Qwen-Image-2.1 最多可以一次放：
10 张 Reference Images。
看到这个功能，
最直觉的做法很可能是：
人物照丢进去。
商品照丢进去。
服装照丢进去。
场景照丢进去。
风格照也丢进去。
最后说：
「帮我组成一张图。」
但图片愈多，
如果没有说清楚每一张到底负责什么，
AI 反而要自己猜。
今天只学一个方法：
一张图，只给一个主要任务。
不要先写 Prompt，先替图片分工
假设你要做一张：
人物拿着指定包包，
穿指定外套，
站在指定咖啡厅里的广告照片。
你有四张 Reference。
不要只说：
「参考这四张图帮我生成。」
先把它们分工。
例如：
图 1：人物身份
只参考：
脸、
发型、
大致人物特征。
图 2：衣服
只参考：
外套款式、
颜色、
材质。
图 3：商品
只参考：
包包外观、
比例、
主要结构。
图 4：场景
只参考：
咖啡厅空间、
家具配置、
环境感。
然后才说最后任务：
把图 1 的人物，穿上图 2 的外套，拿着图 3 的包包，放进图 4 的咖啡厅。
这就比：
「请融合这四张图片」
清楚很多。
官方示范本来就是这样做
Qwen-Image-2.1 官方展示一个 Virtual Try-on 范例。
不是拿五张差不多的人物照。
而是五张图各自提供不同东西：
Model。
Clothing。
Shoes。
Bag。
Hat。
最后才组成：
一套完整 Outfit。
官方也展示过：
用 10 张 Furniture References，
组成一个完整 Interior。
这其实已经透露多 Reference 最实用的使用方式：
每张图提供一个明确资产。
不是：
每张都让 AI 全部参考。
为什么「全部参考」容易出问题？
假设图 1 是人物照片。
里面除了脸，
还有：
黑色 T-shirt。
白墙。
一张椅子。
暖色光线。
但你真正想要的只有：
这个人。
如果只告诉 AI：
「参考图 1。」
模型就必须判断：
到底要保留：
人物？
衣服？
背景？
灯光？
姿势？
同时又有图 2、图 3、图 4，
每张都带着自己的：
背景、
光线、
构图、
颜色。
信息很容易互相竞争。
所以更好的方法不是一开始把 Prompt 写得非常长。
而是先回答：
这张 Reference 到底为什么存在？
最简单的格式：图号＋角色＋要拿什么
可以直接用这个格式：
图 1｜人物
只参考人物身份与脸部特征。
图 2｜服装
只参考服装款式、材质与颜色。
图 3｜商品
只参考商品外型与比例。
图 4｜场景
只参考空间与环境。
最后：
把以上四个元素组合成一张 16:9 写实商业照片。
这就是今天整个技巧。
不是背更多 Prompt 关键字。
而是：
先替每一张图分配工作。
在 ComfyUI 里，甚至可以直接用 image_1、image_2
如果是自己跑 Qwen-Image-2.1，
ComfyUI 官方 Workflow Template 也采用很清楚的方式。
Reference Images 可以依序放成：
image_1
image_2
image_3
一直到：
image_10。
Prompt 里则可以直接指定：
<image1>
<image2>
等 Reference。
例如：
「使用 <image1> 的人物，穿上 <image2> 的服装。」
这种写法的价值就是：
不要叫模型猜「上一张」「右边那张」「那个商品照」到底指谁。
图片一多，
直接指定来源会更清楚。
如果是在修改既有图片，第一张的角色更重要
ComfyUI 的 Qwen-Image-2.1 Editing Template 还有一个很实际的规则：
image_1 是 Edit Target。
也就是：
这一张是主要要修改的底图。
其他图片则作为 References。
例如：
image_1：
原本人物照片。
image_2：
新的外套。
image_3：
新的包包。
那任务就很清楚：
不是重新融合三张照片。
而是：
以 image_1 为底，从 image_2、image_3 取得指定元素。
这会比三张图片地位完全相同更容易理解。
不需要的 Reference，不要为了「最多 10 张」硬塞
另一个常见误解是：
既然最多支持 10 张，
是不是放 10 张效果最好？
不是。
「最多 10 张」只是：
模型能接受的上限。
不是：
最佳张数。
假设你只需要：
人物、
商品、
场景。
三张就够了。
再塞：
三张人物角度、
两张风格照、
两张其他场景
并不一定帮助结果。
反而增加模型要处理的：
视觉条件。
所以每加一张前，
只问：
这张图提供了前面没有的新信息吗？
如果没有，
先不要加。
人物需要多角度时，可以例外
「一张图一个任务」
不是说：
同一个人物永远只能给一张照片。
例如你需要提高人物一致性，
可能有：
正面照。
侧面照。
半身照。
这三张都属于：
同一个任务：人物身份。
这时真正要告诉模型的是：
这三张 Reference 都在描述：
同一个人。
不要让它把三张照片理解成：
三个不同人物。
所以更精确的原则是：
一组 Reference，只服务一种角色。
商品也一样
例如一个包包，
正面看不到：
侧边结构。
背面看不到：
扣件细节。
这时可以提供：
正面。
侧面。
背面。
但它们仍然只负责：
商品身份与结构。
不要同时又要求：
其中一张的背景、
另一张的拍摄光线、
第三张的桌面
也全部保留。
这和以前「保留／只改／禁止」不一样
SasaDaily 8 月 6 日曾教过：
局部修图前，
把 Prompt 分成：
保留／只改／禁止。
那一篇解决的是：
一张既有图片要修改时，如何限制修改范围。
今天处理的是另一个问题：
当输入变成很多张 Reference 时，怎么避免不同来源彼此抢角色。
所以今天不是先问：
「哪里不能改？」
而是先问：
「这张图到底负责什么？」
两个方法可以一起用。
最后只记这个顺序
下一次准备丢多张 Reference 给 Qwen-Image-2.1，
不要：
10 张图
→ 一句 Prompt
→ 祈祷模型自己理解。
改成：
先挑真正需要的图片
↓
每张指定一个角色
↓
同一角色的多角度放成一组
↓
最后才描述整张完成图
最简单就是：
图 1 是谁。
图 2 穿什么。
图 3 拿什么。
图 4 在哪里。
当 Reference Image 开始变多，
最重要的 Prompt 技巧反而不是：
写更多。
而是：
不要让一张图片同时负责太多事情。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
