实测 Qwen Image 2.1 单提示词生成四视图角色表:44 角色 43 秒,构图仍不过关
HarnessLightnin · reddit · 2026-09-21
一个游戏美术实验室测试能否用 Qwen Image 2.1(7B DiT)的单一 T2I 前向,替代现有「H3 视频转台 + 姿态提取 + 拼接」的多阶段角色参考表流水线。
测试设置
- 单张 RTX 3090(24GB),40 步 Euler/Simple,CFG 5.0,固定种子
- 每张四格合成图约 46.7 秒,峰值显存约 14 GiB
- 批量测试 44 个角色(人类与自动机)
- 提示词策略:固定四象限布局与 1968 年摄影棚风格描述,只变换角色服装/机体;印刷/网点风格完全后处理,不占用扩散模型容量
成功项(44/44)
- 视图位置全部正确:特写左上、正面右上、背面左下、侧面右下,零错位
- 服装轮廓、配色、材质(抛光铬、蚀刻黄铜)在四视图间保持一致,无需参考图
- 单卡约 45 秒出全套,远快于多阶段流水线
失败项(人工终审)
- 部分角色全身比例被压缩成「侏儒化」:头大肢短
- 面板间相机距离漂移:侧视图明显更近,导致人体纵向压缩
- 全身取景越界:同一张里正面完整、背面裁到小腿、侧面裁到大腿中部
结论:提示词版 Qwen Image 2.1 目前无法替代其转台流水线——它能稳定摆好四视图并保持一致性,但纯文本提示无法可靠控制各面板的相机距离与全身取景边界。
「多模态」频道最新
- Recraft 更新矢量生成：曲线更顺滑直线更直，Vectorizer Pro 全员可用 — aziz4ai · 2026-11-12
- Fable 5.2 实测生成细菌鞭毛马达视频,输出质量惊人 — Dr_Singularity · 2026-11-12
- MiniMax H3 Image 对比 MOSS Image：6 步出 16MP 对阵 50 步 2MP — zmarcoz2 · 2026-11-12
- 把 AI 生图当片场用：Intangible Canvas 场景编辑实测 — umesh_ai · 2026-11-12
- 先在 3D 里定机位再生成视频:Mars 场景工作流实操分享 — umesh_ai · 2026-11-12
- 生成前先定机位:Intangible AI Canvas 用 3D 场景预演 AI 视频 — umesh_ai · 2026-11-12