Qwen Image 2.1 Turbo API

Qwen Image 2.1 Turbo è un modello di generazione di immagini sviluppato dal team Alibaba Qwen. Si tratta di un checkpoint distillato e accelerato della serie Qwen-Image-2.1, costruito sulla stessa architettura di generazione visiva da 7B parametri. La distillazione della conoscenza comprime il processo di denoising a 8 step, mantenendo una generazione di immagini a livello 2K con guadagni di velocità significativi e una perdita di qualità apparentemente contenuta. Il modello supporta la generazione text-to-image, l'editing di immagini tramite istruzioni in linguaggio naturale con fino a 4 immagini di riferimento aggiuntive per richiesta e l'output RGBA per immagini con sfondo trasparente. Per ottenere i risultati migliori, Qwen Image 2.1 Turbo richiede l'uso della sua specifica schedulazione di campionamento a 8 step con CFG 1.0 e raccomanda il metodo di campionamento euler. La risoluzione di generazione consigliata è di circa 2 megapixel, ad esempio 2048x2048 con rapporto 1:1. I pesi sono disponibili su Hugging Face e ModelScope e possono essere caricati tramite la pipeline Diffusers QwenImage21Pipeline. Per l'encoder di testo è suggerita la precisione Q8_0, poiché encoder fortemente quantizzati degradano l'output. La quantizzazione AD-Q4_K aggiunge circa 150MB e riduce del 21% il divario rispetto all'output BF16. Il modello è distribuito con licenza Qwen Research, che prevede restrizioni sull'uso commerciale. Qwen Image 2.1 Turbo è pensato per flussi di lavoro locali ad alta frequenza, design visivo di prodotti come poster, concept art e asset pubblicitari, immagini di prodotti e-commerce e cambi d'abbigliamento su modelli, nonché per la creazione di contenuti che richiede iterazioni rapide. Offre un ripristino più forte dei dettagli facciali e una migliore coerenza del testo e delle texture dei prodotti attraverso nuove scene. Tuttavia, con quantizzazione a 4 bit e inferiore l'output si discosta notevolmente dall'originale. Il servizio API è offerto insieme a Qwen-Image-2.1 Pro.

La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi. Fatturato in base al costo effettivo di generazione. Controlla la fattura per l'importo finale.

Supporta la generazione text-to-image e l'editing di immagini tramite istruzioni in linguaggio naturale, con fino a 4 immagini di riferimento aggiuntive per richiesta di editing. Produce anche output RGBA per immagini con sfondo trasparente.

La risoluzione consigliata è di circa 2 megapixel, ad esempio 2048x2048 con rapporto 1:1.

Il modello richiede la sua specifica schedulazione di campionamento a 8 step con CFG 1.0 e raccomanda il metodo euler. La schedulazione predefinita standard produce immagini diverse.

I pesi sono disponibili su Hugging Face e ModelScope e possono essere caricati tramite la pipeline Diffusers QwenImage21Pipeline.

Con quantizzazione a 4 bit e inferiore l'output si discosta notevolmente dall'originale. Sono inoltre raccomandati encoder di testo quantizzati di qualità superiore, poiché encoder fortemente quantizzati degradano l'output.

Il modello è rilasciato con licenza Qwen Research, che prevede restrizioni sull'uso commerciale.