Qwen-Image-2.1 开源图像生成与编辑模型
阿里云通义千问团队开源，官方称 Qwen-Image-2.1 是 Qwen 系列中统一的文本生图与图像编辑模型：其视觉生成组件仅 7B 参数（32 层单流 DiT），在生成质量、推理效率与多用途之间取得平衡；它支持原生透明（RGBA）生成与编辑、可从照片中抽取主体、支持最多 10 张参考图与局部编辑，并改进排版、人像打光与细节，可在 Hugging Face 下载并配合 diffusers 的 QwenImage21Pipeline 使用
工具概览
功能、使用步骤与常见问题见下方
功能特点
- ✓ 紧凑高效：官方称 Qwen-Image-2.1 视觉生成组件仅 7B 参数、由 32 层单流 DiT 组成，采用混合粒度注意力与前缀 KV 缓存复用，在较低算力成本下提供强图像质量
- ✓ 原生透明与统一创作编辑：官方称可从文本生成普通或透明（RGBA）图像、编辑透明图层，并从照片中抽取主体，全部由同一个模型完成
- ✓ 多用途编辑：官方称支持最多 10 张参考图，可通过圆圈、涂画标注或独立蒙版指定局部编辑，并保持人物与产品的身份一致性
- ✓ 逼真质感与精致美学：官方称改进排版、人像打光与细节，带来更具视觉吸引力的结果；支持 1:1、4:3、3:4、3:2、2:3、16:9、9:16 等多种长宽比，最高可到 2048 像素级别
- ✓ 开源与生态：官方称模型在 Hugging Face 与 ModelScope 开放权重（Qwen Research 许可），提供 Hugging Face Space 演示，并可通过 diffusers 的 QwenImage21Pipeline 或支持 CPU offload 的内存优化方式在本地运行
使用步骤
- 在 Hugging Face 或 ModelScope 下载 Qwen-Image-2.1 权重，并按官方说明安装 torch、transformers、diffusers 与 accelerate 等依赖
- 使用 diffusers 的 QwenImage21Pipeline 载入模型，编写提示词并设置尺寸与采样步数生成图像
- 做编辑时传入输入图像与编辑指令（例如更换背景），或按官方推荐的 RGBA 提示词格式生成透明背景图像
- 显存有限时可启用 enable_model_cpu_offload 等内存优化，或直接使用 Hugging Face Space 在线演示体验
常见问题
Qwen-Image-2.1 是什么？
官方称 Qwen-Image-2.1 是 Qwen 系列中统一的文本生图与图像编辑模型，视觉生成组件仅 7B 参数（32 层单流 DiT），在生成质量、推理效率与多用途之间取得平衡。
它有哪些关键改进？
官方称有四项关键改进：紧凑高效、原生透明与统一创作编辑、多用途编辑（支持最多 10 张参考图与局部编辑）以及更逼真的质感与精致的排版与人像打光。
它能生成透明背景的图片吗？
官方称可以。Qwen-Image-2.1 支持从文本生成透明（RGBA）图像、编辑透明图层，并能从照片中抽取主体；官方还给出推荐的 RGBA 提示词格式以获得透明背景。
如何使用这个模型？
官方称可在 Hugging Face 与 ModelScope 下载权重，并配合 diffusers 的 QwenImage21Pipeline 运行文本生图、图像编辑与透明图像生成；也可使用官方 Hugging Face Space 演示，显存有限时启用 CPU offload 等优化。
它的许可与尺寸支持如何？
官方称模型依 Qwen Research 许可发布，支持 1:1、4:3、3:4、3:2、2:3、16:9、9:16 等长宽比，分辨率最高可到 2048 像素级别。