上一篇實測 Qwen-Image-2.1 時，最有意思的兩個能力是「一張參考圖就能編輯」和「原生透明背景輸出」。當時各測各的，這篇把兩件事接在一起：給它一張頭像，一段九宮格指令，它直接吐出一張九格透明貼圖，切開就是九張可以丟進 LINE 的 PNG，中間不需要去背模型，也不需要 Photoshop。
我用六個 Qwen-Image-2.1 自己畫的角色跑了一輪，把過程中踩到的坑、最後定下來的句型、以及自動切格縮圖的工作流全部放上來。
快速結論
- 一段 prompt 就夠：把角色描述和九格動作填進固定句型，模型會畫出九格排版、每格一個表情、人物下方一句短語，而且格內背景是真的透明
- 關鍵在 prompt 怎麼寫，不在 ComfyUI 的設定：只套官方「透明背景」的寫法，會得到九張不透明卡片、只有格與格之間是透明的。要明說「沒有任何底板、卡片、邊框或底色，每一格內人物與文字以外全部透明」
- 文字用兩到四個字最穩，繁體中文可以直接寫，錯字率比其他模型低但不是零
- 十六宮格也做得到，解析度拉到 1536 以上，2048 文字最清楚，十六張剛好是 LINE 一組
- 多個角色同一格目前不可靠，人物的長相會變、不像同一個人，這篇只做單角色
- 授權是非商用，自用與練習沒問題，要上架販售請先確認 Qwen Research License
這篇要做出什麼
LINE 貼圖的規格：單張 PNG 最大 370×320 像素、透明背景、檔案 1MB 以內，一組 8、16、24、32 或 40 張，另外要一張 240×240 的主圖和一張 96×74 的分頁圖。
九宮格出九張、十六宮格出十六張，剛好對上「取八張」或「一組十六張」；兩張九宮格也能湊十六張。這篇的目標就是把「頭像」變成「符合規格、已經透明、已經切好」的一疊 PNG。
為什麼是 Qwen-Image-2.1
它是目前唯一同時滿足三件事的開源模型：
- 看著參考圖畫新的圖：頭像丟進去，它會保留髮型、配件、畫風，換成九種表情動作
- 畫圖的時候就把透明度一起畫出來：它的 VAE 多學了一個 alpha 通道，輸出直接是四通道的 PNG，不是先生白底再切
- 繁體中文寫得出來：上一篇 53 題測試裡它和 SenseNova 並列最穩，貼圖上的短語直接用繁體寫就好
我也拿同一批頭像試過 HiDream-O1、Qwen-Image-Edit-2511、JoyAI、Boogu、FireRed 這幾款編輯模型做同樣的九宮格。人物一致性和畫風保留都是 Qwen-Image-2.1 明顯較好，差距大到沒有評比的必要，所以這篇不做對照，專心把它的用法講清楚。
授權要先講：Qwen Research License 是非商用授權，跟上一代的 Apache-2.0 不同。自己用、練習、做給朋友都沒問題；要拿去 LINE Creators Market 上架販售，請先確認授權條款。
四個步驟
一、生一個角色
角色直接用 Qwen-Image-2.1 文生圖畫，白底、半身、正面，風格在這一步就決定好，後面的九宮格會沿用。例如：
扁平插畫風格，短髮、穿米色襯衫的年輕女上班族，半身正面看鏡頭，白色背景，簡潔線條，柔和配色
自己的照片、手繪角色、其他模型畫的圖也都可以當參考圖，重點是白底、主體清楚。
二、寫九宮格 prompt
這是整篇最重要的一段。下面這個句型直接複製，把「人物句」「風格句」和九格的「動作」「文字」換成你的：
This is an RGBA format image with transparency. 將圖片改成九宮格排版的貼圖，展示{人物句}的九種表情包，{風格句}。九個格子大小相同、整齊排成三行三列，不要把參考圖放大放在中間。整張圖只有人物與人物下方的黑色圓體文字，沒有任何底板、卡片、邊框或底色；每一格內人物與文字以外的所有區域都是完全透明的，不是白色也不是灰色。第一行第一格是{動作}，文字是「{文字}」；第一行第二格是{動作}，文字是「{文字}」；第一行第三格是{動作}，文字是「{文字}」；第二行第一格是{動作}，文字是「{文字}」；第二行第二格是{動作}，文字是「{文字}」；第二行第三格是{動作}，文字是「{文字}」；第三行第一格是{動作}，文字是「{文字}」；第三行第二格是{動作}，文字是「{文字}」；第三行第三格是{動作}，文字是「{文字}」。The image has an alpha channel and a transparent background.
以男學生為例，人物句是「參考圖中戴圓框眼鏡的男學生」，風格句是「保留參考圖原本的畫風、配色與造型特徵」，九格是「不高興的表情／不想起床」「高興的動作／放學啦」「四仰八叉躺著／躺平啦」「振臂／奮鬥吧」「大笑／哈哈哈」「豎起大拇指／你好棒」「思考／思考人生」「生氣鼓腮／生氣啦」「害羞摀臉／傷心啦」。填好的完整範例、白邊變體和十六宮格版本都在文末的附錄，每一段都有一鍵複製。
三、直接輸出透明背景
在 ComfyUI 裡把頭像接到 TextEncodeQwenImage21 節點的第一張參考圖，prompt 貼進去，25 步、CFG 1、euler simple、resolution 1024，跑出來就是一張 1024×1024 的四通道 PNG。
上面這張圖是我為了讓透明看得出來，把成品鋪在灰白棋盤格上的樣子。你自己從 ComfyUI 存出來的 PNG 用看圖軟體打開，透明的地方會顯示成一片紫色，這是正常的：模型在透明區域填的顏色剛好是洋紅色，但那些像素已經標記成完全透明，貼到聊天室、簡報或任何背景上都不會看到紫色。想確認透明有沒有成功，用支援透明顯示的看圖軟體或圖片編輯器開，透明處會顯示成棋盤格。
四、切格、裁切、縮到規格
一張 1024 的九宮格切成九塊是 341 像素一格，比 LINE 的上限小，所以切完就是可以用的尺寸。我請 AI 寫了一條工作流把後面的事全包：縮到 1023 讓三整除、等分九格、每格依 alpha 找到內容邊界裁掉多餘透明、四周留邊、等比縮到 370×320 以內、存成九張 PNG。
工作流檔在文末下載，載入後只要換參考圖和 prompt。
prompt 為什麼要這樣寫
這一段是我踩坑的紀錄，看完就知道每一句在防什麼。
第一次：在透明句型裡保留「白色背景」。原本做不透明九宮格的 prompt 開頭是「將圖片改成以白色為背景」，我只在前面加上官方範本的第一句「This is an RGBA format image with transparency.」、後面加上最後一句「The image has an alpha channel and a transparent background.」，中間一個字沒改。結果是九張白底卡片，透明的只有卡片之間的縫。
第二次：把「白色背景」改成「透明背景」。以為這樣就好，結果更糟：模型把參考圖的畫布底色整塊搬進每一格，每格還是一張不透明卡片，透明像素只有一成。
第三次：套官方去背範本的句子「Remove the background, and output a PNG image」加上九格描述。整張完全不透明，透明像素是零。這句對單一物件有效，對九宮格排版沒有用。
成功的寫法是把「不要什麼」講死：沒有任何底板、卡片、邊框或底色；並且指定範圍：每一格內人物與文字以外的所有區域都是完全透明的，不是白色也不是灰色。加上這兩句之後，透明像素從一成跳到五成以上，九格裡的人物和文字乾淨地浮在透明底上。
還有一個變體。如果想要每張貼圖外圍有一圈白色描邊，把開頭改成英文的「nine die-cut stickers」寫法，模型會自己畫出貼紙的白邊，其他句子不變。
兩個一起記住：透明句型裡不能出現任何背景顏色，「透明」要指到格內而不是整張圖。
還有一種失敗跟透明無關，是版面。水彩的橘貓和手繪線條的老奶奶這兩張參考圖比較像「一幅畫」，模型第一次都把參考圖放大擺在正中央，八張小貼圖圍在四周，透明是透明了，但切格會切到主圖。
修法是在風格句後面加一句「九個格子大小相同、整齊排成三行三列，不要把參考圖放大放在中間」，兩組都是加了之後第一次就排成正常的九宮格。扁平插畫、Q 版、黏土這類本來就像貼圖的參考圖沒遇到這個問題，但這句加著沒壞處，下載的 prompt 裡已經放進去。
六組範例
六個角色、六種主題，每組左邊是頭像，右邊是直接輸出的透明九宮格，下方是切好的九張。全部同一個句型，只換人物句、風格句和九格內容。
女上班族：上班族日常
扁平插畫風格。九句：加班好累、開心下班、躺平休息、努力工作、好開心、加油啊、思考計畫、被主管罵、好傷心。
男學生：學生日常
Q 版二頭身。九句就是本文的範例 prompt。
柴犬：寵物語錄
圓潤卡通。九句：散步去、吃飯了、裝死中、搖尾巴、汪！、討摸摸、發呆中、生氣了、好委屈。動物角色的動作要寫得具體，例如「叼牽繩」「翻肚躺平」，只寫情緒它會用人的姿勢演。
橘貓：療癒語錄
水彩風格。九句：早安、晚安、謝謝、加油、OK、好累、收到、愛你、晚點聊。這一組的短語最短，錯字最少，適合當第一組練習。
老奶奶：長輩問候
手繪線條。九句：吃飽沒、早安、平安、保重、加油、謝謝、好棒、想你、晚安。
小機器人：工程師日常
黏土質感。九句：有bug、部署中、喝咖啡、開會中、下班了、崩潰、修好了、再跑一次、收工。中英混排它也寫得出來。
十六宮格
LINE 一組十六張，直接用四行四列的十六宮格更省事。句型只改三個地方：「九宮格」改成「十六宮格（4 行 4 列）」、「九種」改「十六種」、格子句寫到第四行第四格。
解析度要跟著拉高：1024 切成十六格每格只有 256 像素，文字會糊掉。設 1536 就能用，設 2048 的文字最清楚，它本來就是原生 2K 的模型。
十六句是九句加上早安、晚安、謝謝、加油、OK、好累、收到。這張 2048 的版本模型自己在每張貼圖外圍畫了白色描邊，1536 的版本沒有；同一個 seed 換解析度構圖會變，這是它的特性，不是錯。
進階：讓 AI 每次出不同的九句
同一個角色要做第二組、第三組貼圖，九句和動作每次自己想很花時間。工作流裡有一個場景接了本機的視覺語言模型（Ollama 上的 Qwen3-VL），它看著頭像、依你給的一句主題，把九組「動作＋短語」填進固定的 prompt 骨架，骨架其他字一個都不准動。
給它「上班族日常」，它出的是：加班好累、開心下班、躺平休息、努力工作、好開心、加油啊、思考計畫、被主管罵、好傷心。就是六組範例的第一組。
兩個要注意的地方：短語超過四個字錯字率會升高，要在指令裡限制字數；它偶爾會吐簡體字，指令要寫明台灣用語。
限制與坑
- 文字錯字與簡體字：兩到四個字最穩，五個字以上開始出錯。另一種錯是混進簡體字，柴犬那組的「討摸摸」「搖尾巴」就被寫成簡體的討與搖。每次出圖檢查一下，有錯字的話換一個隨機種子（seed）重新生成一次就好，同一個 prompt 每換一次 seed 就是一張新的圖
- 兩個角色同一格要看組合：要兩個角色一起出現，句子得寫死「每一格都同時畫出兩個角色並排，左邊是誰、右邊是誰，九格每格都必須兩者都在」。人加寵物這種差異大的組合排得出來，但兩個人物的話，我實測人物的長相會變、不像參考圖的本人，細節也變粗糙，目前不建議拿來做正式貼圖
- 髮絲邊緣：原生透明的邊緣在髮絲、毛髮上不如專用去背模型細，貼圖尺寸小看不出來，放大用途要另外考慮
- 透明區是洋紅色：原始 PNG 直接看是紫底，不是壞掉。不透明的圖它也會給 alpha，值接近但不是 255，要純 RGB 的話轉一次
- 兩個人一起做表情：即使兩人都在同一格，通常只有一個在演，另一個維持參考圖的表情
- 文字位置偶爾跑掉：少數格子文字會歪或貼在人物旁邊，裁切時會一起保留，看得順眼就用
想自己跑
| 檔案 | 下載 | 放置位置 |
| qwen_image_2.1_bf16.safetensors（約 14GB；另有 int8_convrot 版約 7GB） | Hugging Face Comfy-Org/Qwen-Image-2.1 | models/diffusion_models/ |
| qwen3vl_8b_int8_convrot.safetensors（文字編碼器，約 9GB） | 同上 | models/text_encoders/ |
| qwen_image_2.1_vae_bf16.safetensors（RGBA VAE，約 700MB） | 同上 | models/vae/ |
ComfyUI 0.37.0 以上原生支援。工作流用到的切格與裁切節點來自 ComfyUI-KJNodes 和 ComfyUI-RMBG 兩個節點包，用 Manager 裝。
下載：工作流 JSON，三個場景：直接輸出透明背景（本文用的）、白底加專用去背、AI 改寫九句；載入後換參考圖和 prompt 即可。prompt 全文在下面的附錄。
附錄：prompt 全文
設定都一樣：25 步、CFG 1、euler simple、resolution 1024（十六宮格用 1536 或 2048），參考圖接 TextEncodeQwenImage21 的第一張圖。
透明九宮格，填好的完整範例（男學生）
This is an RGBA format image with transparency. 將圖片改成九宮格排版的貼圖，展示參考圖中戴圓框眼鏡的男學生的九種表情包，保留參考圖原本的畫風、配色與造型特徵。九個格子大小相同、整齊排成三行三列，不要把參考圖放大放在中間。整張圖只有人物與人物下方的黑色圓體文字，沒有任何底板、卡片、邊框或底色；每一格內人物與文字以外的所有區域都是完全透明的，不是白色也不是灰色。第一行第一格是不高興的表情，文字是「不想起床」；第一行第二格是高興的動作，文字是「放學啦」；第一行第三格是四仰八叉躺著的動作，文字是「躺平啦」；第二行第一格是振臂的動作，文字是「奮鬥吧」；第二行第二格是大笑的表情，文字是「哈哈哈」；第二行第三格是豎起大拇指的動作，文字是「你好棒」；第三行第一格是思考的動作，文字是「思考人生」；第三行第二格是生氣鼓腮的動作，文字是「生氣啦」；第三行第三格是害羞摀臉的動作，文字是「傷心啦」。The image has an alpha channel and a transparent background.
白色貼紙描邊變體
想要每張貼圖外圍有一圈白邊，把開頭換成英文的 die-cut 寫法，九格句照舊：
This is an RGBA format image with transparency. A sheet of nine die-cut stickers of the character from the reference image, arranged in a 3x3 layout. Each sticker is only the character and a short Traditional Chinese caption below in bold black rounded font; there are NO cards, NO panels, NO frames, NO background color of any kind. Everything outside the character and the text is fully transparent, including the inside of every cell. {九格句}. The image has an alpha channel and a transparent background.
十六宮格
This is an RGBA format image with transparency. 將圖片改成十六宮格（4 行 4 列）排版的貼圖，展示{人物句}的十六種表情包，{風格句}。十六個格子大小相同、整齊排成四行四列，不要把參考圖放大放在中間。整張圖只有人物與人物下方的黑色圓體文字，沒有任何底板、卡片、邊框或底色；每一格內人物與文字以外的所有區域都是完全透明的，不是白色也不是灰色。第一行第一格是{動作}，文字是「{文字}」；第一行第二格是{動作}，文字是「{文字}」；第一行第三格是{動作}，文字是「{文字}」；第一行第四格是{動作}，文字是「{文字}」；第二行第一格是{動作}，文字是「{文字}」；第二行第二格是{動作}，文字是「{文字}」；第二行第三格是{動作}，文字是「{文字}」；第二行第四格是{動作}，文字是「{文字}」；第三行第一格是{動作}，文字是「{文字}」；第三行第二格是{動作}，文字是「{文字}」；第三行第三格是{動作}，文字是「{文字}」；第三行第四格是{動作}，文字是「{文字}」；第四行第一格是{動作}，文字是「{文字}」；第四行第二格是{動作}，文字是「{文字}」；第四行第三格是{動作}，文字是「{文字}」；第四行第四格是{動作}，文字是「{文字}」。The image has an alpha channel and a transparent background.
不透明白底版（要另外去背時用）
將參考圖中的人物改成九宮格排版的貼圖，白色背景，展示{人物句}的九種表情包，{風格句}。第一行第一格是{動作}，文字是「{文字}」；……第三行第三格是{動作}，文字是「{文字}」。文字在人物下方，黑色圓體字。
讓 AI 幫你出九句（給視覺語言模型的指令）
看著頭像判斷人物性別年齡穿著，依主題「{主題}」產生九組「動作＋貼圖短語」，短語 2 到 4 個繁體中文字（台灣用語，不用簡體，九種情緒不重複），動作不超過 15 字。只准把結果填進下面骨架，其餘一字不改，只輸出最終文字： 將參考圖中的人物改成九宮格排版的貼圖，白色背景，展示{人物句}的九種表情包，{風格句}。第一行第一格是{動作}，文字是「{短語}」；……第三行第三格是{動作}，文字是「{短語}」。文字在人物下方，黑色圓體字。
相關文章
- Qwen-Image-2.1 實測：透明輸出、多參考編輯、原生 2K，官方宣稱本機驗證對了幾件 — 本文用到的透明輸出與參考圖編輯能力的實測與模型設定
- ComfyUI 去背怎麼選 — 髮絲邊緣要更細時的專用去背路線
- 繁體中文 AI 生圖測試 Prompt：53 組全公開 — 為什麼貼圖上的繁體字可以直接寫
