实测Qwen-Image-2512的lineart控制能力，细节拉满

这是一次专注而克制的实测——不谈参数、不讲架构、不堆术语，只用一张手绘草图、一段提示词、三次不同ControlNet方案的对比生成，看Qwen-Image-2512在lineart（线稿）控制上的真实表现：线条是否干净？结构是否严谨？细节是否可控？边缘是否锐利？有没有“画蛇添足”或“该有没得”的尴尬时刻？

我们用最贴近日常创作的方式测试：一张随手画的建筑速写（含门窗结构、屋檐转折、栏杆疏密），作为唯一控制图；统一使用“a detailed architectural sketch in clean line art style, ink on paper, high contrast”作为提示词；所有生成均在Qwen-Image-2512-ComfyUI镜像中完成，4090D单卡，未调优、未重采样、未后期PS——所见即所得。

结果令人意外：它不是“又一个能跑lineart的模型”，而是目前在ComfyUI生态中，对原始手绘线条意图理解最忠实、结构还原最克制、细节保留最完整的Qwen-Image控制方案。尤其在线条密度变化、转折处加粗处理、负空间留白等“老画师才懂的细节”上，表现出罕见的语义级响应能力。

下面，带你逐帧拆解三套主流lineart控制方案的实际效果差异。

1. DiffSynth-Studio线稿Patch：精准但略显“教条”

Qwen-Image-DiffSynth-ControlNets中的qwen_image_lineart_diffsynth_controlnet是首个专为lineart设计的Model Patch。它不走常规ControlNet路径，而是直接修改模型内部注意力机制，让Qwen-Image在推理时“主动关注线条结构”。

1.1 安装与工作流精简版

模型下载地址：Hugging Face - model_patches/lineart
放置路径：/root/ComfyUI/models/model_patches/
工作流关键节点（仅lineart相关）：
- LineArtPreprocessor（来自Aux节点包，推荐使用，比传统lineart预处理器更保边缘）
- ModelPatchLoader→ 加载qwen_image_lineart_diffsynth_controlnet.safetensors
- QwenImageDiffsynthControlnet→ 接入预处理图与patch模型

注意：此方案不需要额外加载ControlNet模型文件，也不占用controlnet文件夹空间。Patch本质是“给Qwen-Image打补丁”，轻量且高效。

1.2 实测效果：结构稳，细节准，但“呼吸感”稍弱

输入是一张A5大小的手绘小楼速写，含6扇窗、3处屋檐叠压、2段镂空栏杆。生成图分辨率为1024×1024，CFG=7，采样步数30。

优点突出：
- 所有门窗轮廓100%复现，无错位、无合并、无漏画；
- 屋檐转折处线条自然加粗，符合手绘透视逻辑；
- 栏杆间距严格对应原图疏密，连最细的竖杆都完整保留；
- 背景留白干净，无多余噪点或伪影。
可感知局限：
- 线条粗细全局偏均一，缺乏手绘中“起笔重、收笔轻”的节奏变化；
- 对铅笔稿中轻微擦痕或辅助线，会误判为有效结构并强化输出；
- 当原图某处线条过淡（如远景屋脊），生成结果会“自动补全”而非弱化——属于过度忠实，而非智能取舍。

一句话总结：它像一位刚通过一级建筑师考试的助手——图纸绝对规范，但还没学会“留白”和“透气”。

2. DiffSynth-Studio LineArt LoRA：灵活多变，细节可调

Qwen_Image_union_diffsynth_lora是同一团队推出的LoRA方案，支持lineart、canny、softedge等7种控制模式。它不修改模型本体，而是以低秩适配方式注入控制能力，因此更易切换、更易微调。

2.1 安装与工作流适配要点

模型下载地址：Hugging Face - loras/lineart
放置路径：/root/ComfyUI/models/loras/
工作流核心改动：
- 保留基础Qwen-Image工作流；
- 在CLIPTextEncode后插入LoraLoader节点，加载qwen_image_union_diffsynth_lora.safetensors；
- 将LoRA权重设为0.8（实测0.6–0.9区间最稳，过高易生硬，过低控不住）；
- 预处理仍用LineArtPreprocessor，但可尝试开启detect resolution自适应调节。

提示：此LoRA本质是“通用结构理解器”，lineart只是其能力之一。它对线条的响应更偏向“语义理解”——比如识别出“这是窗框”，而非单纯描边。

2.2 实测效果：有“人味”，细节可塑性强

同样输入那张小楼速写，其余设置不变：

显著提升：
- 线条呈现明显粗细层次：窗框外沿粗、内分割线细、阴影交界线略虚——接近专业墨线稿；
- 对原图中两处故意画断的屋檐线，生成图也做了“意到笔不到”的断开处理，而非强行连通；
- 镂空栏杆的负空间（即空隙部分）被准确识别为“需保留空白”，未填色、未加噪。
需注意的边界：
- 当LoRA权重>0.9时，开始出现轻微“结构幻觉”：在原图空白墙面上生成不存在的砖缝纹理；
- 对极细线条（如0.1mm铅笔勾勒的瓦片纹），响应率约70%，不如Patch方案稳定；
- 启动速度略慢于Patch（LoRA需动态注入，Patch已固化）。

一句话总结：它像一位有五年经验的插画师助理——知道哪里该强调、哪里该放松，还能听懂你一句“再细一点”的口头指令。

3. InstantX LineArt ControlNet：开箱即用，平衡之选

InstantX发布的Qwen-Image-ControlNet-Union是目前最“ComfyUI原生”的方案。它是一个独立ControlNet模型，支持canny/lineart/depth/openpose四合一，安装即用，无需Patch或LoRA加载逻辑。

3.1 安装与工作流标准化配置

模型下载地址：Hugging Face - InstantX/Qwen-Image-ControlNet-Union
放置路径：/root/ComfyUI/models/controlnet/
工作流标准节点链：
- LineArtPreprocessor→ 输出预处理图；
- ControlNetLoader→ 加载Qwen-Image-ControlNet-Union.safetensors；
- ControlNetApply→ 连接预处理图、ControlNet模型、采样器；
- 关键参数：strength=0.75（实测0.6–0.85最佳），start_percent=0.0，end_percent=1.0

注：此模型内置了针对Qwen-Image的适配头，无需额外调整CLIP或VAE节点。

3.2 实测效果：稳、快、准，细节取舍更合理

输入图同前，生成设置完全一致：

综合表现最均衡：
- 窗户数量、位置、比例100%还原；
- 屋檐叠压关系清晰，无Z-fighting式重叠错误；
- 栏杆竖杆根数与原图一致，且每根粗细随视角自然衰减；
- 对原图中一处模糊的阴影线，生成图做了适度弱化而非强化——这是“理解意图”而非“复制像素”的标志。
细微差异点：
- 线条锐度略低于DiffSynth Patch，但观感更柔和，适合出版级线稿；
- 处理复杂交叉线（如窗棂+雨棚支架）时，偶有1–2处轻微粘连（可通过提高detect resolution缓解）；
- 生成速度最快（单图平均2.1秒），对显存压力最小。

一句话总结：它像一台校准完美的专业绘图仪——不抢风头，不掉链子，交稿永远准时、准确、可用。

4. 三方案横向对比：一张表看懂怎么选

维度	DiffSynth LineArt Patch	DiffSynth LineArt LoRA	InstantX LineArt ControlNet
安装复杂度	中（需放model_patches，改工作流）	低（放loras，加1个节点）	极低（放controlnet，标准ControlNet流程）
控制精度	★★★★☆（像素级忠实，但少弹性）	★★★★☆（语义级理解，可调权重）	★★★★（结构级准确，天然抗噪）
细节表现力	线条硬朗、密度高、转折锐利	粗细有致、有呼吸感、可塑性强	均衡柔和、负空间处理好、观感舒适
容错能力	对淡线/断线敏感，易过补	对模糊线响应中等，权重可调	对各类线稿鲁棒性最强，适合新手
适用场景	技术图纸、工程草图、需100%结构还原	插画线稿、概念设计、需艺术表达	出版线稿、教学图解、批量生产