Qwen-Image-Edit-2511: control de cámara 3D 209

📝 Introducción a Qwen-Image-Edit-2511

Qwen-Image-Edit-2511 es un modelo de edición de imágenes de código abierto del equipo Qwen de Alibaba, y puede considerarse una versión mejorada del modelo anterior (Qwen-Image-Edit-2509). Resuelve principalmente un problema bastante molesto: después de que muchas ia modifican una imagen, la persona "cambia de cara" y deja de parecerse a la original, lo que técnicamente se conoce como deriva de imagen.

Este modelo combina el codificador visual y un modelo de lenguaje grande. Basta con indicarle en lenguaje natural cómo quieres modificar la imagen, y se encarga de retocarla manteniendo prácticamente intactos la iluminación, las texturas y la estructura del fondo originales.

🚀 Características principales

Gran consistencia de personaje

Esta es la mejora más destacada de la versión 2511.

• Edición de una sola persona: tanto si cambias la ropa, el fondo o la pose, el modelo mantiene estables los rasgos faciales (ojos, peinado, expresión), sin que parezca otra persona después de la edición.

• Fusión de fotos con varias personas: permite combinar dos fotos individuales de personas distintas en una sola foto conjunta natural. Ajusta automáticamente la iluminación, la perspectiva y las posturas de interacción para que parezca que se tomó en la misma sesión.

Incluye "control de cámara 3D" y funciones LoRA

Ya no hace falta instalar un montón de complementos: el modelo integra directamente varias capacidades LoRA habituales:

• Generación multivista: si le indicas "vista lateral", "contrapicado" o "primer plano", puede cambiar el ángulo como si movieras una cámara.

• Redibujo de iluminación: permite modificar la dirección o el tipo de luz, por ejemplo "luz suave" o "contraluz lateral", cambiando así el ambiente de la escena.

Mejoras en comprensión geométrica y diseño industrial

La comprensión espacial es algo mejor que en la generación anterior: puede dibujar automáticamente líneas auxiliares o aplicar anotaciones estructurales sencillas.

• La sustitución de materiales también es fiable: sin alterar la forma del objeto, puedes cambiar una mesa de madera por una de metal, y los reflejos e iluminación se ajustan en consecuencia.

🛠️ Escenarios de uso

• Diseño de e-commerce: cambio de ropa en modelos virtuales (el rostro y la postura se mantienen, solo cambia la prenda); generar múltiples vistas de un mismo producto a partir de una sola imagen.

• Fotografía creativa: fotos de pareja a distancia, combinando dos retratos individuales en una foto conjunta natural; transferencia de estilo, por ejemplo convertir una foto real al estilo Pixar o pixel art manteniendo el parecido.

• Diseño industrial: convertir bocetos rápidamente en renders con distintos materiales (cuero, metal, etc.); añadir automáticamente líneas auxiliares geométricas a los planos de diseño.

• Creación de contenido: desarrollo de IP de personajes: a partir de una sola imagen de diseño, generar imágenes del personaje en diferentes escenarios (oficina, montaña, cafetería) para讲故事.

⚖️ Ventajas y desventajas

✅ Ventajas

• Muy buena consistencia: entre los modelos de código abierto, es uno de los que mejor mantiene los rasgos faciales, resolviendo casi por completo el problema de "cambiar la imagen y cambiar la cara".

• Accesible: incluye LoRA, así que no necesitas entrenar ni descargar pesos adicionales; basta con usar prompts para ajustar funciones avanzadas como la iluminación o el ángulo de vista.

• Buena comprensión del chino: como está respaldado por Qwen, entiende instrucciones en chino, incluso descripciones complejas.

• De código abierto y gratuito: se puede ejecutar en local en herramientas como ComfyUI, sin enviar datos fuera ni pagar por una API.

❌ Desventajas

• Dificultades con ángulos extremos: aunque admite control de vista 3D, en ángulos muy exagerados (como ojo de pez muy pronunciado o rotaciones complicadas), la estructura de los objetos a veces se deforma o aparecen en número incorrecto.

• Precisión geométrica limitada: tiene capacidad de razonamiento geométrico, pero no alcanza la precisión de un software CAD profesional, por lo que no es adecuado para dibujar planos de ingeniería detallados.

• Requisitos de hardware elevados: para ejecutarlo en local hace falta una buena cantidad de VRAM; para una experiencia fluida se recomienda una RTX 4090 o superior.

💻 Cómo usar Qwen-Image-Edit-2511

La opción más habitual hoy en día es desplegarlo en local con ComfyUI.

Preparación del entorno: instala ComfyUI y coloca los archivos del modelo Qwen-Image-Edit-2511 (normalmente en formato .safetensors) en el directorio models/checkpoints.

Montaje del flujo de trabajo: conecta el nodo Qwen2.5-VL (para interpretar el contenido de la imagen), luego un VAE Encoder (para controlar la apariencia), e introduce la imagen original y el prompt, por ejemplo "cambia la ropa de la imagen 1 por la de la imagen 2, manteniendo la composición".

Técnicas avanzadas (LoRA): el modelo incluye LoRA propios que también se pueden activar mediante prompts. Por ejemplo, escribiendo lighting: soft o view: side se invocan los módulos internos de iluminación o de ángulo. Si haces cambio de ropa para e-commerce, el resultado será más preciso entrenando un LoRA específico de prendas.

❓ Preguntas frecuentes

P1: ¿Por qué el personaje de la imagen generada sigue sin parecerse al original?

R: Primero comprueba si el prompt incluye por error alguna descripción que modifique rasgos faciales. La versión 2511 es bastante sensible a los prompts; intenta usar restricciones del tipo "mantén el aspecto original", "solo cambia el fondo/la ropa". Además, mantén el CFG (relevancia del prompt) dentro del rango recomendado (por ejemplo, 1.0–1.5); si es demasiado alto, la imagen se degrada.

P2: ¿Puede realizar movimientos de cámara de vídeo?

R: No genera vídeo directamente, solo imágenes estáticas. Sin embargo, puedes generar distintas vistas del mismo personaje (frontal, lateral, trasera) y luego montarlas en un programa de edición de vídeo para simular un efecto de travelling 3D.

P3: ¿Se puede ejecutar en el móvil?

R: No es muy realista: el modelo tiene un número elevado de parámetros (escala de 20B), y un móvil no puede con él. Lo mejor es desplegarlo en local en un ordenador con una tarjeta gráfica potente (como una RTX 4090) o utilizar un servicio GPU en la nube.