1hew-ComfyUI-1hewNodes/web/docs/1hew_TextEncodeQwenImageEdit/zh.md

Text Encode QwenImageEdit - Qwen 图生编辑提示词编码器

节点功能： Text Encode QwenImageEdit 将多张图像占位符与文本指令组合为 QwenImageEdit 兼容的输入，并对视觉输入执行尺寸适配，输出 CONDITIONING。当连接 VAE 时，节点同时写入 reference_latents 用于参考图引导。

输入

参数名称	入端选择	数据类型	默认值	取值范围	描述
clip	-	CLIP	-	-	QwenImageEdit 兼容的 CLIP，用于 tokenize 与 encode。
vae	可选	VAE	-	-	连接后为每张输入图生成 reference_latents。
image_1	可选	IMAGE	-	-	第一张输入图像；前端支持动态扩展 image_2..image_10。
prompt	-	STRING(多行)	""	-	用户文本指令，将追加在图像占位符之后。
reference_skip_prep	-	COMBO	first	none / first / all	参考潜变量策略：在满足 8 对齐时保留原始尺寸 VAE 编码的范围。
reference_sq_area	-	INT	1024	64-8192	参考潜变量归一目标面积的边长参数，目标面积为 reference_sq_area²。
vision_embed	-	COMBO	stretch	crop / pad / stretch / area	视觉输入（tokenize 的 images）尺寸适配策略。

输出

输出名称	数据类型	描述
conditioning	CONDITIONING	文本/图像条件；当连接 vae 时，reference_latents 将追加写入 conditioning。

功能说明

• 多图像提示词：以 Picture 1..N 的顺序生成 Qwen 视觉占位符并送入 clip.tokenize(images=...)。
• 视觉尺寸策略：提供 crop、pad、stretch、area，用于稳定控制视觉编码输入形态。
• 参考潜变量：为每张输入图生成 VAE 潜变量，并作为 reference_latents 注入 conditioning。
• 8 对齐保留：依据 reference_skip_prep 在满足宽高 8 对齐时采用原图尺寸 VAE 编码。

vision_embed 模式说明

• area：等比缩放到目标面积约为 384×384，输出宽高由 sqrt((384²)/(W×H)) 推导。
• crop：等比缩放覆盖 384×384，随后以中心裁剪获得 384×384。
• pad：等比缩放以适配进 384×384，随后以中心填充补齐到 384×384，填充像素值为 0。
• stretch：直接缩放到 384×384，允许纵横比变化。

reference_latents 规则

• 生成范围：
  • none：所有图像统一执行面积归一到 reference_sq_area² 并做 8 对齐，再执行 VAE 编码。
  • first：第一张图在宽高满足 8 对齐时直接按原尺寸 VAE 编码；其余图像按 none 行为处理。
  • all：每张图在宽高满足 8 对齐时直接按原尺寸 VAE 编码；其余图像按 none 行为处理。
• 归一计算（面积 + 8 对齐）：
  • scale = sqrt((reference_sq_area²) / (W×H))
  • W' = round((W×scale)/8)×8，H' = round((H×scale)/8)×8
  • VAE 对缩放后的 RGB 图像执行编码（取 :3 通道）。

典型用法

• 文本条件：连接 clip，设置 prompt，vae 留空。
• 图生编辑条件：连接 clip，连接一张或多张 image_*，选择 vision_embed，在 prompt 中给出编辑指令。
• 参考引导：连接 vae，通过 reference_skip_prep 与 reference_sq_area 控制参考潜变量行为。

注意与建议

• 图像端口按数字顺序处理：image_1、image_2、image_3……
• 在同一工作流中统一使用一种 vision_embed 策略可获得更一致的视觉输入形态。