效果非常不错!阿里昨开源图形海报生成模型Qwen-Image

作者


模型介绍

我们隆重推出Qwen-Image——基于20B参数MMDiT架构的多模态图像基础模型，在复杂文本渲染和精确图像编辑方面实现重大突破。实验表明，该模型在图像生成与编辑任务中均展现出卓越的通用能力，尤其在中文文本渲染方面表现优异。


快速开始

  1. 确保安装transformers>=4.51.3（支持Qwen2.5-VL架构）

  2. 安装最新版diffusers

ounter(linepip install git+https://github.com/huggingface/diffusers

以下代码示例展示如何基于文本提示生成图像：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(linefrom diffusers import DiffusionPipelineimport torch
model_name = "Qwen/Qwen-Image"
# 初始化生成管道if torch.cuda.is_available():    torch_dtype = torch.bfloat16    device = "cuda"else:    torch_dtype = torch.float32    device = "cpu"
pipe = DiffusionPipeline.from_pretrained(model_name, torch_dtype=torch_dtype)pipe = pipe.to(device)
positive_magic = {    "en": "Ultra HD, 4K, cinematic composition.", # 英文提示增强    "zh": "超清，4K，电影级构图" # 中文提示增强}
# 生成图像示例prompt = '''咖啡店门口放置着黑板招牌，上面写着"Qwen咖啡 😊 每杯2美元"，旁边霓虹灯显示"通义千问"。招牌下方张贴着中国美女海报，海报底部标注"π≈3.1415926-53589793-23846264-33832795-02384197"。'''
negative_prompt = " " # 若无负面提示需求建议保留空格
# 支持多种宽高比aspect_ratios = {    "1:1": (1328, 1328),    "16:9": (1664, 928),    "9:16": (928, 1664),    "4:3": (1472, 1104),    "3:4": (1104, 1472),    "3:2": (1584, 1056),    "2:3": (1056, 1584),}
width, height = aspect_ratios["16:9"]
image = pipe(    prompt=prompt + positive_magic["zh"],    negative_prompt=negative_prompt,    width=width,    height=height,    num_inference_steps=50,    true_cfg_scale=4.0,    generator=torch.Generator(device="cuda").manual_seed(42)).images[0]
image.save("示例图片.png")

核心能力展示

高保真文本渲染

Qwen-Image在多样化图像中实现高精度文本渲染，无论是字母文字（如英文）还是表意文字（如中文），都能完美保留字体细节、版式协调与场景融合。文本不再是简单叠加，而是与视觉元素有机统一。

多风格图像生成

除文本外，Qwen-Image支持广泛艺术风格的图像生成。从照片级写实场景到印象派绘画，从动漫美学到极简设计，模型能流畅适应各类创意提示，成为艺术家、设计师和内容创作者的理想工具。


智能图像编辑

Qwen-Image提供超越常规的编辑能力，支持风格迁移、对象插入/移除、细节增强、图像内文本修改甚至人体姿态调整等高级操作。通过直观输入即可获得专业级输出，让复杂编辑触手可及。


深度视觉理解

模型具备图像理解能力，包括目标检测、语义分割、深度/Canny边缘估计、新视角合成和超分辨率等。这些技术本质上都是基于深度视觉认知的智能编辑形式。


高级功能

提示词增强

推荐使用Qwen-Plus驱动的官方提示词优化工具：

Python集成方式：

ounter(lineounter(linefrom tools.prompt_utils import rewriteprompt = rewrite(prompt)

命令行调用方式：

ounter(lineounter(linecd srcDASHSCOPE_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx python examples/generate_w_prompt_enhance.py

模型部署

多GPU API服务

启动基于Gradio的Web服务，支持：

  • 多GPU并行处理
  • 高并发任务队列
  • 自动提示词优化
  • 多比例支持

环境变量配置：

ounter(lineounter(lineounter(lineexport NUM_GPUS_TO_USE=4          # 使用GPU数量export TASK_QUEUE_SIZE=100        # 任务队列容量export TASK_TIMEOUT=300           # 任务超时时间(秒)

启动命令：

ounter(lineounter(linecd srcDASHSCOPE_API_KEY=sk-xxxxxxxxxxxxxxxxx python examples/demo.py 

项目地址

Hugging Face：https://huggingface.co/Qwen/Qwen-Image ModelScope：https://modelscope.cn/models/Qwen/Qwen-Image Github：https://github.com/QwenLM/Qwen-Image




扫码加入技术交流群，备注「开发语言-城市-昵称」

（文：GitHubStore）

发表评论