一、前言

最近在 HuggingFace 上看到一个挺有意思的 LoRA：ausboss/Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA (opens new window)。它干的事情很简单，给 Qwen Image 2.1 一张人物照和一张衣服图，让人物穿上这件衣服。

你可能会说，Qwen Image 2.1 本身就能换装啊，要这个 LoRA 干嘛？问题就出在「换完之后」：

• 整张图会悄悄挪几个像素，和原图对不齐
• 脸会被重画一遍，有时连人都不太像了
• 背景的招牌、灯光也会被顺手改掉

这个 LoRA 解决的就是这些，只换衣服，别的尽量不动。

想在 Draw Things 里用上它，我踩了几个点：

1. 它只是个补丁：LoRA 必须挂在对应的底模上，这里要先有 Qwen Image 2.1
2. 直连下载慢：在我这边直连 HuggingFace 只有 1.43 MiB/s
3. 仓库里东西多：三个训练步数的权重，加上配图和演示视频一共 463 MiB，而实际只需要其中一个 152 MiB 的文件

所以这篇就从安装开始，用我自己写的 Silo (opens new window) 把这个 LoRA 装进 Draw Things，再用同一个提示词、同一个种子，分别生成加与不加 LoRA 的结果，看看差别到底有多大。

先看看最终效果，左边是原图，中间是不加 LoRA，右边是加了 LoRA：

二、安装

1、底模

底模直接在 Draw Things 里下载就好，在模型列表里搜 Qwen Image 2.1，用官方提供的版本。它会把配套的文本编码器（Qwen3-VL 8B）和 VAE 一起带下来，这些都是 Draw Things 转换好的格式，开箱即用。

这里需要注意，底模不建议自己从 HuggingFace 下载再导入：官方仓库是 diffusers 的分片格式，Draw Things 一次只能导入一个文件；ComfyUI 格式的单文件版本则要自己再配文本编码器，折腾下来远不如官方列表省事。

下载完成后，Models 目录里是这样的：

qwen_image_2.1_q8p.ckpt              # 底模，7.4 GB
qwen_3_vl_8b_instruct_i8x.ckpt       # 文本编码器，8.8 GB
qwen_image_2.1_vae_f16.ckpt          # VAE

2、用 Silo 下载 LoRA

Silo 是我写的一个 macOS 本地模型库，一份模型只存一次，再链接到各个工具里，同时支持 HuggingFace、hf-mirror 和 ModelScope，下载前会先测速选最快的源。

下面以命令行的方式来演示，当然你也可以打开 Github 仓库下载 App 进行可视化操作。

安装：

brew tap linxunfeng/tap
brew install --cask linxunfeng/tap/silo   # App
brew install linxunfeng/tap/silo          # 命令行

先看看这个仓库在各个源上的速度：

$ silo sources --probe ausboss/Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA
Racing sources on ausboss/Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA ...
  modelscope     10.93 MiB/s
  hf-mirror      6.25 MiB/s
  huggingface    1.43 MiB/s

同一个文件，ModelScope 比直连快了 7 倍多。下载时 Silo 会自动用最快的源，中途失败还会切到下一个源接着下，不用手动挑。

再看看仓库里都有什么，--files 会列出每个文件和大小：

$ silo inspect ausboss/Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA --files
  README.md                                    10.21 KiB
  RESEARCH.md                                  10.17 KiB
  figure_difference.jpg                          780 KiB
  ...
  outfit_swap_demo.mp4                          3.24 MiB
  qwen-image-2.1-outfit-swap-1250.safetensors    152 MiB
  qwen-image-2.1-outfit-swap-1500.safetensors    152 MiB
  qwen-image-2.1-outfit-swap.safetensors         152 MiB
  workflows/qwen-image-2.1-outfit-swap.json      111 KiB

三个 safetensors 分别是训练到第 1000、1250、1500 步的权重。作者推荐从不带后缀的那个（第 1000 步）开始，它最擅长把旧衣服完整换掉。

重点来了，用 --file 只下这一个文件，并直接放进 Draw Things：

$ silo add ausboss/Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA \
    --file qwen-image-2.1-outfit-swap.safetensors --to drawthings
[1/1] ausboss/Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA · qwen-image-2.1-outfit-swap.safetensors
  done ausboss/Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA (qwen-image-2.1-outfit-swap.safetensors)
    152 MiB transferred
    linked into drawthings: 152 MiB visible, 0 B extra on disk
    Only listed in Draw Things so far: import it there before it can be used.

测速加下载一共 45 秒。几个细节说明一下：

• --file 写文件名就行，同名文件只有一个时会自动匹配到完整路径
• 文件会以 作者--仓库--文件名 的名字放进 Draw Things 的导入目录，一眼就知道是哪个模型
• 0 B extra on disk：放进去的是硬链接，Silo 库里那份和 Draw Things 里这份是同一份数据，不额外占空间
• 不想敲命令的话，Silo 的 App 里搜索仓库后，点版本右侧的「文件」展开，选中单个文件再加入队列，效果一样

3、在 Draw Things 中导入

Draw Things 不会直接读取外部的权重，而是在导入时转换成自己的格式，所以还差最后一步：

1. 在左侧设置里找到 LoRA，打开 LoRA 管理，点「导入 LoRA」
2. 文件列表里会出现刚才放进去的 ausboss--Qwen-Image-2.1-Outfit-Swap-Consistency-LoRA--qwen-image-2.1-outfit-swap.safetensors，选中它
3. 版本会自动识别为 Qwen Image 2.1，确认导入即可

导入完成后，LoRA 下拉框里就能选到它了。

三、实战

1、准备素材

为了让对比足够明显，我特意挑了一个「很难不动背景」的场景：雨后香港的霓虹小巷，背景里有大量招牌、灯笼、蒸汽和地面反光，任何一点重画都会很显眼。

两张素材都是直接用 Qwen Image 2.1 生成的。人物（图 1）：

衣服（图 2），一件镭射银色的飞行员夹克：

这里有个小坑：参考图会被等比缩放后居中裁切到输出尺寸。夹克图是正方形，直接拿去用会被裁成竖图，两只袖子就没了。所以我先把它上下补成同样灰色背景的竖图，再作为图 2 使用。

人物图则直接用输出尺寸 896 x 1344，至于为什么是这个尺寸，后面会单独说，这是我踩到的最大的坑。

2、在 Draw Things 中操作

Qwen Image 2.1 的编辑模式里，画布上的图就是「图 1」，创意板里的图依次是「图 2」、「图 3」：

1. 模型选择 Qwen Image 2.1
2. 把人物图放到画布上，强度调到 100%
3. 把衣服图拖进「创意板」
4. LoRA 选择刚导入的换装 LoRA，权重 100%（作者测过，权重降到 50% 时一半的偏移又回来了）
5. 固定种子，填入提示词，开始生成

提示词用作者给的模板，没有触发词：

Dress the person in image 1 in the holographic silver bomber jacket shown in image 2. Keep their face, hair, hands, pose and the background exactly the same.

其余参数保持模型推荐值：40 步、DDIM Trailing、文本引导 1、分辨率 896 x 1344、种子 42。

3、用命令行复现

在 App 里来回切 LoRA 很难保证每次参数都一模一样，所以我做对比时用的是官方的 draw-things-cli。它直接读取 Draw Things 的模型目录，不需要重复下载，而且可以重复传 --image 来提供多张参考图。

brew install draw-things-cli

不加 LoRA：

draw-things-cli generate --local \
  --model qwen_image_2.1_q8p.ckpt \
  --prompt-file swap.txt \
  --image person.png --image outfit.png \
  --strength 1 --width 896 --height 1344 --seed 42 \
  --output swap_nolora.png

加 LoRA，只多了一个 --config-json，文件名是导入后 Draw Things 生成的 .ckpt：

draw-things-cli generate --local \
  --model qwen_image_2.1_q8p.ckpt \
  --prompt-file swap.txt \
  --image person.png --image outfit.png \
  --strength 1 --width 896 --height 1344 --seed 42 \
  --config-json '{"loras":[{"file":"ausboss__qwen_image_2.1_outfit_swap_consistency_lora__qwen_image_2.1_outfit_swap_lora_f16.ckpt","weight":1}]}' \
  --output swap_lora.png

在我的 M4 Max（64 GB）上，每张图大约 5 分钟，加不加 LoRA 速度几乎一样（每步 7.01s 对 7.10s）。

如果 CLI 一带参考图就直接退出（Bus error），可以检查一下 Models 目录：我这边 App 把文本编码器改存成了 qwen_3_vl_8b_instruct_i8x.ckpt 加 qwen_3_vl_8b_instruct_i8x.ckpt-tensordata 两个文件，当前版本的 CLI 读这种格式的视觉权重时会崩，纯文生图则不受影响。我的做法是单独准备一个模型目录，放入原始的单文件编码器，其余文件用 cp -c 克隆过去（APFS 克隆不额外占空间），再用 --models-dir 指过去，App 那边的文件一个都不动。

4、对比

回到开头那张对比图，乍一看两张都换得不错，夹克的镭射质感、黑色罗纹领口和袖口都还原了。差别要放大才看得出来，先看脸：

不加 LoRA 时，眼型、鼻子、嘴唇和发丝都被重画了一遍，细看已经有点不像同一个人；加了 LoRA 之后，五官和原图几乎一模一样。

再把「和原图相比变化明显的像素」标成黄色（任一通道差值超过 24）：

左边不加 LoRA，左侧的霓虹招牌、灯笼、远处的人群都被重画了一遍；右边加了 LoRA，背景基本是暗的，黄色几乎都集中在衣服上。

量化一下（脸部和背景分别统计，衣服区域不计入背景）：

指标	不加 LoRA	加 LoRA
脸部明显改动的像素	14.6%	6.3%
背景明显改动的像素	20.6%	10.8%
衣服以外区域的平均像素差（0~255）	11.7	7.1

脸部和背景的改动都降到了一半以下，这就是它「只换衣服」的价值。当然也没有作者测出来的那么夸张（他的数据是背景改动从 10.8% 降到 0.9%），毕竟我是在 Draw Things 里跑的，流程和参数都和作者的 ComfyUI 工作流不完全一样，夹克这种高反光材质也会把一部分光影反射到周围。

5、尺寸的坑

一开始我用的是 832 x 1216，结果加不加 LoRA 都差不多，背景都有三成多的像素被改动，看起来 LoRA 完全没起作用。

仔细对比后发现，问题根本不在 LoRA：两张结果都相对原图在水平方向被压窄了约 3%（832 宽的内容只剩约 807），垂直方向却没变，所以整张图左右两边都对不上。像素一错位，自然全图都是「改动」。

我的猜测是，Qwen3-VL 视觉编码器按 28 像素一块来切图，832 不是 28 的倍数，参考图在某一步被缩放了。验证方法也很简单，把尺寸换成同时是 64 和 28 倍数的 896 x 1344，同样加 LoRA：

换尺寸后压窄的现象消失了（最佳拟合缩放比例从 0.97 变成 1.0），LoRA 的效果才真正显现出来。

所以在 Draw Things 里用 Qwen Image 2.1 做这类「要和原图对齐」的编辑时，宽高最好同时是 64 和 28 的倍数，例如：

比例	推荐尺寸
2:3 竖图	896 x 1344
1:1	896 x 896、1344 x 1344
3:2 横图	1344 x 896

人物原图不是这个尺寸的话，先缩放裁切到这个尺寸再用。

四、最后

回顾一下整个流程：

1. 在 Draw Things 模型列表下载 Qwen Image 2.1 底模
2. silo add <仓库> --file <文件> --to drawthings，只下需要的那一个 LoRA 文件，自动选最快的源
3. 在 Draw Things 里「导入 LoRA」
4. 人物图放画布，衣服图放创意板，套作者的提示词模板，LoRA 权重 100%，尺寸用 64 和 28 的公倍数

几点使用建议：

• 想把旧衣服换得更彻底（比如靴子、牛仔裤），可以在提示词末尾加上 Replace everything they wear.
• 它不会让衣服画得更像，纽扣、腰带、花纹的还原度和不加 LoRA 一样，它管的是「衣服以外的部分别动」
• 它会连姿势一起保留，如果一件衣服要换个姿势才穿得上，它不会帮你改姿势

至于 Silo，这次用到的 --file 正是为了这类场景加的：HuggingFace 上很多仓库把多个版本、多个精度放在一起，而 Draw Things 一次只导入一个文件，只下需要的那个能省下不少时间和空间。项目地址：LinXunFeng/silo (opens new window)，觉得有用的话欢迎 Star，有问题也欢迎提 issue。

本篇到此结束，感谢大家的支持，我们下次再见！👋