Qwen-Image-2.1، مدل جدید تیم Qwen علی‌بابا، در ۲۰ سپتامبر ۲۰۲۶ منتشر شد. این مدل تولید تصویر از متن و ویرایش تصاویر را در یک ساختار مشترک ارائه می‌کند. وزن‌های مدل در دسترس قرار گرفته‌اند و قابلیت‌هایی مانند خروجی 2K، ساخت تصاویر شفاف و استفاده از چند تصویر مرجع، محور اصلی این نسخه هستند.
قابلیت‌های Qwen-Image-2.1 برای تولید و ویرایش تصویر
طبق معرفی رسمی، بخش تولید تصویر این مدل حدود ۷ میلیارد پارامتر دارد. کاربر می‌تواند ابتدا تصویر را با توضیح متنی بسازد و سپس با همان مدل، تغییرات موردنظر را روی آن اعمال کند. این یکپارچگی، نیاز به جابه‌جایی میان مدل‌های جداگانه برای ساخت و اصلاح تصویر را کاهش می‌دهد.
تیم توسعه همچنین از بهبود نمایش نوشته‌ها، نورپردازی چهره و جزئیات بافت‌ها خبر داده است. این موارد ادعاهای سازنده هستند و کیفیت نهایی باید با نمونه‌های واقعی هر کاربرد سنجیده شود؛ به‌ویژه زمانی که دقت متن یا شباهت یک محصول اهمیت دارد.
خروجی 2K و تصاویر شفاف RGBA
در مستندات، تولید تصویر با ابعاد ۲۰۴۸ در ۲۰۴۸ پیکسل و نسبت‌های افقی و عمودی مختلف نمایش داده شده است. Qwen-Image-2.1 از کانال آلفا نیز پشتیبانی می‌کند؛ بنابراین ساخت تصویر با پس‌زمینه شفاف، ویرایش لایه‌های شفاف و جداکردن سوژه از عکس در قابلیت‌های آن قرار می‌گیرند.
ویرایش با حداکثر ۱۰ تصویر مرجع
کاربران می‌توانند تا ۱۰ تصویر مرجع ارائه کنند و محدوده تغییر را با ماسک، علامت‌گذاری یا کشیدن دایره مشخص کنند. سازنده، حفظ هویت افراد و ویژگی‌های محصولات را از اهداف این قابلیت معرفی کرده است. برای مثال، می‌توان چند مرجع را به مدل داد و اصلاح یک بخش مشخص را درخواست کرد.
دسترسی به Qwen-Image-2.1 و شرایط مجوز
وزن‌های مدل در Hugging Face و ModelScope عرضه شده‌اند. مخزن رسمی از پشتیبانی اولیه ابزارهایی مانند Diffusers و ComfyUI نیز خبر می‌دهد. این دسترسی به توسعه‌دهندگان امکان می‌دهد مدل را در محیط خود آزمایش و با ابزارهای تولید محتوای تصویری ترکیب کنند.
بااین‌حال، مجوز Qwen Research استفاده از مدل را به اهداف غیرتجاریِ پژوهشی و ارزیابی محدود می‌کند. استفاده تجاری به دریافت مجوز جداگانه نیاز دارد. بنابراین انتشار وزن‌ها نباید به معنای آزادی استفاده تجاری تلقی شود؛ نکته‌ای که برای تیم‌های محصول و کسب‌وکارها در ارزیابی این خبر اهمیت دارد.
این انتشار برای توسعه‌دهندگان چه اهمیتی دارد؟
از نظر کاربردی، ترکیب تولید و ویرایش در Qwen-Image-2.1 می‌تواند مسیر نمونه‌سازی ابزارهای تصویری را ساده‌تر کند. بااین‌حال، انتخاب مدل تنها بخشی از پروژه است؛ ذخیره‌سازی تصاویر، مدیریت دسترسی و منابع پردازشی نیز باید متناسب با نیاز محصول طراحی شوند. برای بررسی این بخش، راهنمای زیرساخت ساخت اپلیکیشن با هوش مصنوعی را بخوانید.
منابع: صفحه رسمی مدل در Hugging Face، مخزن رسمی Qwen و متن مجوز مدل.
نظرات کاربران