Qwen-Image-2.1: şəkil yaratma və redaktəni birləşdirən 7B kompakt model

Kompakt 7B arxitekturası

Qwen, keyfiyyəti, çıxarış səmərəliliyini və xərci balanslaşdırdığını bildirdiyi Qwen-Image-2.1-i açıq mənbə kimi yayımlayıb. Bu buraxılış mətndən şəkil yaratma ilə şəkil redaktəsini vahid modeldə birləşdirir; modelin vizual generasiya komponenti 7B parametrdən ibarətdir və şəffaf şəkilləri doğma şəkildə dəstəkləyir.

Komponent 32 Single-Stream DiT qatından ibarətdir. Qwen bildirir ki, kompakt ölçü generasiya keyfiyyətindən güzəşt etmir, çıxarış səmərəliliyi isə çoxsaylı giriş şəkilləri ilə redaktə zamanı xüsusi diqqət mərkəzində olub. Buna qarışıq dənəlilikli diqqət arxitekturası imkan verir: sistem prefiksi və redaktə təlimatları daxil olmaqla mətn token səviyyəsində kauzal maskadan, şəkil generasiyası isə blok səviyyəsində maskadan istifadə edir. KV keşinin təkrar istifadəsi giriş şəkillərini və redaktə təlimatlarını statik kontekstə çevirir: onlar ilk addımda hesablanıb keşlənir, bu da çıxarışı sürətləndirir və yaddaş sərfini azaldır.

Vahid modeldə şəffaflıq

2025-ci ilin dekabrında təqdim edilən Qwen-Image-Layered şəffaf şəkil generasiyası üçün ayrıca model idi. Qwen-Image-2.1 bu qabiliyyəti vahid modelə daxil edir və prompt əsasında çıxışın adi şəkil, yoxsa şəffaflıq kanalı olan şəkil olacağını müəyyən edir. Generasiya və redaktə birləşdiyi üçün şəffaf şəkilləri birbaşa redaktə etmək mümkündür — məsələn, personajın ifadəsini dəyişərkən şəffaf fonu saxlamaq. Bu imkan fotoşəkillərə də aiddir: model RGB şəkildən istənilən obyekti RGBA qatı kimi ayıra bilir və bu, elementlərin dizayn və kompozisiyada təkrar istifadəsini asanlaşdırır.

10-a qədər referans şəkillə redaktə

Qwen redaktədə dörd təkmilləşdirmə sadalayır: çoxsaylı referanslar, yerli redaktə, sədaqət və tapşırıq əhatəsi. Model 10-a qədər referans şəkil qəbul edir və ayrı-ayrı personajlarla elementləri bir kompozisiyada birləşdirə bilir: altı portret bir qrup fotoşəklində, beş referansdan bir geyim, on mebel şəklindən bir otaq düzümü.

Yerli düzəlişlər dairələr, boyalı işarələr və ya ayrı maska ilə göstərilir; giriş şəklini olduğu kimi saxlamaq üçün orijinal ilə maskanı iki ayrı giriş kimi də vermək olar. Sədaqət işi portret kimliyi və məhsul ardıcıllığına yönəlib: üz cizgiləri redaktələr arasında daha sabit qalır, məhsulun mətni, toxuması və forması qorunur. Tapşırıqlar arasında selfidən yaradılan panoramlar, model fotoşəklindən genişləndirilən infografikalar və üç görünüşlü personaj referansından qurulan storyboard-lar var.

Buraxılış həmçinin tipoqrafiya və portret renderini yaxşılaşdırır: mətn çıxarılarkən şrift üslubları və düzüm nəzərə alınır. Qwen-Image-2.1 GitHub, Hugging Face və ModelScope üzərində əlçatandır; komanda onu dizayn, kontent istehsalı, e-ticarət və vizual hekayəçilik üçün praktik alət kimi təqdim edir.