如何在 ComfyUI 中 3 步换装 texture-fix-vae-for-qwen-image-2.1新手零门槛完整教程Texture-Fix-VAE-for-Qwen-Image-2.1 是基于 Qwen-Image-2.1 官方 VAE 微调而来的「纹理修复版」VAE 权重能显著减少出图中的棋盘格伪影checkerboard artifacts并彻底解决 fp16 精度下解码出现 NaN 坏点的问题。本文带你用3 步在 ComfyUI 中完成 VAE 换装全程无需写代码新手也能零门槛上手。 换装前先了解它修复了什么问题这个 VAE 与官方 Qwen-Image-2.1 的 VAE 接口完全一致属于即插即用的替换款主要解决了两个痛点问题官方 VAEtexture-fix-vae-for-qwen-image-2.1棋盘格伪影细节区域容易出现通过对抗损失GAN loss微调纹理更干净fp16 下解码 NaN大面积紫红色坏点75/185 测试样本触发0个触发激活幅值从 ~3.5M 压到 ~1.3k它的感知质量指标 rFID 从 3.38 提升到2.07肉眼观感更接近「真实照片」。 第 1 步下载权重文件到 ComfyUI 目录只需下载一个文件texture_fix_vae_for_qwen_image_2.1_bf16.safetensorsbf16 精度把它放到ComfyUI/models/vae/ 提示如果 ComfyUI 的模型管理器支持远程仓库也可以直接从本仓库拉取该文件无需手动复制。 第 2 步在 Load VAE 节点中替换官方 VAE打开你的 Qwen-Image-2.1 工作流找到Load VAE节点下拉列表中选择texture_fix_vae_for_qwen_image_2.1_bf16.safetensors它原本连着的qwen_image_2.1_vae_bf16.safetensors不再需要选择。其余节点KSampler、VAEDecode、VAEEncode 等完全不用改这就是「换装」的全部操作。 第 3 步运行出图并验收效果直接排队运行工作流即可。如果你是fp16 用户启动 ComfyUI 时加上参数python main.py --fp16-vae换装后该参数可以安全开启不会再出现紫红色 NaN 坏点。下面这张图就是 fp16 场景下修复前后的直观对比紫红色区域 NaN 像素 效果对比纹理修复前后肉眼可见同一张山地野花照片的 latent来自 pnw_meadow_stream_2048.latent.pt分别用两个 VAE 解码后放大。左侧为官方 VAE右侧为 texture-fix 版本官方 VAE 解码花卉局部texture-fix VAE 解码花卉局部官方 VAE 解码岩石局部texture-fix VAE 解码岩石局部放大越明显官方版的岩石表面布满颗粒状的棋盘格换装后纹理平滑且细节依旧锐利。 客观指标COCO / DIV2K 测试集指标官方 VAE (bf16)texture-fix (bf16)texture-fix (fp16)rFID ↓3.382.072.06PSNR ↑33.2932.7332.79LPIPS ↓0.03570.03840.0380简单理解感知质量rFID明显变好像素级重建精度PSNR/LPIPS略降但几乎无感——这正是对抗损失微调的取舍方向也更符合人眼观感。❓ 常见问题 FAQQ1换装后显存/速度会变吗不会。模型结构与官方 VAE 完全一致可参考 config.json只是权重被微调过显存占用和速度基本不变。Q2能用在 LoRA 训练 / 图生图VAEEncode吗可以。Encoder 同步做了权重缩放编码路径同样可用工作流中凡是需要 VAE 的节点都可以直接指向它。Q3出图风格和原来一样吗一样。它不改变模型「画什么」只改善「怎么解码」所以出图风格、构图完全一致只是纹理更干净。Q4想自己复现 fp16 NaN 对比实验仓库提供了可视化脚本 fp16_demo.py运行它即可复现 README 中的紫红色坏点对比图。Q5可以商用吗注意查看 LICENSE本项目基于 Qwen-Image-2.1遵循 Qwen RESEARCH LICENSE仅限非商业/研究用途。 仓库文件速查文件说明texture_fix_vae_for_qwen_image_2.1_bf16.safetensorsComfyUI 直接使用的 bf16 权重diffusion_pytorch_model.safetensorsDiffusers 格式的权重config.jsonVAE 结构配置64 通道 latent、16x 空间下采样fp16_demo.pyfp16 NaN 对比复现脚本README.md完整项目说明与指标详情 到这里就完成了下载 → 换 Load VAE → 出图3 步搞定。现在你 ComfyUI 里生成的 Qwen-Image-2.1 图片将拥有更干净的纹理和更稳定的 fp16 解码。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/11/3 10:29:31 · 阅读 1.2k 如何在 ComfyUI 中 3 步换装 texture-fix-vae-for-qwen-image-2.1：新手零门槛完整教程
如何在 ComfyUI 中 3 步换装 texture-fix-vae-for-qwen-image-2.1新手零门槛完整教程Texture-Fix-VAE-for-Qwen-Image-2.1 是基于 Qwen-Image-2.1 官方 VAE 微调而来的「纹理修复版」VAE 权重能显著减少出图中的棋盘格伪影checkerboard artifacts并彻底解决 fp16 精度下解码出现 NaN 坏点的问题。本文带你用3 步在 ComfyUI 中完成 VAE 换装全程无需写代码新手也能零门槛上手。 换装前先了解它修复了什么问题这个 VAE 与官方 Qwen-Image-2.1 的 VAE 接口完全一致属于即插即用的替换款主要解决了两个痛点问题官方 VAEtexture-fix-vae-for-qwen-image-2.1棋盘格伪影细节区域容易出现通过对抗损失GAN loss微调纹理更干净fp16 下解码 NaN大面积紫红色坏点75/185 测试样本触发0个触发激活幅值从 ~3.5M 压到 ~1.3k它的感知质量指标 rFID 从 3.38 提升到2.07肉眼观感更接近「真实照片」。 第 1 步下载权重文件到 ComfyUI 目录只需下载一个文件texture_fix_vae_for_qwen_image_2.1_bf16.safetensorsbf16 精度把它放到ComfyUI/models/vae/ 提示如果 ComfyUI 的模型管理器支持远程仓库也可以直接从本仓库拉取该文件无需手动复制。 第 2 步在 Load VAE 节点中替换官方 VAE打开你的 Qwen-Image-2.1 工作流找到Load VAE节点下拉列表中选择texture_fix_vae_for_qwen_image_2.1_bf16.safetensors它原本连着的qwen_image_2.1_vae_bf16.safetensors不再需要选择。其余节点KSampler、VAEDecode、VAEEncode 等完全不用改这就是「换装」的全部操作。 第 3 步运行出图并验收效果直接排队运行工作流即可。如果你是fp16 用户启动 ComfyUI 时加上参数python main.py --fp16-vae换装后该参数可以安全开启不会再出现紫红色 NaN 坏点。下面这张图就是 fp16 场景下修复前后的直观对比紫红色区域 NaN 像素 效果对比纹理修复前后肉眼可见同一张山地野花照片的 latent来自 pnw_meadow_stream_2048.latent.pt分别用两个 VAE 解码后放大。左侧为官方 VAE右侧为 texture-fix 版本官方 VAE 解码花卉局部texture-fix VAE 解码花卉局部官方 VAE 解码岩石局部texture-fix VAE 解码岩石局部放大越明显官方版的岩石表面布满颗粒状的棋盘格换装后纹理平滑且细节依旧锐利。 客观指标COCO / DIV2K 测试集指标官方 VAE (bf16)texture-fix (bf16)texture-fix (fp16)rFID ↓3.382.072.06PSNR ↑33.2932.7332.79LPIPS ↓0.03570.03840.0380简单理解感知质量rFID明显变好像素级重建精度PSNR/LPIPS略降但几乎无感——这正是对抗损失微调的取舍方向也更符合人眼观感。❓ 常见问题 FAQQ1换装后显存/速度会变吗不会。模型结构与官方 VAE 完全一致可参考 config.json只是权重被微调过显存占用和速度基本不变。Q2能用在 LoRA 训练 / 图生图VAEEncode吗可以。Encoder 同步做了权重缩放编码路径同样可用工作流中凡是需要 VAE 的节点都可以直接指向它。Q3出图风格和原来一样吗一样。它不改变模型「画什么」只改善「怎么解码」所以出图风格、构图完全一致只是纹理更干净。Q4想自己复现 fp16 NaN 对比实验仓库提供了可视化脚本 fp16_demo.py运行它即可复现 README 中的紫红色坏点对比图。Q5可以商用吗注意查看 LICENSE本项目基于 Qwen-Image-2.1遵循 Qwen RESEARCH LICENSE仅限非商业/研究用途。 仓库文件速查文件说明texture_fix_vae_for_qwen_image_2.1_bf16.safetensorsComfyUI 直接使用的 bf16 权重diffusion_pytorch_model.safetensorsDiffusers 格式的权重config.jsonVAE 结构配置64 通道 latent、16x 空间下采样fp16_demo.pyfp16 NaN 对比复现脚本README.md完整项目说明与指标详情 到这里就完成了下载 → 换 Load VAE → 出图3 步搞定。现在你 ComfyUI 里生成的 Qwen-Image-2.1 图片将拥有更干净的纹理和更稳定的 fp16 解码。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考