小紅書開源修圖模型 FireRed 1.1：保臉保穿著，還能復刻海報字型

FireRed-Image-Edit 1.1 是小紅書開源的語義修圖模型，讓你用自然語言就能對照片做外科手術級別的修改。

它的前代 1.0 表現已經相當不錯，這次升級最大的殺手鐧是角色身份保持。換句話說，你在改背景、換姿勢甚至大幅度重構畫面時，人物的臉部和穿著都能被牢牢鎖住，連嬰兒換姿勢這種高難度場景也能保住面部特徵。

它能做什麼

你可以把它當成一個懂審美的 AI 修圖搭子。只要輸入文字提示，它就能完成區域性精修。

最實用的一項能力是多參考圖換裝和融合。它支援同時餵給模型多張素材圖，系統自帶的智慧 Agent 會自動處理裁剪和拼接。不管是給模特換上一件帶複雜花紋的裙子，還是渲染一雙細節拉滿的鞋子，質感都相當自然，體驗上很接近商業級的 Nano Banana。

除了常規的專業人像美妝和老照片修復，它還有一個非常有意思的玩法：復刻字型風格。如果你手頭有一張人物照，再給一張海報作為參考，模型可以直接學習海報裡的特定字型樣式，把它精準遷移到新圖上做封面設計。

在 benchmark 評測裡，FireRed 1.1 超過了 Qwen ImageEdit 和 Longcat Image Edit 等開源競品，部分測試指標甚至超過了 Nano Banana Pro。

怎麼跑起來

目前小紅書已經公開了程式碼、模型權重、技術報告以及完整的 LoRA 訓練程式碼，整體架構也是骨幹網路無關的，方便遷移到其他文生圖底模上。

不過，它的全量模型檔案接近 60GB，對普通消費級顯示卡來說門檻非常高。好在官方考慮到了落地問題，集成了模型蒸餾、量化和靜態編譯方案。在量化狀態下，視訊記憶體需求可以壓到 30GB 左右，端到端生成時間大概在 4.5 秒。

對於創作者和本地玩家來說，更省心的是它原生提供了 ComfyUI 節點支援與 GGUF 格式檔案，不需要自己手搓推理指令碼。

為什麼重要

對於做電商設計、自媒體封面的創作者來說，FireRed 1.1 真正解決了過去開源工具「改了背景就換了張臉」的痛點，把複雜換裝和海報排版的門檻直接拉低到了打字級別。

我們認為它的價值在於填補了高質量開源指令修圖的空白。過去想要 Nano Banana 級別的可控性只能靠閉源 API，現在本地工作流也能實現相當接近的效果。唯一的障礙依然是硬體，30GB 的量化視訊記憶體對多數個人電腦來說依然偏重，等社群進一步推出更小尺寸的極限裁剪版，它才有機會在個人開發者之間徹底普及開來。