Qwen-Image-2.1 : transparence, édition avec 10 références et sortie 2K
Découvrez le modèle d’image unifié 7B de Qwen-Image-2.1, avec sortie RGBA native, jusqu’à 10 références, modifications guidées par masque et génération 2K native.
1. Qwen-Image-2.1 utilise un modèle 7B pour la génération et l’édition
Qwen-Image-2.1 combine la génération texte-vers-image et l’édition d’images dans un seul pipeline de modèle. Son composant de génération visuelle utilise une architecture DiT Single-Stream à 32 couches avec 7B paramètres. Qwen3-VL 8B encode le texte et les images conditionnelles, tandis que l’attention à granularité mixte et la réutilisation du cache KV de préfixe réduisent les calculs répétés.
Cette conception est particulièrement importante pour l’édition multi-images. Le modèle peut mettre en cache les images de référence et les instructions d’édition au lieu de retraiter le même contexte statique à chaque étape de débruitage. Cela crée une base plus efficace pour les tâches impliquant simultanément une personne, des vêtements, des chaussures, des sacs ou plusieurs références de décoration intérieure.
2. La génération native d’images transparentes est désormais intégrée
Un flux de travail courant consiste à générer d’abord une image standard, puis à supprimer son arrière-plan. Qwen-Image-2.1 peut à la place générer des images avec un canal Alpha natif, modifier des calques transparents existants ou extraire un sujet sélectionné d’une photographie RGB classique sous forme d’élément RGBA.
Cette capacité ne se limite donc pas aux autocollants et aux illustrations. Les détourages de produits, les personnes, les éléments graphiques et le texte transparent peuvent être directement intégrés aux flux de travail de mise en page et de composition en aval.
Qwen présente également des modifications d’expressions et de typographie dans des calques transparents, ainsi que l’extraction de sujets à partir de photos réelles. Le changement pratique ne réside pas simplement dans la capacité du modèle à supprimer un arrière-plan. La génération, l’édition, l’extraction et la sortie d’éléments transparents sont désormais réunies dans le même modèle.
3. Jusqu’à 10 images de référence prennent en charge des compositions plus complexes
Qwen-Image-2.1 prend en charge jusqu’à 10 images de référence. Les démonstrations officielles incluent la combinaison de six portraits en une photo de groupe, l’assemblage d’une tenue à partir de cinq références distinctes et la conception d’un intérieur à partir de 10 images de meubles.
Pour les équipes d’e-commerce et de mode, l’édition d’images multi-références peut réunir dans la même tâche le modèle, le vêtement, les chaussures, le sac et les références de style. Le flux de travail n’est plus limité à l’édition d’une seule image source à la fois.
4. Les cercles, zones peintes et masques distincts peuvent guider les modifications locales
L’édition locale d’images ne repose pas uniquement sur le texte. Les documents de publication de Qwen présentent trois façons d’identifier une zone cible :
- Dessiner des cercles de couleurs différentes autour de plusieurs régions nécessitant des modifications distinctes.
- Peindre sur un emplacement pour indiquer au modèle où ajouter ou remplacer du contenu.
- Fournir l’image d’origine et un masque distinct comme deux entrées, afin de préserver les pixels source qu’une annotation superposée masquerait.
Ces entrées sont plus précises que de décrire dans un prompt « l’objet à gauche » ou « l’élément près du haut ». Elles offrent également une méthode de contrôle plus claire pour les modifications itératives et séquentielles.
5. Qwen met en avant la fidélité des portraits et des produits
Qwen cite l’identité des portraits et la cohérence des produits parmi ses deux principaux axes d’amélioration. Les modifications de portraits visent à conserver des traits faciaux reconnaissables, tandis que les modifications de produits cherchent à préserver la typographie, la texture et la forme lorsque l’article est placé dans une nouvelle scène.
Cette capacité est particulièrement pertinente pour les flux de travail d’images produit, mais elle doit pour l’instant être présentée comme une démonstration officielle de Qwen. En l’absence de tests répétés avec les mêmes entrées, les éléments disponibles n’établissent pas une fidélité produit constante de niveau production.
6. La sortie 2K native, la typographie et l’esthétique des portraits s’améliorent également
L’implémentation officielle utilise une taille par défaut de 2048 × 2048 et indique des dimensions recommandées pour les sorties 1:1, 4:3, 3:4, 3:2, 2:3, 16:9 et 9:16. Les documents de publication de Qwen présentent également une typographie complexe, des infographies, des panoramas, des storyboards générés à partir de planches de personnages, ainsi que des portraits avec un éclairage et des détails plus travaillés.
Ensemble, ces capacités positionnent Qwen-Image-2.1 comme davantage qu’un modèle compact de génération texte-vers-image. Il est conçu pour couvrir un parcours plus large, de la génération d’éléments à leur édition ultérieure.
Ce que la publication de Qwen-Image-2.1 ne prouve pas encore
- Les exemples officiels ne fournissent pas suffisamment de prompts complets, de paramètres ou de résultats répétés pour établir leur cohérence.
- Les documents disponibles ne confirment pas que WeShop a intégré Qwen-Image-2.1 et ne documentent pas les crédits WeShop, le temps de génération ni les paramètres proposés.
- Les poids ouverts utilisent la Qwen Research License. La licence officielle indique que l’utilisation commerciale des éléments du modèle requiert une licence commerciale distincte.
- Qwen-Image-Bench est un benchmark publié par le fournisseur et ne doit pas remplacer les tests dans de véritables flux de travail d’e-commerce, de design ou de portraits.
Qui devrait suivre Qwen-Image-2.1 ?
- Les designers visuels qui ont besoin de personnes, produits, autocollants ou éléments de composition transparents.
- Les équipes d’e-commerce et de mode qui combinent mannequins, vêtements, chaussures, sacs et autres références.
- Les créateurs qui souhaitent contrôler les modifications locales avec des cercles, des régions peintes ou des masques.
- Les développeurs intéressés par un modèle plus petit, le déploiement local et une inférence multi-images plus efficace.
Conclusion
La publication de Qwen-Image-2.1 peut se résumer en une phrase : un composant de génération visuelle 7B gère désormais les images standard, les images transparentes, la composition multi-références et l’édition locale au sein d’un seul pipeline créatif.
Ses capacités documentées les plus distinctives sont la sortie RGBA native et la prise en charge de jusqu’à 10 images de référence. La prochaine question est de savoir avec quelle fiabilité il gère les produits complexes, les portraits, la typographie et les modifications locales lors de générations répétées en conditions réelles.