QwenLM/Qwen-Image-2.1

Qwen‑Image‑2.1 – 开源文本到图像与图像编辑模型

它是什么 – 一个 7B 参数的扩散模型（DiT 风格），既可以从文本提示生成图像，也可以编辑现有图像，包括透明（RGBA）输出。它是 Qwen 家族的一部分，并以开源许可证发布。

主要优势

• 紧凑且快速 – 混合粒度注意力和前缀 KV 缓存重用，以低计算量获得良好的视觉质量。Turbo 变体仅需 8 步去噪即可运行。
• 统一的生成与编辑 – 同一模型处理纯文本到图像、透明图层创建、逐层编辑和主体提取。
• 丰富的编辑界面 – 接受多达 10 张参考图像、局部编辑掩码（圆形、手绘笔触、外部掩码），并保持人物/产品的身份。
• 更好的美学 – 在排版、光照和细节渲染方面有所改进。

如何尝试

# 安装所需库
pip install "torch>=2.4.0" "transformers>=5.17" \
    git+https://github.com/huggingface/diffusers accelerate pillow

import torch
from diffusers import QwenImage21Pipeline

# 标准模型（高质量，更多步骤）
pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
).to("cuda")

# Turbo 模型（8 步快速生成/编辑）
pipe_turbo = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")

README 中包含一个完整示例，使用 Turbo 检查点将摩托艇草图转换为逼真渲染。

生态系统支持 – 提供 Day‑0 集成：

• 🤗 Diffusers（QwenImage21Pipeline）
• ComfyUI（权重位于 Comfy-Org/Qwen-Image-2.1，附带现成的工作流 JSON）
• vLLM‑Omni、SGLang、LightX2V 和 OpenVINO，用于高性能推理、KV 缓存、CUDA 图执行、FP8 量化和多 GPU 并行。

托管服务 – 阿里云百炼提供付费的 Pro 和 Turbo API，无需本地运行模型即可轻松集成。

典型用例

• 快速创建具有自定义排版和布局的营销或教育图形。
• 编辑产品照片（更改颜色、添加/删除对象），同时保持原始身份。
• 直接从提示生成透明资产（图标、UI 元素）。
• 为下游流程进行批量风格迁移或主体提取。

更多信息

• 模型卡和权重：HuggingFace / ModelScope
• 博客公告：https://qwen.ai/blog?id=qwen-image-2.1
• 演示空间：https://huggingface.co/spaces/Qwen/Qwen-Image-2.1
• 社区：README 中的 Discord 链接，以及微信二维码。

---

所有细节均直接取自仓库的 README；未推断任何额外功能。