Qwen Image 2.1 Turbo API
Qwen Image 2.1 Turbo یک مدل تولید و ویرایش تصویر ۷B با معماری مشابه Qwen-Image-2.1 است که با دانش‌تقطیر به ۸ گام نمونهبرداری کاهش یافته و کیفیت تصویر در سطح 2K را حفظ میکند.
Qwen Image 2.1 Turbo یک چک‌پوینت تسریع‌شده و تقطیرشده از خانواده Qwen-Image-2.1 است که بر همان معماری ۷ میلیارد پارامتری تولید تصویر Vision بنیان نهاده شده است. این مدل با فشرده‌سازی فرآیند نویززدایی به ۸ گام نمونهبرداری، سرعت تولید تصویر را بهطور چشمگیری افزایش میدهد و در عین حال کیفیت تولید تصویر در سطح 2K را حفظ میکند. دقت بومی آن BF16 است و حجمی در حدود 14.2 گیگابایت دارد. برای اجرا، برنامه نمونهبرداری اختصاصی ۸ گامی با CFG برابر 1.0 توصیه میشود و روش نمونهبرداری euler پیشنهاد شده است.
این مدل از تولید تصویر از متن پشتیبانی میکند و قابلیت ویرایش تصویر با دستور زبان طبیعی را دارد. در هر درخواست ویرایش، حداکثر ۴ تصویر مرجع اضافی قابل استفاده است و خروجی RGBA برای تصاویر با پس‌زمینه شفاف ارائه میشود. وضوح توصیهشده برای تولید حدود ۲ مگاپیکسل است، مثلاً 2048x2048 با نسبت 1:1. وزن‌های مدل در Hugging Face و ModelScope در دسترس است و از طریق QwenImage21Pipeline در Diffusers قابل بارگذاری است. کوانتیزهسازیهای GGUF اجتماعی شامل نسخه‌های ۲، ۴، ۶، ۸ و ۱۶ بیتی است و کوانتیزهسازی AD-Q4_K حدود ۱۵۰ مگابایت اضافه میکند و فاصله با خروجی BF16 را ۲۱٪ کاهش میدهد؛ برای رمزگذار متن، دقت Q8_0 پیشنهاد شده است.
این مدل برای گردش‌کارهای پرتکرار تولید تصویر محلی، طراحی بصری محصولات مانند پوستر، آرت مفهومی و دارایی‌های تبلیغاتی، تصویرسازی محصولات تجارت الکترونیک و تغییر لباس مدل‌ها، و گردش‌کارهای تولید محتوا با نیاز به تکرار سریع مناسب است. از جمله نقاط قوت آن می‌توان به افزایش چشمگیر سرعت با افت کیفیت ظاهری ناچیز، بازیابی بهتر جزئیات چهره، و سازگاری بیشتر متن و بافت محصول در صحنه‌های جدید اشاره کرد. در کوانتیزهسازی ۴ بیتی و پایینتر، خروجی بهطور محسوس از نسخه اصلی فاصله میگیرد و استفاده از برنامه نمونهبرداری اختصاصی ۸ گامی الزامی است. این مدل تحت مجوز Qwen Research منتشر شده که محدودیتهایی برای استفاده تجاری دارد.
به‌روزرسانی:
MODEL ID
qwen-image-2.1-turbo- ورودی
- text / image
- خروجی
- image
نکات برجسته
- تقطیر دانش به ۸ گام نمونهبرداری
- حفظ کیفیت تصویر در سطح 2K
- معماری ۷B با دقت بومی BF16
- پشتیبانی از خروجی RGBA
- ویرایش با حداکثر ۴ تصویر مرجع
- وزن‌ها در Hugging Face و ModelScope
ارائه‌دهندگان
قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.
بنچمارک‌ها
- 60.28
Qwen-Image-Bench
امتیاز پایه Qwen-Image-2.1 که توسط Unsloth تخمین زده شده است؛ بر حسب امتیاز
امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.
مرجع API
جزئیات پروتکل این مدل منتشر نشده است. برای الزامات یکپارچه‌سازی، مرجع API را ببینید.
مرجع API →پارامترهای پشتیبانی‌شده
- resolution
- aspect_ratio
- n
- input_references
- seed
پرسش‌های متداول
معرفی مدل: Qwen Image 2.1 Turbo?
Qwen Image 2.1 Turbo یک چک‌پوینت تسریع‌شده و تقطیرشده از خانواده Qwen-Image-2.1 است که بر همان معماری ۷ میلیارد پارامتری تولید تصویر Vision بنیان نهاده شده است. این مدل با فشرده‌سازی فرآیند نویززدایی به ۸ گام نمونهبرداری، سرعت تولید تصویر را بهطور چشمگیری افزایش میدهد و در عین حال کیفیت تولید تصویر در سطح 2K را حفظ میکند. دقت بومی آن BF16 است و حجمی در حدود 14.2 گیگابایت دارد. برای اجرا، برنامه نمونهبرداری اختصاصی ۸ گامی با CFG برابر 1.0 توصیه میشود و روش نمونهبرداری euler پیشنهاد شده است. این مدل از تولید تصویر از متن پشتیبانی میکند و قابلیت ویرایش تصویر با دستور زبان طبیعی را دارد. در هر درخواست ویرایش، حداکثر ۴ تصویر مرجع اضافی قابل استفاده است و خروجی RGBA برای تصاویر با پس‌زمینه شفاف ارائه میشود. وضوح توصیهشده برای تولید حدود ۲ مگاپیکسل است، مثلاً 2048x2048 با نسبت 1:1. وزن‌های مدل در Hugging Face و ModelScope در دسترس است و از طریق QwenImage21Pipeline در Diffusers قابل بارگذاری است. کوانتیزهسازیهای GGUF اجتماعی شامل نسخه‌های ۲، ۴، ۶، ۸ و ۱۶ بیتی است و کوانتیزهسازی AD-Q4_K حدود ۱۵۰ مگابایت اضافه میکند و فاصله با خروجی BF16 را ۲۱٪ کاهش میدهد؛ برای رمزگذار متن، دقت Q8_0 پیشنهاد شده است. این مدل برای گردش‌کارهای پرتکرار تولید تصویر محلی، طراحی بصری محصولات مانند پوستر، آرت مفهومی و دارایی‌های تبلیغاتی، تصویرسازی محصولات تجارت الکترونیک و تغییر لباس مدل‌ها، و گردش‌کارهای تولید محتوا با نیاز به تکرار سریع مناسب است. از جمله نقاط قوت آن می‌توان به افزایش چشمگیر سرعت با افت کیفیت ظاهری ناچیز، بازیابی بهتر جزئیات چهره، و سازگاری بیشتر متن و بافت محصول در صحنه‌های جدید اشاره کرد. در کوانتیزهسازی ۴ بیتی و پایینتر، خروجی بهطور محسوس از نسخه اصلی فاصله میگیرد و استفاده از برنامه نمونهبرداری اختصاصی ۸ گامی الزامی است. این مدل تحت مجوز Qwen Research منتشر شده که محدودیتهایی برای استفاده تجاری دارد.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند. صورتحساب بر اساس هزینه واقعی تولید محاسبه میشود. مبلغ نهایی را در صورتحساب ببینید.
مدل Qwen Image 2.1 Turbo از چه ورودی‌هایی پشتیبانی میکند؟
این مدل از تولید تصویر از متن و ویرایش تصویر با دستور زبان طبیعی پشتیبانی میکند. در هر درخواست ویرایش، حداکثر ۴ تصویر مرجع اضافی قابل استفاده است.
کیفیت خروجی این مدل در کوانتیزهسازیهای مختلف چگونه است؟
در کوانتیزهسازی ۴ بیتی و پایینتر، خروجی بهطور محسوس از نسخه اصلی فاصله میگیرد. کوانتیزهسازی AD-Q4_K حدود ۱۵۰ مگابایت اضافه میکند و فاصله با خروجی BF16 را ۲۱٪ کاهش میدهد. برای رمزگذار متن، دقت Q8_0 پیشنهاد شده است.
آیا استفاده تجاری از این مدل آزاد است؟
خیر، این مدل تحت مجوز Qwen Research منتشر شده که محدودیتهایی برای استفاده تجاری دارد.
برنامه نمونهبرداری توصیهشده برای این مدل چیست؟
این مدل با برنامه نمونهبرداری اختصاصی ۸ گامی و CFG برابر 1.0 اجرا میشود و روش نمونهبرداری euler توصیه شده است. استفاده از برنامه پیشفرض استاندارد تصاویر متفاوتی تولید میکند.
وضوح توصیهشده برای تولید تصویر چقدر است؟
وضوح توصیهشده حدود ۲ مگاپیکسل است، برای مثال 2048x2048 با نسبت 1:1.
