沿著輪廓生成：第一次載入 Qwen Union Control LoRA

先停一下：這一課換了底模

本課使用原始 Qwen-Image 20B，不是第九課的 Qwen-Image-2.1，也不是 Qwen-Image-Edit。請勿把 Union LoRA 直接接到第九課的 2.1 模型。 名稱相近、檔案都是 safetensors，不代表權重相容。

四個模型檔案的下載量合計約 31 GB，這是磁碟容量，不是 VRAM 需求。請另外保留安裝、快取及輸出空間。本站未實測此流程的最低 VRAM、生成速度或你的硬體；不能用檔案大小推算一定跑得動。若目前設備不適合，先完成讀圖與接線檢查即可。

這課新增的是「結構引導」：先從圖片取出邊緣，再用 Union Control LoRA 讓生成過程參考輪廓。LoRA 是對底模的附加權重；它不是完整底模，也不是保證逐像素複製的濾鏡。輪廓約束有助於構圖，但不保證人物身分、衣服細節或每片花瓣完全一致。官方流程說明

驗證邊界： 下面兩張人物圖是 Comfy Org 公開的輸入與示範輸出，已下載原始位元組並解碼查看。其他四張圖是本站原創接線／操作示意，不是 ComfyUI 截圖，也不是本站生成成果。下載包已做靜態連線核對，仍未匯入 ComfyUI GUI、未做 GPU 推論。A／B／C 的好壞由你的實測決定，不能把官方一張示範圖當成我們已跑完三組。

第 0 步：下載練習包，先看這次要學什麼

下載第十三課練習包 ZIP，解壓縮到新的資料夾。模型權重不在包內；先備份你原本的工作流，再開始本課。

• lesson-13-A.json／B.json／C.json：攤平的17節點練習流程，沒有子工作流，也沒有 Lightning 分支
• official-union-control.json：固定版本官方原始 JSON，保留子工作流與選用加速分支，供進階核對
• official-input.png：真正要在 Load Image 裡上傳的輸入圖片
• official-output.png：官方結果範例，只供觀察，不能冒充自己跑出的結果
• observations.csv：三列狀態預填 not_run；實際成功才改 success，失敗填 failed
• README.txt、LICENSE-Comfy-Org.txt、media-sources.json：操作提醒、原始授權、來源及檔案雜湊

上傳圖片，不要拖圖恢復流程： 兩張官方 PNG 都帶有 prompt、workflow 中繼資料。輸入圖內嵌的是較舊流程，包含不同的 Canny 門檻與 LoRA 檔名。這課要先用 Open 開 lesson-13-A.json，再於 Load Image 的上傳按鈕選 official-input.png；不要拖輸入 PNG 到畫布還原它的舊流程。中繼資料分享原理可回看第十二課。

第 1 步：四個模型，各放進對的資料夾

只從以下官方模型頁核對下載，完整檔名請照清單。模型 repo 標示 Apache-2.0；使用前閱讀所連模型頁及授權。模型授權不代表你取得任意人物、品牌或第三方素材的權利。

檔案與官方入口	放在 ComfyUI/models/ 下	檔案頁約略大小
qwen_image_fp8_e4m3fn.safetensors	diffusion_models/	20.4 GB
qwen_2.5_vl_7b_fp8_scaled.safetensors	text_encoders/	9.38 GB
qwen_image_vae.safetensors	vae/	254 MB
qwen_image_union_diffsynth_lora.safetensors	loras/	944 MB

以上使用檔案頁的十進位近似值，不混用模板註解的容量單位。不是下載31 GB後再額外下載一個完整模型包；這四個就是本課主線所需的檔案。若已有完全相同檔名且來源可信的檔案，不必重複下載。不要因為第九課有另一個 Qwen 模型就直接替換。

1. 檔案放好後重新整理模型清單；若仍未出現，儲存工作後重啟 ComfyUI
2. 用 File／Workflow → Open 開 lesson-13-A.json
3. 在 Load Diffusion Model 選底模；Load CLIP 選 encoder，type 保持 qwen_image；Load VAE 選 VAE
4. 在 LoraLoaderModelOnly／Load LoRA (Model Only) 選 Union 檔案，strength_model 保持 1.0。這個節點只接 MODEL，不需要替 CLIP 接第二條 LoRA 線

應該看到： 17個普通功能節點，模型名稱都可在下拉選單選到。本課不用安裝自訂節點，不需登入或付費API。找不到節點先記錄 ComfyUI 與前端版本，核對是否有官方支援；不要直接安裝同名的陌生套件。

第 2 步：上傳原圖，先認識邊緣路徑

1. 在 Load Image 點 choose file to upload／上傳，選 official-input.png
2. 如果伺服器自動改名，在節點下拉選單重新選取剛上傳的檔案。JSON記錄檔名，不會代替你上傳
3. 沿 IMAGE 線找到 ImageScaleToTotalPixels，保留 lanczos、megapixels=1、resolution_steps=1
4. 再找到 Canny／Detect Edges (Canny)，low_threshold=0.26、high_threshold=0.35，第一輪先不改
5. 確認 Canny 一路連 PreviewImage，一路連 VAEEncode.pixels。彩色原圖先轉邊緣，再轉 latent

應該看到： 上傳節點先顯示彩色原圖。PreviewImage 的黑底邊緣圖要等工作流執行到 Canny 才更新；剛載入JSON時可能是空白，這不是失敗。此處先核對線，下一步再執行。

本節點以 1024×1024 總像素作為 1 MP；1 MP 是目標總像素量，不是強制裁成正方形。這張官方圖本身1024×1024，所以維持正方形；換長方形圖時應保留比例。低門檻可能留下更多細小邊緣，過多紋理未必更好。先完成固定門檻的A/B/C，之後才另開一輪只改Canny。

第 3 步：把同一份 latent 接到三個位置

latent 是模型使用的壓縮表示，不是另一張可直接觀看的 PNG。這套 Union 流程不是載入一般 ControlNetLoader；請沿官方設計使用 LoRA 與 ReferenceLatent。

核對 VAEEncode 的 LATENT 輸出同時連到：

1. 正向 ReferenceLatent.latent；它的 conditioning 來自正向 CLIPTextEncode
2. 負向 ReferenceLatent.latent；它的 conditioning 來自負向 CLIPTextEncode
3. KSampler.latent_image

兩個 ReferenceLatent 的輸出再分別接 KSampler.positive 與 negative。VAELoader 同時供應 VAEEncode 和 VAEDecode。不要因為負向文字是空白，就刪掉負向 ReferenceLatent。

第 4 步：跑 A，保存自己的第一張結果

A 保留官方示範的正向長提示詞：白髮人物、黑色花朵、深綠背景與油畫筆觸。負向文字保留空白；第一輪不必重打或翻譯，否則會改變比較條件。先在正向 CLIPTextEncode 節點確認文字，不要把提示詞中的藝術描述誤認成結果保證。

執行前逐項核對：

欄位	本課固定值
Union strength_model	A=1.0
ModelSamplingAuraFlow	shift=3.1，sampling=flow
KSampler seed	884818889788007
control_after_generate	fixed，不是 randomize
steps / cfg	20 / 2.5
sampler_name / scheduler	euler / simple
denoise	1.0
SaveImage filename_prefix	lesson13/A-strength-1

20／2.5從哪來？ 官方JSON內的KSampler部分欄位被輸入線覆蓋：enable_turbo_mode=false 時，Switch 選擇20 steps及CFG2.5。不能只看殘留的4 steps／CFG1 widgets；那是另一個加速分支。本站攤平版直接寫入20／2.5，完全移除Lightning分支，避免多下載加速LoRA。

1. 按 Run／Queue 一次，等目前工作完成，不要連續點很多次
2. 執行到 Canny 後，PreviewImage 應出現輪廓圖；確認有主要人物和花葉輪廓，而不是幾乎全黑或滿版雜線
3. 成功後保存 SaveImage 的PNG，再匯出自己的JSON，命名 my-lesson-13-A.json
4. 填寫 observations.csv 的 A 列：實際輸入檔名、版本、輸出檔名、輪廓與細節觀察。只有成功完成才填 success

固定seed有助於同一環境比較，仍不保證跨硬體、版本或精度逐像素相同。官方PNG使用此seed，也不能據此承諾你的結果必然與官方檔案一致。

第 5 步：只改 LoRA 強度，完成 B 和 C

最簡單的方式是在剛成功的A畫布直接另存兩份。B把 strength_model改0.5，SaveImage前綴改 lesson13/B-strength-0.5；C改 0，前綴 lesson13/C-strength-0。也可以載入包內B/C，再重新確認輸入圖與模型選擇。

前綴只是為了分開檔案；生成設定只改strength_model。保持原圖、提示詞、seed、Canny門檻、尺寸、步數、CFG、denoise相同。三組都使用同一模型版本，不要中途更新環境。

C的正確名稱是「關閉 Union LoRA 的消融對照」：強度0會讓LoRA載入器回傳未套用該LoRA的模型，但兩個ReferenceLatent還在，參考latent也還在。它不是完整移除影像條件的純文字生圖基準，不要用C推論「有圖／沒圖」的差異。

把三張自己的輸出並排，逐項寫下觀察：

• 人物中心、臉部角度、花朵的大位置是否接近輸入？
• 輪廓是否遵循？細節有沒有變得僵硬、碎裂或多出奇怪線條？
• 白髮、黑色衣服和油畫風格是否符合提示詞？
• 更像原圖，是否同時犧牲了你想要的細節？

不預設1最準或0.5最好。三組只比較這張圖與這組設定；不能推廣成所有素材的最佳參數。

常見卡點：先核對哪裡

現象	先檢查
模型名稱選不到	檔案是否下載完整、資料夾是否正確、是否需要刷新或重啟
缺少節點或子圖顯示不正常	主線請開lesson-13-A.json，不是官方子圖版；確認原生節點和版本，不急著裝套件
輸入圖拖入後設定變了	你可能恢復了PNG的舊workflow；重新開A.json，用Load Image按鈕上傳
記憶體不足或執行中斷	停止排隊，保存錯誤與設備紀錄；31GB不是VRAM保證，不硬套未知低VRAM技巧
Canny預覽全黑或太密	先確認輸入；A/B/C主輪保持門檻相同，另存新一輪才調門檻
畫面不跟輪廓	核對Union LoRA檔名與底模、三條latent線，並查看主體輪廓是否清楚
A/B差很多，但seed也不同	把control_after_generate改fixed，回到同一seed重做，不以這組當單變因證據

完成檢查

• 能說明本課原始Qwen-Image與第九課2.1不能任意互換
• 知道約31GB是磁碟下載量，並記錄自己的環境，不聲稱教材驗證過最低硬體
• 核對17個功能節點與三條latent分支；Canny圖是你實際執行後看到的
• 保存自己的A／B／C PNG、JSON、來源圖和觀察表；未執行的列仍填not_run
• 能說明C不是純文字生圖基準，不把官方範例當作自己的成果

選做：主輪完成後，另存一份工作流，只換成你有權使用的物件照片，從頭固定所有設定再比較。不要一口氣同時換照片、提示詞、seed和強度，否則很難知道變化來自哪裡。

來源、授權與查核版本

• Comfy官方Qwen教學：原生Union Control LoRA流程與官方示範
• 官方固定版本JSON：完整保存於練習包；本站修改為攤平、固定seed、移除加速分支的A／B／C
• 原始素材目錄：input與output中的對應PNG，保留原始bytes與中繼資料，未改像素
• MIT授權：保留Comfy Org著作權與授權聲明；模型權重另依模型頁授權，並未打包
• 核心nodes.py、ReferenceLatent、Canny：核對欄位、LoRA零強度及參考條件行為
• 下載包來源與雜湊清單：官方原圖、JSON與本站原創教學圖的來源記錄

本課是文件、原始碼、素材與工作流結構查核，不是已完成GPU實跑的效能或畫質評測。