Qwen-Image-2.1 – 轻量开源图像生成模型

Qwen-Image-2.1 是千问推出的新一代开源图像生成模型，把文生图和图像编辑整合到一套模型管线内，视觉生成模块参数规模 7B，原生支持 RGBA 透明通道图像输出。模型原生输出最高 2K 分辨率画面，单次任务可加载十张参考素材，搭配局部蒙版划定修改区域，不用切换不同工具完成绘图、修图、抠图等操作。轻量化结构降低硬件运行门槛，文字渲染、人像光影、物体纹理的呈现效果得到优化，普通消费级显卡也能完成本地部署推理，为 AI 图像创作提供新的开源选择。

Qwen-Image-2.1特点

模型体量精简，计算资源消耗更低，运行时显存占用控制更友好。

透明通道作为原生输出能力，生成贴纸、素材、产品图时直接带出 Alpha 通道，省去后期手动抠图步骤。

多参考图输入能力支持同时读取多张素材，参考内容里的人物五官、商品外形、设计元素可以稳定保留。

画面细节处理能力升级，生成文字乱码、五官扭曲这类问题出现概率下降，光影过渡自然，材质质感更贴近实拍效果。

整套能力封装在同一个权重文件，生成和编辑任务共用一套模型，不用下载多个独立模型切换调用。

Qwen-Image-2.1技术原理

底层架构采用 32 层 Single-Stream DiT 单流扩散 Transformer 结构，搭配混合粒度注意力机制处理文本和图像两类信息。

文本指令、参考图描述走 Token 级掩码运算，图像生成阶段切换为分块掩码，配合 KV 缓存复用方案，编辑任务里重复的参考素材只做一次编码缓存。

文本编码器采用 Qwen3-VL 8B，文字提示词被转成向量嵌入送入扩散模块，经过多轮降噪迭代还原像素信息。

蒙版信息单独编码，用来约束修改范围，非指定区域像素保持原有状态。

输出分支增加 Alpha 通道预测头，同步生成色彩信息与透明度数据，直接输出 RGBA 格式文件。

Qwen-Image-2.1项目地址

• 项目官网：https://qwen.ai/blog?id=qwen-image-2.1
• GitHub仓库：https://github.com/QwenLM/Qwen-Image-2.1

Qwen-Image-2.1功能

输入文字描述直接生成 RGB 普通图片，增加关键词即可输出带透明背景的 RGBA 图片。

上传原图搭配蒙版，圈选画面局部区域执行修改，其余画面内容保持不变。

上传多张参考图，提取参考里的造型、配色、构图，融合到新生成作品。

自动从实拍照片里分离主体，输出带透明通道的抠图素材。

修改透明图层内的元素，调整图案、文字、配色，透明度属性不会丢失。

批量生成图标、装饰素材、商品效果图，适配不同尺寸画布输出。

Qwen-Image-2.1应用场景

电商行业制作商品白底图、透明素材图，快速产出主图与装饰贴纸。

平面设计领域生成图标、插画、海报元素，减少素材搜集时间。

室内设计、软装方案制作，上传多张家居参考图快速生成空间效果图。

短视频和自媒体制作封面、贴图、动态素材，透明贴图可直接导入剪辑软件。

游戏开发制作 2D 精灵图、道具素材，直接拿到带透明通道的资源。

人像创作、虚拟形象绘制，依靠参考图维持面部特征稳定，做形象微调与衍生图。

Qwen-Image-2.1如何使用

本地部署需要准备满足显存要求的显卡环境，提前装好 Python、Diffusers 相关依赖库。从模型开源仓库下载权重文件，确认文件完整后载入 QwenImage21Pipeline 管线。

文生图操作：在提示词框填写画面描述，需要透明图就添加 “透明背景，RGBA” 关键词，设置分辨率参数，提交任务等待生成。

多参考编辑操作：上传最多十张参考图，填写编辑指令，绘制或者上传蒙版文件标记需要改动的区域，开启参考保留选项，提交生成。

抠图操作：上传原始图片，提示词写明提取主体、透明背景，不添加额外背景描述，模型输出分离好主体的透明素材。

生成完成后直接保存图片，RGBA 素材选择 PNG 格式存储，JPG 格式不支持透明通道。商用场景需要提前获取官方授权，开源权重仅限研究场景直接使用。

Qwen-Image-2.1同类产品对比

表格