/ Модель
Каталог

Характеристики

Лицензия
Apache 2.0
Библиотека
comfyui
Опубликована
29 сен 2026

Ссылки

Hugging Face

TAE-Qwen-Image-2.1

AcademiaSD
Генерация изображенийТекст → изображение

Компактный декодер AcademiaSD для быстрого RGB-предпросмотра латентов Qwen-Image 2.1 в ComfyUI.

0скачиваний за 30 дней18лайковвеса обновлены29 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TAE-Qwen-Image-2.1 — компактный декодер в стиле TAESD от AcademiaSD для быстрых предварительных просмотров изображений, создаваемых Qwen-Image 2.1 в ComfyUI. Модель декодирует латенты в RGB-изображение и предназначена для замены размытого стандартного предпросмотра Latent2RGB. Архитектура основана на подходе Tiny AutoEncoder; декодер дистиллирован из VAE Qwen-Image 2.1. В репозитории указан файл Safetensors размером 3,3 МБ в fp16 и объёмом 1,63 млн параметров.

Декодер рассчитан на просмотр промежуточного результата генерации: по README, превью изображения размером 1024 пикселя формируется примерно за 15 мс. Для подключения в ComfyUI файл помещают в каталог vae_approx и используют узел Model Preview Override из ComfyUI-KJNodes. Модель не предназначена для финального декодирования: у неё нет энкодера, она выдаёт только RGB и пропускает альфа-канал, поддерживаемый исходным VAE. Лицензия — Apache-2.0.

Сценарии применения

  • быстрый предпросмотр изображений при генерации в ComfyUI
  • декодирование латентов Qwen-Image 2.1 в RGB-превью
  • замена предпросмотра Latent2RGB на более чёткий
  • просмотр промежуточных изображений размером 1024 пикселя

Ограничения

Предназначен только для предпросмотра: для финального декодирования следует использовать исходный VAE Qwen-Image 2.1. Энкодера нет; декодер выдаёт только RGB и не восстанавливает альфа-канал.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TAE Qwen-Image 2.1 · AcademiaSD

Original · TAE · Latent2RGB

ComfyUI previews Qwen-Image 2.1 only with Latent2RGB, a linear 64→3 color projection that looks blurry and blocky. This decoder is distilled from the Qwen-Image 2.1 VAE: it turns the sampler's latents into a real preview image in about 15 ms, with no need for the full VAE.

FileTAEQwenImage21_AcademiaSD.safetensors
Size3.3 MB (fp16)
Parameters1.63 M
InputQwen-Image 2.1 latents, 64 channels, as the sampler sees them (x0)
OutputRGB at 16× the latent resolution, range [0, 1]
Decode time~15 ms for a 1024×1024 preview (RTX 5080, fp16)
Validation PSNR30.1 dB vs 20.9 dB for Latent2RGB

🚀 Usage in ComfyUI

  1. Download TAEQwenImage21_AcademiaSD.safetensors to ComfyUI/models/vae_approx/.
  2. Install ComfyUI-KJNodes.
  3. Add the Model Preview Override node between your Qwen-Image 2.1 model and the sampler.
  4. In its tiny_vae input, choose TAEQwenImage21_AcademiaSD.safetensors.

ComfyUI's built-in TAESD preview method does not pick up this file: core has no tiny decoder entry for Qwen-Image 2.1 and its TAESD loader only supports 8× decoders. Use the KJNodes node.

🔧 Training details

  • Teacher: Qwen-Image 2.1 VAE (qwen_image_2.1_vae_bf16.safetensors).
  • Architecture: flat TAESD decoder, Clamp → conv → 4 × (3 blocks + 2× upsample + conv) → block → conv, width 64.
  • Latent space: latents normalized with ComfyUI's QwenImage21 latent format (mean/std), the same space as the sampler's x0, so no extra scaling is needed.
  • Data: 4,072 varied images, 512×512 crops, encoded once with the real VAE.
  • Training: 30,000 steps, batch 8, 256×256 tiles, AdamW LR 5e-4 with cosine decay, L1 + FFT loss, EMA 0.999, latent noise augmentation for stable previews on the noisy x0 of the first steps.

⚠️ Limitations

  • Preview only: use the real VAE for the final decode.
  • Decoder only, there is no encoder.
  • RGB only: the Qwen-Image 2.1 VAE also decodes an alpha channel, which this decoder skips.

🇪🇸 Español

Tiny AutoEncoder (decoder tipo TAESD) para previsualizar Qwen-Image 2.1 en ComfyUI con nitidez y en tiempo real. Sustituye a Latent2RGB, la previsualización por defecto, borrosa y pixelada. Destilado del VAE de Qwen-Image 2.1: decodifica una previsualización de 1024 px en unos 15 ms, con 30,1 dB de PSNR frente a 20,9 dB de Latent2RGB.

Uso:

  1. Descarga TAEQwenImage21_AcademiaSD.safetensors en ComfyUI/models/vae_approx/.
  2. Instala ComfyUI-KJNodes.
  3. Pon el nodo Model Preview Override entre el modelo de Qwen-Image 2.1 y el sampler.
  4. En su entrada tiny_vae, elige TAEQwenImage21_AcademiaSD.safetensors.

El método de previsualización TAESD que trae ComfyUI no lo usa, porque no tiene entrada para Qwen-Image 2.1. Usa el nodo de KJNodes.

Solo sirve para previsualizar: la imagen final se decodifica con el VAE real.

🙏 Credits

🔗 AcademiaSD

YouTube · X / Twitter · Discord · Ko-fi

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · comfyui

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
3323333

0 моделей

    Создать бенчмарк