我们很高兴开源 Qwen-Image-2.1,这是通义千问(Qwen)系列中一个统一的文本到图像生成与图像编辑模型。其视觉生成组件仅包含 70 亿参数(32 层单流 DiT),在生成质量、推理效率和多功能性之间取得了良好平衡。 本次发布包含四项关键改进: - 紧凑高效 —— 采用轻量级架构,结合混合粒度注意力机制和前缀 KV 缓存复用,在低计算开销下实现高质量图像生成。
- 原生透明支持,统一生成与编辑 —— 可从文本生成普通或透明(RGBA)图像,编辑透明图层,并从照片中提取主体——全部由单一模型完成。
- 多功能编辑 —— 支持最多 10 张参考图像,可通过圆形、手绘标注或独立蒙版指定局部编辑区域,并保留人物与产品的身份特征。
- 逼真纹理与精细美学 —— 改进字体排印、人像光照和细节表现,生成更具视觉吸引力的结果。
摩搭地址:https://modelscope.cn/models/Qwen/Qwen-Image-2.1
comfyui模型地址:
来自圈子: Comfyui |