Boogu-Image-0.1 ComfyUI Tutorial — Base, Turbo & Edit Walkthrough

Boo-Goo Image 0.1 是近期推出的開源圖像生成模型，採用 Apache 2.0 授權允許商業使用。該模型共有三個變體設計，分別針對不同應用場景。Base 模型專注高質量文本轉圖像生成，Turbo 變體透過 DMD 蒸餾技術實現了極速推理，在 NVIDIA H100 上可在 1 秒內完成圖像生成，而 Edit 變體則特別針對圖像編輯任務，支持用自然語言對現有圖像進行修改。

該模型的核心競爭力在於其參數效率。僅 10 億參數的規模卻在 Quen Image 基準測試中獲得 53.58 的得分，這個成績超越了擁有 20 億參數的 Quen Image 2 和 80 億參數的 Hanyuan Image 3.0 模型。這種參數量與性能的倒掛歸功於其採用的統一多模態框架，該框架使得模型能夠在同一管道內理解和生成圖像，從而實現更好的提示詞對齊、更協調的圖像合成，以及開箱即用的中英文雙語文字渲染能力。Turbo 變體更是只需 4 步採樣就能生成圖像，甚至可在消費級硬體上實現接近實時的生成速度。

在實測中，Base 模型在各項指標上都表現出色。其採樣步數通常在 30-50 步範圍內（ComfyUI 環境下可從 20-30 步開始），生成的圖像在細節上更加自然精緻。與之相比，Turbo 模型雖然速度快得驚人，但在某些方面有權衡。例如在多人物場景生成中，Base 模型能夠準確理解「多樣化的一群朋友」的描述，生成包含不同種族的人物，而 Turbo 模型則傾向生成單一種族。在文字海報生成中，Base 模型的文字準確度接近完美，而 Turbo 模型容易出現錯別字和拼寫混亂。對於需要多次採樣的工作流，可以採用雙步傳遞策略：第一步用 Base 或 Turbo 進行文本轉圖像，第二步進行圖像轉圖像細化，透過控制降噪值在 0.5 以下來進行溫和的細節增強。

Edit 變體展現了令人印象深刻的圖像編輯能力。它能夠自動保留非目標區域，精準保留原圖的紋理、圖案和光影細節。在移除夾克、新增人物、改變服裝等編輯任務中，該模型展現出與原圖高度一致的紋理和樣式延續性。相比之下，競品 Quen Image Edit 在處理複雜紋理（如街道混凝土、牆面磚塊紋理）時容易喪失細節。使用 Edit 模型時，使用者既可以透過文本提示新增元素，也可以用參考圖像進行指導。該模型特別擅長處理服飾和配件的編輯，同時能在多元素編輯中保持背景的紋理完整性，這對於需要保留原圖高保真細節的創意工作流而言是個顯著優勢。