Qwen 开源 Qwen-Image-2.1 统一文生图与图像编辑模型

🤖 ModelScope | 🤗 HuggingFace | 📑 博客 | 🖥️ 演示 | 🫨 Discord | 💬 微信

简介

我们很高兴开源 Qwen-Image-2.1，这是 Qwen 家族中统一的文生图生成与图像编辑模型。其视觉生成组件仅拥有 7B 参数（32 个 Single-Stream DiT 层），Qwen-Image-2.1 在生成质量、推理效率与多功能性之间取得了平衡。

本次发布包含四项关键改进：

紧凑高效 — 采用混合粒度注意力和前缀 KV 缓存复用的轻量架构，以较低的计算成本实现出色的图像质量。
原生透明，统一创作与编辑 — 从文本生成普通或透明（RGBA）图像、编辑透明图层，以及从照片中提取主体——全部在一个模型中完成。
多样化编辑 — 支持最多 10 张参考图像，可通过圆圈、涂绘标注或独立蒙版指定局部编辑，并保持人物和产品的身份一致性。
逼真质感与精致美学 — 改进的排版、人像光照和精细细节，带来更具视觉吸引力的结果。

更多详情，请参阅 GitHub 仓库和博客。

快速开始

安装

pip install torch>=2.4.0
pip install transformers>=5.17
pip install git+https://github.com/huggingface/diffusers
pip install accelerate pillow

文生图

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
).to("cuda")

image = pipe(
    prompt="A neon shop sign that reads \"QWEN IMAGE 2.1\", rainy night, reflections on wet pavement",
    width=2048, height=2048,
    num_inference_steps=40,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]

image.save("t2i_example.png")

图像编辑

import torch
from PIL import Image
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
).to("cuda")

input_image = Image.open("input.png")

image = pipe(
    prompt="Change the background to a sunset beach",
    image=input_image,
    num_inference_steps=40,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]

image.save("edit_example.png")

透明图像生成（RGBA）

透明图像请使用推荐的提示词格式：

image = pipe(
    prompt="This is an RGBA image with transparency. A cute cartoon dragon sticker. The image has alpha channel and the background is transparent.",
    width=2048, height=2048,
    num_inference_steps=40,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]

image.save("transparent_example.png")

支持的宽高比

aspect_ratios = {
    "1:1":  (2048, 2048),
    "4:3":  (2400, 1792),
    "3:4":  (1792, 2400),
    "3:2":  (2528, 1696),
    "2:3":  (1696, 2528),
    "16:9": (2752, 1536),
    "9:16": (1536, 2752),
}

内存优化

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()

展示

原生透明图像生成

基于六张人像参考图生成的合影

文字渲染

许可证

本模型依据 Qwen 研究许可证协议授权。

反馈

使用 Qwen-Image-2.1 时遇到问题？我们的官方反馈表单可将您直接与 Qwen Image 研究团队联系起来。分享您的提示词、图像或工作流，帮助我们调查和改进。

提交反馈 →