Qwen 發布 Qwen-Image-2.1-Turbo 加速版影像生成模型

Qwen 推出加速版影像生成模型 Qwen-Image-2.1-Turbo

Qwen 團隊發布了 Qwen-Image-2.1-Turbo，這是 Qwen-Image-2.1 的加速版本，主要針對文字轉影像生成與影像編輯任務優化。模型沿用相同的 7B 視覺生成架構，使用 8 步去噪。開發者可以透過 Diffusers 套件直接載入權重，不必手動調整排程器設定就能使用。

核心技術與預設參數

Qwen-Image-2.1-Turbo 運作時預設使用 CFG=1，並採用前綴 KV 快取。這項技術會在去噪步驟之間重複使用文字與參考影像的上下文資訊。模型檢查點內建推薦的採樣排程，使用者載入模型後，系統會自動套用，不需額外配置。開發者若想實驗，可以在呼叫時明確指定 sigmas 參數來覆蓋預設排程，不過其他排程方案尚未針對這個檢查點進行評估。

安裝與使用方式

要使用這個模型，開發者需要安裝支援 CUDA 的 PyTorch 版本，再用 pip 安裝最新的 Diffusers 原始碼與相關依賴套件，包括 transformers（版本需大於等於 5.17.0）、accelerate 與 pillow。要注意的是，這個檢查點需要 Diffusers 支援管線配置的採樣 sigmas，該功能已在 PR #14950 中加入。

在文字轉影像的應用範例中，程式碼示範了如何從 Hugging Face 載入模型，並將資料類型設為 torch.bfloat16、裝置設為 cuda。範例中的提示詞描述一張垂直方向的化學學習海報，內容包含詳細的排版、顏色與科學符號描述。範例生成的影像解析度為 1680 × 2512，屬於直向比例。

影像編輯與支援解析度

除了文字生成影像，模型也支援影像編輯。開發者可以重複使用相同的管線，把輸入的機動遊艇草圖轉成寫實照片。編輯提示詞詳細描述了船隻結構、顏色配置、海面環境與光影效果。這個編輯範例使用的解析度為 2048 × 2048，屬於正方形比例。

Qwen-Image-2.1-Turbo 支援與 Qwen-Image-2.1 相同的解析度預設值，涵蓋多種長寬比，具體包括：1:1 為 2048 × 2048；4:3 為 2400 × 1792；3:4 為 1792 × 2400；3:2 為 2528 × 1696；2:3 為 1696 × 2528；16:9 為 2752 × 1536；9:16 為 1536 × 2752。

展示案例與授權資訊

官方展示了這個模型在 8 步輸出下的多種應用成果，類別包括人像攝影、人體姿勢與動態、透明影像生成、排版與海報設計、UI 與資訊佈局、單張影像轉換、多參考影像組合，以及四張影像的室內組合。每個類別各有一個範例，其中單張影像轉換、多參考影像組合與四張影像的室內組合附有輸入與輸出。

模型採用 Qwen Research License Agreement 授權條款。該模型在 Hugging Face 上上個月的下載次數為 2,138 次，有 10 個 Spaces 使用它。使用者若遇到問題，可以透過官方回饋表單直接聯繫 Qwen Image 研究團隊，提供提示詞、影像或工作流程，協助調查與改進。