WuliArt Qwen-Image Turbo代码实例：Gradio自定义UI集成LoRA风格选择器

WuliArt Qwen-Image Turbo代码实例：Gradio自定义UI集成LoRA风格选择器

1. 项目简介

今天我们来聊聊一个特别有意思的项目——WuliArt Qwen-Image Turbo。简单来说，它就是一个能让你用自己的电脑显卡，快速把文字描述变成高清图片的工具。

想象一下，你脑子里有个特别酷的画面，比如“赛博朋克街道，霓虹灯闪烁，雨夜倒影”，只要把这个描述打进去，等上几秒钟，一张1024×1024的高清大图就生成了。整个过程又快又稳，而且画质还特别好。

这个项目的核心，是基于阿里通义千问的Qwen-Image-2512模型，然后加上了Wuli-Art团队专门做的“Turbo LoRA”微调。你可以把LoRA理解成一种“风格插件”，它能让基础模型学会生成特定风格的图片，而且加载起来特别轻便，不占地方。

最棒的是，它专门为个人电脑的GPU（比如RTX 4090）做了优化，不需要你有一台服务器级别的电脑，在家就能玩转AI绘画。

2. 核心优势：为什么选它？

你可能用过一些在线的AI绘画工具，要么要排队，要么生成速度慢，画质还可能不稳定。WuliArt Qwen-Image Turbo针对这些痛点，做了几个关键的优化，让它用起来特别爽。

2.1 告别黑图，生成稳定

用过AI画图的朋友可能遇到过“黑图”或者图片花掉的情况，这通常是计算过程中数值溢出导致的。这个项目利用了RTX 4090显卡原生支持的BFloat16（BF16）精度。BF16比常用的FP16有更大的数值表示范围，就像一个更大的容器，能装下计算过程中产生的特大或特小的数，从而从根本上避免了数值问题，让每一次生成都稳定可靠。

2.2 4步极速出图，效率惊人

传统的文生图模型可能需要迭代几十步才能出一张好图。而这个项目通过“Turbo LoRA”微调技术，把推理步骤压缩到了仅仅4步。这意味着生成速度提升了5到10倍，真正实现了“秒出图”。你输入描述，点一下按钮，喝口水的时间，图就出来了。

2.3 显存优化到位，24G够用

高清AI画图通常很吃显存。这个项目集成了好几项显存优化技术，比如VAE的分块编码解码、智能的CPU/GPU内存调度等。最终的效果就是，在一张24GB显存的RTX 4090上，它可以非常流畅地运行，不需要你再去折腾什么模型量化或者牺牲画质。

2.4 画质与格式兼顾

它默认生成1024×1024分辨率的高清图片，细节丰富。输出格式是JPEG，并且将画质压缩比设置为95%，在几乎看不出画质损失的前提下，让图片文件大小更友好，方便保存和分享。

2.5 风格自由扩展

这是今天我们要重点玩的功能。项目预留了独立的LoRA权重目录。你可以把自己训练好的，或者从网上下载的各种风格的LoRA模型放进去，然后在界面上轻松切换。比如今天想画二次元，明天想画水墨风，换个“插件”就行，非常灵活。

3. 基础使用：快速上手画一张图

在开始我们的自定义UI之旅前，我们先看看它原本是怎么用的。理解了基础，才能更好地改造它。

按照项目的Quick Start，启动服务后，用浏览器打开提供的本地地址（通常是http://127.0.0.1:7860），你会看到一个简洁的界面。

基本操作就三步：

1. 输入描述：在左侧边栏的文本框里，用英文写下你想画的画面。比如A majestic dragon soaring above ancient Chinese mountains, mist, sunset, detailed scales, epic fantasy art（一条威严的龙翱翔于古老的中国山峦之上，雾气缭绕，夕阳西下，鳞片细节丰富，史诗奇幻艺术）。
2. 点击生成：点击下面的「🚀 生成 (GENERATE)」大按钮。
3. 保存图片：稍等片刻，右侧主区域就会展示生成的高清图片。右键点击图片，选择“图片另存为”即可保存到本地。

很简单，对吧？但每次只能用一个固定的风格（内置的Turbo LoRA）。如果我们想随时切换不同风格，就需要改造这个界面了。

4. 代码实战：打造专属LoRA风格选择器

现在进入正题。我们将使用Gradio这个强大的Python库来构建Web界面，并为其增加一个LoRA风格下拉选择器。我们的目标是：在界面上加一个下拉菜单，里面列出我们放在loras文件夹里的所有LoRA模型，选择其中一个，点击生成，出来的图就带有那种风格。

4.1 环境准备与核心思路

首先，确保你已经能成功运行原版的WuliArt Qwen-Image Turbo项目。我们的改造将在其主程序文件（通常是app.py或webui.py）的基础上进行。

核心思路分为三步：

1. 扫描LoRA目录：写一个函数，自动扫描项目里存放LoRA模型的文件夹（例如./loras/），找出所有.safetensors或.ckpt文件，并把它们的名字（去掉后缀）提取出来，作为下拉菜单的选项。
2. 修改模型加载逻辑：修改图片生成函数，让它能接收我们选择的“风格名称”参数，并根据这个名称动态加载对应的LoRA权重到主模型上。
3. 构建Gradio界面：在现有的Gradio界面布局中，插入一个gr.Dropdown组件作为风格选择器，并将其连接到生成函数。

4.2 代码实现详解

我们假设主程序文件名为webui.py。下面我们来看关键代码片段。

首先，在文件开头导入必要的库，并添加一个扫描LoRA的函数：

import os import gradio as gr # ... 其他原有导入 ... def scan_lora_models(lora_dir="./loras"): """ 扫描指定目录下的LoRA模型文件。 返回一个模型名称的列表，用于填充下拉框。 """ lora_files = [] # 支持常见的LoRA文件格式 supported_extensions = ('.safetensors', '.ckpt', '.pt', '.pth') if os.path.exists(lora_dir): for file in os.listdir(lora_dir): if file.endswith(supported_extensions): # 去掉文件后缀作为显示名称 model_name = os.path.splitext(file)[0] lora_files.append(model_name) else: print(f"警告：LoRA目录 '{lora_dir}' 不存在，已创建。") os.makedirs(lora_dir, exist_ok=True) # 按字母顺序排序，方便查找 lora_files.sort() return lora_files

接下来，我们需要修改图片生成函数。假设原来的生成函数叫generate_image，它接收一个prompt参数。我们现在要改造它，让它多接收一个lora_choice参数。

# 假设你的主模型和管道已经在全局初始化，例如：pipe # pipe = ... 你的模型加载代码 ... def generate_image(prompt, lora_choice=None): """ 根据提示词和选择的LoRA生成图像。 lora_choice: 下拉框中选择的LoRA模型名称（字符串），为None时使用基础模型或无LoRA。 """ # 1. 动态加载/卸载LoRA # 首先，确保管道恢复到基础状态（卸载之前可能加载的LoRA） # 注意：这里需要根据你使用的扩散模型库（如diffusers）来调用对应的卸载方法。 # 例如，对于diffusers的StableDiffusionPipeline，可能需要： # pipe.unload_lora_weights() # 这里我们用一个简化的示例逻辑，实际调用取决于你的底层框架。 current_lora_path = None if lora_choice and lora_choice != "None": # 假设下拉框有个“None”选项代表不使用LoRA lora_path = os.path.join("./loras", lora_choice + ".safetensors") # 根据你的文件后缀调整 if os.path.exists(lora_path): # 动态加载LoRA权重到管道 # 示例（diffusers库）: pipe.load_lora_weights(lora_path) print(f"正在加载LoRA: {lora_choice}") # ... 实际加载LoRA的代码 ... current_lora_path = lora_path else: print(f"警告：未找到LoRA文件 {lora_path}，将使用基础模型生成。") # 2. 设置生成参数（沿用项目的4步极速生成） generator_args = { "prompt": prompt, "num_inference_steps": 4, # Turbo LoRA的4步推理 "guidance_scale": 1.0, # 通常Turbo模型CFG scale为1.0或更低 # ... 其他参数如height, width (默认1024) ... } # 3. 执行生成 print(f"正在生成: {prompt[:50]}... | LoRA: {lora_choice}") try: # result = pipe(**generator_args).images[0] # 这里用模拟结果代替实际调用 # 实际项目中，此处应调用你的模型推理代码 result = generate_image_with_model(prompt, lora_path=current_lora_path) # 假设的封装函数 except Exception as e: print(f"生成过程中出错: {e}") return None, f"生成失败: {str(e)}" # 4. 返回图像 return result, "生成成功！"

最后，也是最关键的一步，重构Gradio界面。我们将把风格选择器加入到控件行列中。

def create_ui(): # 扫描可用的LoRA模型，获取下拉框选项列表 lora_options = ["None"] + scan_lora_models() # 增加一个“None”选项 with gr.Blocks(title="WuliArt Qwen-Image Turbo - 风格定制版", theme=gr.themes.Soft()) as demo: gr.Markdown("# 🎨 WuliArt Qwen-Image Turbo - 风格定制版") gr.Markdown("基于Qwen-Image-2512 + Turbo LoRA | 集成多风格LoRA选择器") with gr.Row(): with gr.Column(scale=1, min_width=300): # 原有的提示词输入框 prompt_box = gr.Textbox( label="📝 图像描述 (Prompt)", placeholder="请输入英文描述，例如: Cyberpunk street, neon lights, rain...", lines=3 ) # !!! 新增：LoRA风格选择下拉框 !!! lora_dropdown = gr.Dropdown( choices=lora_options, value="None", # 默认值 label="🎨 选择绘画风格 (LoRA)", info="选择不同的LoRA模型来应用特定风格。‘None’代表使用基础Turbo风格。" ) # 原有的生成按钮 generate_btn = gr.Button("🚀 生成图像", variant="primary", size="lg") # 状态信息显示 status_text = gr.Textbox(label="状态", interactive=False) with gr.Column(scale=2): # 图像输出区域 output_image = gr.Image(label="生成的图像", type="pil", height=600) # 将输入控件绑定到生成函数 # 注意：generate_image函数现在接收两个参数 generate_btn.click( fn=generate_image, inputs=[prompt_box, lora_dropdown], # 传入提示词和LoRA选择 outputs=[output_image, status_text] ) # 可以加一些示例 gr.Examples( examples=[ ["A beautiful fantasy landscape with a crystal clear lake and snow-capped mountains, golden hour, 8k", "None"], ["Portrait of a cyberpunk elf with neon glowing tattoos, intricate details, studio lighting", "cyberpunk_style_lora"], # 假设的LoRA名 ["A cute chibi cat warrior wearing samurai armor, holding a tiny katana, anime style", "chibi_anime_lora"], ], inputs=[prompt_box, lora_dropdown], label="试试这些例子" ) return demo if __name__ == "__main__": # 初始化你的模型管道... # pipe = init_pipeline() # 创建并启动UI demo = create_ui() demo.launch(server_name="0.0.0.0", server_port=7860, share=False)

4.3 如何使用这个增强版界面

1. 准备LoRA模型：将你收集或训练的.safetensors格式的LoRA文件，放入项目根目录下的loras文件夹。例如，你有一个画二次元风格的LoRA，文件名为anime_style_v1.safetensors，就把它放进去。
2. 运行程序：执行python webui.py（这是你修改后的文件）。
3. 打开界面：浏览器访问http://127.0.0.1:7860。
4. 选择风格：你会看到界面上多了一个“选择绘画风格 (LoRA)”的下拉菜单。里面会自动列出loras文件夹里所有模型的名字（去掉后缀）。比如会有anime_style_v1这个选项。
5. 输入并生成：输入你的描述词，从下拉菜单选择anime_style_v1，点击生成。等待几秒，你就能得到一张具有二次元风格的图片了！如果想换回原来的Turbo风格，选择“None”即可。

5. 效果展示与场景应用

通过这个简单的改造，你的WuliArt Qwen-Image Turbo就从一台“固定风格的快速绘画机”，变成了一个“多风格画廊”。

应用场景一下子拓宽了：

• 个人创作：你可以为不同的系列作品准备不同的LoRA。画科幻小说配图用一个LoRA，画儿童绘本插图换另一个。
• 内容运营：社交媒体小编需要不同风格的配图。科技类文章用赛博朋克风格LoRA，节日海报用喜庆风格LoRA，一键切换，效率倍增。
• 风格测试：下载多个社区训练的LoRA（如特定画家风格、特定游戏风格），在同一个基础模型上快速对比测试，找到最适合当前项目的那个。
• 客户演示：向客户展示你们的AI绘画能力时，可以实时切换多种风格，让客户直观感受技术的灵活性和多样性。

这个自定义UI的核心价值在于，它将技术的灵活性，通过一个极其简单的下拉菜单，直接交到了用户手中。用户无需关心LoRA的路径、加载命令，只需点选，即可享受风格定制的乐趣。

6. 总结

通过这次对WuliArt Qwen-Image Turbo项目的Gradio UI改造，我们实现了一个非常实用功能——动态LoRA风格选择器。整个过程清晰地展示了：

1. 思路拆解：将需求分解为“扫描目录”、“动态加载”、“界面集成”三个可执行的步骤。
2. 代码实现：使用os模块管理文件，用Gradio的Dropdown组件创建交互，并修改生成函数逻辑以支持动态参数。
3. 效果提升：一个小小的改动，极大地提升了工具的可扩展性和用户体验，让一个高性能的本地文生图工具变得更加个性化和强大。

这个案例也说明，优秀的开源项目往往提供了良好的基础，而我们完全可以根据自己的需求，在其之上进行“微创新”。动手改造的过程，也是深入学习项目架构和AI应用部署的过程。

希望这个实例能给你带来启发。不妨现在就动手，为你自己的AI绘画工具，添加一个专属的风格开关吧！

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。