位置偏移，像没对齐的合成图。
原因：融合层把编辑条件和身份条件简单相加，没有做空间对齐。QwenImageEdit 改了姿态后，原图人脸位置和新构图对不上，身份条件还按原位置注入，就出现错位。
解决：在 fusion 前加一个人脸对齐步骤，常见做法是用人脸关键点检测把参考脸对齐到目标构图的预期位置，再提取身份特征。或者降低 denoise 到 0.5 以下，减少姿态改动幅度，让位置偏移在可控范围。
4.4 颜色偏移、整体发灰或过饱和
现象：出图颜色和参考图、提示词描述都不符，偏灰、偏黄或过饱和。
原因：VAE 不匹配是最常见的。QwenImageEdit 用配套 VAE，混用 SD 系 VAE 会出颜色问题。其次是 CFG 过高导致过饱和，脸发硬。
解决：确认 VAE 文件名和模型配套，不混用。CFG 降到 6 到 7 区间。如果还偏，检查参考图是否本身偏色，Z-Image 提取的特征会带上原图色调，必要时先对参考图做白平衡校正。
4.5 显存爆了，工作流跑到一半中断
现象：KSampler 跑到一半报 OOM，或者出图分辨率上不去。
原因：QwenImageEdit 加 Z-Image 双模型同时驻留显存，加上高分辨率 latent，显存占用比单模型高不少。常见于 8G 以下显存跑 1024 以上分辨率。
解决：先降分辨率到 768 跑通，再用放大节点分步上采样。开启 ComfyUI 的显存优化选项，或者用 fp8 量化版本的模型。如果还紧张，把 Z-Image 编码放到 CPU 上跑，只把 embedding 传回 GPU，牺牲一点速度换显存。
5. 让面部融合更稳的两个进阶技巧：分步去噪和身份特征缓存
分步去噪是我踩过几次坑之后固定下来的做法。单次 denoise 0.6 跑完，脸和场景总有一个不到位。改成两段：第一段 denoise 0.35、身份权重 0.85，先把场景骨架改出来，脸保持住；第二段拿第一段的输出当输入，denoise 0.3、身份权重 0.7，细化场景细节，同时让脸稍微适应新光照。两段加起来改动幅度够，但每段的身份漂移都控制在很小范围，累积误差比单次大改低得多。
# 两段式去噪：先改结构，再细化 stage1 = run_workflow( input_image="参考图.png", denoise=0.35, face_weight=0.85, cfg=6.5, steps=20 ) stage2 = run_workflow( input_image=stage1, # 第一段输出作为第二段输入 denoise=0.30, face_weight=0.70, cfg=6.0, steps=20 ) save(stage2, "final.png")逻辑说明：第一段低 denoise 保证身份，第二段继续低 denoise 做细节，两段都靠身份条件兜底。参数说明：两段 denoise 之和不必等于单段值，因为第二段是在第一段结果上继续改，实际改动幅度是叠加的，但每段的身份约束都在起作用。
身份特征缓存是另一个省时间的手段。同一张参考脸要跑多个场景时，Z-Image 提取的 embedding 是固定的，没必要每次重算。把 embedding 存成文件，后续工作流直接加载，省掉编码时间，也避免每次提取的微小随机性导致脸有细微差异。
| 技巧 | 适用场景 | 代价 |
|---|---|---|
| 两段式去噪 | 场景改动大、单次脸必漂 | 耗时翻倍，需调两段参数 |
| 身份特征缓存 | 同一张脸跑多个场景 | 换脸需重新提取，缓存失效 |
| 人脸对齐预处理 | 参考图侧脸或姿态差异大 | 多一个检测节点，增加复杂度 |
| fp8 量化模型 | 显存紧张 | 细节略降，脸可能稍糊 |
我现在的习惯是：拿到新参考图先跑一张 denoise 0.3 的确认身份链路，再上两段式改场景，embedding 存下来复用。这套流程不保证一次出图，但能把「脸不像」和「场景改不动」这两个问题分开定位，调参有方向。希望帮到你。
本文还有配套的精品资源，点击获取
