模型详情
模型介绍
中文整理# Qwen-Image-2.1 模型卡片
模型用途
Qwen-Image-2.1 是 Qwen 系列中的统一文生图与图像编辑模型。Qwen-Image-2.1-PE-I2I 是专为 Qwen-Image-2.1 设计的图像编辑提示词重写模型，基于 Qwen3.5-VL 9B 微调而成。
## 主要能力
- *紧凑高效**：轻量级架构，结合混合粒度注意力机制和前缀 KV 缓存重用，在低计算成本下实现高质量图像生成。
- *原生透明与统一创作编辑**：支持从文本生成普通图像或透明图像（RGBA），可编辑透明图层，并从照片中提取主体。
- *多样化编辑**：支持最多 10 张参考图像；可通过圆形、绘制标注或独立蒙版指定局部编辑；可保持人物和产品的身份特征。
- *逼真纹理与精细美学**：改进的字体排版、人像光照和细节表现，生成更具视觉吸引力的结果。
提示词重写模型（PE-I2I）可将模糊的编辑指令与输入图像结合，生成精确、可执行的提示词。
## 输入输出
- *输入**：文本提示词、参考图像（支持多张）
- *输出**：JSON 对象，包含以下字段：
- rewritten prompt：传递给图像编辑模型的扩展提示词
- wh ratio：模型选择的新构图宽高比（如 "16:9"）
- ratio follow：继承自输入图像的宽高比（如 "1:1"）
wh ratio 和 ratio follow 互斥，仅其中一个会包含值。
运行要求
视觉生成组件参数规模：7B（32 层 Single-Stream DiT）
提示词重写模型：Qwen3.5-VL 9B 微调版本
基本用法
支持 Transformers 和 Diffusers 框架集成使用。
许可证
本模型基于 Qwen 研究许可协议授权。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。