Qwen Image 2.1
画像を生成し、編集する。
透明なレイヤーも生成。
文章と参照画像を一つのモデルに入力し、複数画像の合成、部分的な変更、透過PNGの生成を行います。人物の特徴や商品の細部の保持を重視しています。
重み公開 · 研究用ライセンス · 商用利用は別途許可が必要
- 画像生成部分
- 7Bパラメータ
- 参照画像
- 10枚まで
- ネイティブ透過
- RGBA4チャンネル
- ネイティブ解像度
- 2K公式対応
デモ
Qwen Image 2.1をここで試す
下の埋め込みデモで、ページを移動せずに画像生成や参照画像の編集を試せます。
デモはQwenのHugging Face Spaceが提供しています。入力と生成は同サービスが処理し、デモの表示言語、待ち時間、稼働状況も同サービスに依存します。
主な機能
参照画像から、編集に使える素材へ
掲載画像はQwenの公式作例です。画像を選ぶと細部を拡大できます。
透過PNGを直接生成
アルファチャンネル付き画像を生成し、透明レイヤーの編集や写真からの被写体抽出にも対応します。ステッカー、キャラクター、デザイン素材を別の背景に重ねられます。
透明度はモデルが生成します。プレビューの背景を切り替えて、透明部分や輪郭を確認してください。白い背景は透明な背景とは異なります。
公式の透過画像作例
複数の参照画像を一つの場面に
人物、物、背景などを最大10枚の画像で指定できます。入力順に各画像の役割や関係を説明します。
公式作例：6枚の人物写真から1枚の集合写真へ
範囲を指定して必要な部分を編集
円、描き込み、別のマスクで範囲を選び、変更内容を言葉で指定します。髪色、服装、個別の物体の調整に使えます。
変更する部分と保持する部分を両方明示しましょう。単に「画像を改善して」と書くより、編集範囲を伝えやすくなります。
公式作例：時計を除去し、髪色と服装を変更
商品を保ちながら場面を変える
元の商品を参照して、配置、構図、照明を調整します。商品画像として使用する前に、ロゴ、包装の文字、形状を確認してください。
公式作例：手持ちの商品を窓辺のテーブルに配置
人物の特徴を保ち、姿勢や構図を変更
ポートレートを参照して、画角、服装、ポーズを変えます。人物の保持は重点機能ですが、すべての結果で完全な一致を保証するものではありません。
公式作例：顔の近景から屋外の全身写真へ
文字と画像を一つのレイアウトに
Qwen-Imageシリーズの文字描画を引き継ぎ、ポスター、図解、インフォグラフィックに利用できます。公式作例では、中国語の文章、建築図、多領域のレイアウトを組み合わせています。
正確な情報を伝える場合は全文を指定し、生成後の誤字、数値、注記を確認してください。
公式の文字描画作例画像の出典： Qwen Image 2.1公式作例. 作例は機能を示すもので、結果は入力によって異なります。
仕様と構造
7Bは画像生成部分の規模であり、全体の規模ではありません
文章、参照画像、透明度を同じ生成パイプラインで処理します。
| 項目 | 確認済みの情報 | 利用時の意味 |
|---|---|---|
| 画像生成部分 | 約7B・32層 | 単一ストリームのブロック因果型DiT。7Bに全パイプラインは含まれません。 |
| 視覚・文章エンコーダー | Qwen3-VL | 文章の指示と参照画像を共同で符号化します。 |
| 画像オートエンコーダー | 64チャンネルRGBA VAE | 空間圧縮率16倍。透明度をネイティブに扱います。 |
| 参照画像 | 最大10枚 | 入力順が画像1、画像2などの指定に対応します。 |
| 解像度 | ネイティブ2K | 公式推奨に2048 × 2048を含みます。Diffusersの初期目標辺長は1024です。 |
| ステップ数 / CFG | 40ステップ / 1.0 | Diffusersの初期値。ネガティブプロンプトには1を超えるCFGが必要です。 |
| プレフィックスKVキャッシュ | 初期状態で有効 | 文章と参照画像のK/Vをノイズ除去の各段階で再利用します。 |
| 重みのライセンス | 研究用ライセンス | 商用利用には別途許可が必要です。 |
2026-09-20確認。ネイティブ2K対応と、各ツールの初期出力サイズは別です。仕様と推論の初期値： 公式リポジトリ · Diffusersドキュメント
実行方法
利用目的に合う実行方法を選ぶ
まず初期設定で結果を確認し、ステップ数、解像度、メモリ管理を調整します。
埋め込みデモ
上のデモで参照画像の保持や透明度を試せます。処理と待機列はQwenのHugging Face Spaceが管理します。
ComfyUIワークフロー
ComfyUIを更新し、対応するモデルを入手して、公式の画像生成・編集ワークフローを読み込みます。
Python / Diffusers
同じパイプラインで生成と編集を実行できます。バッチ処理、パラメータ検証、既存処理への統合に向いています。
Diffusersの最小実行例画像生成＋複数参照による編集コードを閉じる
対応するPyTorch / CUDA環境と、QwenImage21Pipelineを含むDiffusersのmainブランチが必要です。この例はCPUオフロードを使いますが、十分なRAMとGPUメモリが必要です。 公式のインストール手順
import torch
from PIL import Image
from diffusers import QwenImage21Pipeline
pipe = QwenImage21Pipeline.from_pretrained(
"Qwen/Qwen-Image-2.1", dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()
# 実装ごとの初期値の違いを避けるため、サイズを明示する
result = pipe(
prompt="宇宙飛行士のヘルメットをかぶったカピバラ、水彩イラスト",
width=1024, height=1024,
num_inference_steps=40,
true_cfg_scale=1.0,
).images[0]
result.save("result.png")
# 参照の順番を画像リストの順番に合わせる
edited = pipe(
prompt="画像1の花を画像2の場面に配置し、画像2の照明を維持してください。",
image=[Image.open("flowers.png"), Image.open("scene.png")],
num_inference_steps=40,
true_cfg_scale=1.0,
).images[0]
edited.save("edited.png")ネガティブプロンプトにはtrue_cfg_scale > 1が必要です。Flex Attentionではモデルをコンパイルしてください。最初は標準の注意機構で試せます。
指示は具体的に
以下はImage Toolkitが作成したテンプレートで、公式作例に使われた元のプロンプトではありません。
透過ステッカー
宇宙飛行士のヘルメットをかぶったカピバラの全身ステッカー。輪郭を明確にし、アルファチャンネル付きRGBAで背景を完全に透明にしてください。床、風景、背景の影を含めないでください。
商品の背景変更
画像1の商品を画像2のテーブルに置き、画像2の光の方向に合わせてください。商品の形、色、ロゴ、包装の文字を保持し、周囲の環境だけを変更してください。
複数画像でコーディネート
画像1の人物に画像2の上着と画像3の靴を着用させ、画像4のバッグを持たせてください。顔の特徴、服や靴、バッグの色とデザインを保持し、全身写真にしてください。
よくある質問
実行前に確認したいこと
設定、出力、利用条件の違いを把握しましょう。
このページで画像を生成できますか？
はい。上のQwen Hugging Face Spaceを埋め込んだデモで試せます。入力と生成は同サービスが処理し、表示言語と稼働状況も同サービスに依存します。Image Toolkitがモデル推論を実行するものではありません。
7BならGPUメモリは14GBだけで足りますか？
いいえ。7Bは画像生成部分のみです。Qwen3-VL、RGBA VAE、中間データも必要です。使用量は精度、解像度、参照数、オフロードで変わります。CPUオフロードはRAM消費と待ち時間も増やします。
透過画像と白背景の画像はどう違いますか？
透過画像にはアルファチャンネルがあり、別の背景に重ねられます。白い背景は不透明な画素です。RGBAと透明背景を指定し、PNGで保存してください。3つの作例は元のアルファチャンネルを保持しています。
初期出力は1024ですか、2048ですか？
公式リポジトリではネイティブ2Kと2048 × 2048などを案内しています。確認時点のDiffusersはoutput_resolution=1024が初期値でした。widthとheightを明示して、能力と初期設定を区別してください。
有料サービスにそのまま使えますか？
Qwen Research License Agreement第2条は非商用の研究・評価に限定しています。商用はmodel-business@notice.qwencloud.comにライセンスを申請し、正式な契約と取得した許可に従ってください。
10〜15ステップや7GB VRAMは推奨設定ですか？
いいえ。初期のコミュニティ検証はDiffusersの標準40ステップを置き換えるものではありません。低メモリ設定にはオフロードやタイル復号などが必要です。自分の画像で最大メモリ、時間、細部の変化を測定してください。