Qwen 开源 Qwen-Image-2.1：7B 文生图+编辑，支持 RGBA 透明图与 10 张参考图
multimodalart · x · 2026-09-20
阿里 Qwen 团队开源统一文生图与图像编辑模型 Qwen-Image-2.1，视觉生成组件仅 7B 参数（32 层 Single-Stream DiT），在质量、效率与通用性间取得平衡。
四大改进：
- 紧凑高效：混合粒度注意力 + prefix KV cache 复用，低算力下保持画质
- 原生透明图：可直接生成/编辑 RGBA 透明图层、从照片抠主体
- 多样编辑：支持最多 10 张参考图，可通过圆圈、涂画标注或 mask 指定局部编辑，保留人物与产品身份
- 真实质感：改进排版、人像打光与细节
已上架 Diffusers（QwenImage21Pipeline），支持 2048×2048 分辨率生成，采用 qwen-research 许可证，附 HuggingFace/ModelSpace Demo 与博客。
所属事件:阿里开源 Qwen-Image-2.1：7B 统一生图与编辑(36 条相关)→
「多模态」频道最新
- 风格化 3D 角色图集：潮服小孩与丧系青年形象亮相 — OVolosin82152 · 2026-11-12
- AI 生成的 3D 针织质感卡通角色系列展示 — OVolosin82152 · 2026-11-12
- WebGL 交互绘画演示：fable 5.2 配合 fal 做参考图 — OdinLovis · 2026-11-12
- AI 动画「Fable 5.2」第二部分早期截图曝光 — ChrisGPT · 2026-11-12
- Reddit 用户实测 Minimax H3 Image 三大采样器,16MP 高分辨率对比 — Phantom-log-9484 · 2026-11-12
- Nano Banana Pro+Kling+免费口型工具,纯工作流做出整支AI音乐视频 — cocktailpeanut · 2026-11-12