你是不是也有這種經驗：打開 AI 生圖工具，輸入提示詞，然後盯著進度條一格一格爬，等到天荒地老，一張圖才終於生出來。想調個細節？再等一輪。想一次出十張挑一張？那大概可以去泡杯咖啡、追個劇再回來。

上週 HuggingFace 上有一款模型悄悄衝上熱門榜——Qwen-Image-2.1-Turbo，一週內累積 888 個讚、超過 1.5 萬次下載。它的賣點很直白：把生圖速度壓縮到原本的十分之一左右，而且畫質沒有明顯崩壞。今天這篇教學，我就要帶你從零開始，把這套工具裝起來、調好參數、建立一套可以重複使用的批次出圖流程。看完之後，你會有一套自己的「快速出圖工作流」，不再浪費時間在等待上。

先說結論：這篇會分成四個部分——環境安裝、第一次出圖、關鍵參數怎麼調、以及批次出圖的自動化技巧。每一段都有具體指令和數值，你可以照著做。

為什麼 Qwen-Image-2.1-Turbo 值得學？

在講怎麼裝之前，先花一分鐘理解它為什麼快。傳統擴散模型出圖，通常需要 20 到 50 步的「去噪」過程，每一步都在算，所以慢。Turbo 類模型的原理，是用蒸餾技術把這個過程壓縮到 4 到 8 步就能完成，速度自然快好幾倍。

Qwen-Image-2.1-Turbo 特別的地方在於，它保留了 Qwen 系列對中文提示詞的理解力。很多歐美模型對「水墨風格」「廟宇屋簷」「旗袍立領」這類詞彙反應很模糊，但 Qwen 系列因為訓練資料包含大量中文語境，對我們這種用繁體中文下指令的使用者友善很多。這對 HK/TW 的創作者來說，是實實在在的優勢。

另外，這款模型在 ComfyUI 生態圈已經有現成的節點支援，代表你不需要寫程式，用拖拉的方式就能接出一條出圖流水線。下面我就用 ComfyUI 當作主要環境來示範。

第一步：把環境裝起來（15 分鐘）

如果你已經有 ComfyUI，可以直接跳到下一段。沒有的話，跟著做：

步驟一，安裝 Python 與 Git。 到 python.org 下載 Python 3.10 或 3.11（不要用 3.12，部分套件還沒跟上），安裝時記得勾選「Add Python to PATH」。Git 到 git-scm.com 下載安裝即可。

步驟二，下載 ComfyUI。 打開終端機，輸入：

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

步驟三，下載模型檔。 到 HuggingFace 搜尋 Qwen/Qwen-Image-2.1-Turbo，把模型檔放進 ComfyUI/models/checkpoints/ 資料夾。檔案大約 12 到 20 GB，建議用有線網路下載，不然會等到懷疑人生。

步驟四，啟動。 在終端機輸入 python main.py，瀏覽器打開 http://127.0.0.1:8188，看到節點畫布就成功了。

這裡有個小提醒：如果你的顯卡記憶體只有 8GB，出圖時可能會有記憶體不足的狀況。可以在啟動指令後面加上 --lowvram，速度會慢一點，但至少跑得動。

第二步：第一次出圖，參數這樣設

打開 ComfyUI 後，載入官方提供的 Qwen-Image-2.1-Turbo 範例工作流（通常在模型的 Files 分頁可以找到 JSON 檔，直接拖進畫布就會自動接好節點）。

第一次出圖，先把這幾個關鍵數值記下來：

Steps（步數）設 6。 這是 Turbo 模型的核心，設太高反而會過度處理、畫面變糊。設 4 到 8 之間都可以，6 是畫質與速度的甜蜜點。

CFG Scale 設 1.0。 這點非常重要。傳統模型常設 7 到 8，但 Turbo 模型因為是蒸餾出來的，CFG 必須壓到 1.0 到 1.5，設太高畫面會直接爆掉，出現一堆詭異色塊。這是新手最常踩的坑。

Sampler 選 euler 或 dpmpp_sde。 這兩個在 Turbo 模型上表現最穩。Scheduler 選 simple 或 sgm_uniform。

解析度先設 1024×1024。 想生 16:9 就用 1344×768。不要一開始就挑戰 2048，記憶體會吃不消。

提示詞的部分，用中文寫完全沒問題。例如：「黃昏的香港維多利亞港，霓虹燈倒映在海面上，電影感，淺景深，35mm 底片質感」。寫得越具體，出圖越接近你腦中的畫面。

按下 Queue Prompt，正常的話 3 到 8 秒就會出圖。對比傳統模型動輒 30 秒到 1 分鐘，這就是「快十倍」的來源。

第三步：批次出圖，一次生 20 張挑一張

單張出圖快，但真正的效率提升在批次。這裡教你兩個技巧。

技巧一：用 Batch Size 一次生多張。 在 Empty Latent Image 節點裡，把 batch_size 從 1 改成 4 或 8。這樣一次就會吐出 4 到 8 張圖，適合需要挑選的場合。注意，batch size 乘上解析度不能超過顯卡記憶體，8GB 的卡建議 batch size 不要超過 4。

技巧二：用提示詞隊列自動跑。 如果你有 20 個不同的提示詞想測試，不需要手動一個一個輸入。把提示詞寫成文字檔，一行一個，然後用 ComfyUI 的 API 模式搭配簡單的 Python 腳本送出。基本邏輯是讀取文字檔、迴圈送出 prompt、每輪之間 sleep 一秒避免過熱。這樣你早上出門前按下去，中午回來就有 20 張圖可以挑。

這裡提供一個最小可用的腳本骨架：

import json, requests, time

prompts = open("prompts.txt", encoding="utf-8").read().splitlines()
workflow = json.load(open("workflow_api.json", encoding="utf-8"))

for p in prompts:
    workflow["6"]["inputs"]["text"] = p  # 節點編號依你的工作流調整
    requests.post("http://127.0.0.1:8188/prompt", json={"prompt": workflow})
    time.sleep(1)

節點編號每個人接的線不一樣，你可以在 ComfyUI 介面上點節點，看它的 ID 是多少，再對應修改。

第四步：常見問題與調校心法

實際用下來，我整理幾個 HK/TW 使用者最常遇到的狀況。

畫面出現鬼影或重複的手腳？ 通常是步數太低或提示詞太模糊。先把 steps 拉到 8 試試，然後在負面提示詞加上「多餘的手指、變形、模糊」。

中文提示詞沒反應？ 確認你下載的是 Qwen 原版，而不是社群改造版。有些量化版本為了縮小檔案，會犧牲中文理解力。另外，中英混寫有時效果更好，例如「水墨風格 ink wash painting，留白」。

出圖顏色偏灰？ 檢查 CFG 是不是不小心設太高。Turbo 模型對 CFG 極度敏感，1.0 和 2.0 出來的結果天差地遠。

想省電又不想太慢？ 如果你用的是筆電，插電跑會比電池模式快上不少，因為顯卡會降頻。這點很多人忽略。

最後一個心法：不要追求一次到位。 Turbo 模型的價值在於「快速迭代」——先生出草稿，看構圖對不對，再微調提示詞重跑。與其花十分鐘調一個完美提示詞，不如用六秒生一張、生二十張，從中挑最好的再精修。這才是速度優勢真正該被使用的方式。

總結：把等待的時間拿回來

今天我們從安裝、參數設定、批次自動化到調校心法，完整走了一遍 Qwen-Image-2.1-Turbo 的使用流程。記住三個核心數字：steps 設 6、CFG 設 1.0、解析度從 1024 開始。掌握這三點，你就能避開九成新手會踩的坑。

AI 生圖的樂趣，本來就不該被等待消磨掉。當出圖從「一分鐘」變成「六秒」，你會有更多心力去嘗試不同的風格、構圖和創意。這才是工具該帶來的改變。

現在就打開你的電腦，把環境裝起來試一張吧。相信我，第一次看到六秒出圖的那一刻，你會回不去的。

延伸閱讀

常見問題

Q: Qwen-Image-2.1-Turbo 跟 Stable Diffusion 有什麼差別？

A: 最大差別在速度與中文理解力。Turbo 模型用蒸餾技術把去噪步數從 20-50 步壓到 4-8 步，出圖快約十倍；而 Qwen 系列因為訓練資料含大量中文語境，對繁體中文提示詞的理解明顯優於多數歐美模型。

Q: 我的顯卡只有 8GB 記憶體，跑得動嗎？

A: 跑得動，但需要調整。啟動 ComfyUI 時加上 --lowvram 參數，解析度從 1024×1024 開始，batch size 設 1 到 2。速度會比高階卡慢一些，但仍在可接受範圍，不至於完全跑不動。

Q: 為什麼我的圖出現奇怪色塊或爆掉？

A: 九成是 CFG Scale 設太高。Turbo 模型的 CFG 必須壓在 1.0 到 1.5 之間，設到 7 或 8（傳統模型的常見值）畫面就會崩壞。先把 CFG 改回 1.0 再試一次。

Q: 提示詞一定要用英文嗎？

A: 不一定要。Qwen-Image-2.1-Turbo 對繁體中文支援良好，直接用中文描述即可。若效果不理想，可以中英混寫，例如「水墨風格 ink wash painting，留白，宣紙質感」，通常能獲得更精準的結果。

Q: 批次出圖會不會讓電腦過熱？

A: 連續批次出圖確實會讓顯卡長時間滿載。建議每輪之間 sleep 1 秒，並確保機殼散熱良好。筆電使用者建議插電並墊高機身，避免降頻影響速度。