Qwen-Image

Qwen-Image

把文字提示词变成图像，并能在图中渲染清晰的英文和中文文字。适合使用 diffusers 库的设计师、艺术家和开发者。

由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Qwen-Image 是 Qwen 系列的文生图模型，有 20.4B 参数。它根据文字提示词生成图片，擅长把清晰可读的文字放进图里，尤其是中文。模型卡还提到了图像编辑，并列出英文和中文两种语言。

适合谁：需要图片里带清晰文字的设计师、艺术家和讲故事的人最适合它。想用 Python 和 diffusers 库调用图像模型的开发者也可以用。

行业 | 使用者 | 使用方式 | 例子
设计 | 平面设计师 | 制作带清晰文字的海报和招牌 | 一块带中文霓虹灯的店铺招牌
叙事 | 艺术家和作者 | 创作从写实到动漫的各种风格的场景 | 根据一句短提示词生成的印象派绘画
软件 | Python 开发者 | 通过 diffusers 库调用模型 | 生成一张 16:9 的图片并保存为文件

如果磁盘空间紧张，可以跳过它，因为完整权重很大。

用在哪里：在能放下权重的电脑上，用 Python 来使用它。

• 使用 diffusers 库的 Python 脚本
• Windows、macOS 或 Linux，用 Python 下载文件
• 找到 CUDA GPU 时用 GPU，否则用 CPU

用例 | 谁用 | 得到什么
文字较多的图像 | 设计师 | 带清晰英文或中文文字的海报、招牌和标签
多种风格的艺术 | 艺术家和讲故事的人 | 从写实到印象派、动漫或极简的各种场景
图像编辑 | 普通用户 | 风格转换、添加或移除物体、文字编辑和姿势调整，如模型卡所述

如何设置：你需要 Python 和大量空闲磁盘空间。

• Windows、macOS 或 Linux 上的 Python
• 放权重的空间，BF16 约 40.9 GB，4-bit 约 10.2 GB，均为估算
• 最新版本的 diffusers，模型卡从它的代码仓库安装
• 如果有 CUDA GPU 就用它，因为示例否则会退回到 CPU

1. 按模型卡的说明安装最新版本的 diffusers。
2. 安装 Hugging Face hub 包。
3. 下载模型文件。

pip install -U huggingface_hub
hf download Qwen/Qwen-Image

如何使用：在 Python 中加载流水线。示例在 CUDA GPU 上选 bfloat16，在 CPU 上选 float32。

from diffusers import DiffusionPipeline
import torch

model_name = "Qwen/Qwen-Image"

# Load the pipeline
if torch.cuda.is_available():
    torch_dtype = torch.bfloat16
    device = "cuda"
else:
    torch_dtype = torch.float32
    device = "cpu"

pipe = DiffusionPipeline.from_pretrained(model_name, torch_dtype=torch_dtype)
pipe = pipe.to(device)

接着把 prompt 变量设成你自己的文字。脚本会为英文或中文提示词加上一句简短的画质短语，从宽高比列表中选一个尺寸，运行 50 步，并把图像保存为 example.png。

positive_magic = {
    "en": ", Ultra HD, 4K, cinematic composition.", # for english prompt
    "zh": ", 超清，4K，电影级构图." # for chinese prompt
}

negative_prompt = " " # using an empty string if you do not have specific concept to remove

aspect_ratios = {
    "1:1": (1328, 1328),
    "16:9": (1664, 928),
    "9:16": (928, 1664),
    "4:3": (1472, 1140),
    "3:4": (1140, 1472),
    "3:2": (1584, 1056),
    "2:3": (1056, 1584),
}

width, height = aspect_ratios["16:9"]

image = pipe(
    prompt=prompt + positive_magic["en"],
    negative_prompt=negative_prompt,
    width=width,
    height=height,
    num_inference_steps=50,
    true_cfg_scale=4.0,
    generator=torch.Generator(device="cuda").manual_seed(42)
).images[0]

image.save("example.png")

示例：你写下“一家咖啡店的入口，有一块黑板价目牌和一盏中文霓虹灯”，保持 16:9 设置并运行脚本。它会保存一张名为 example.png 的图片，宽 1664 像素，高 928 像素，内容依据这段提示词生成。

新手与专家：Qwen-Image 把一段文字描述变成图片，而且专门让图里的文字清晰可读。第一次可以先用两条 Hugging Face 命令下载文件，再用一句简短的提示词运行流水线，让招牌上写上你自己的字。

它的底层是一个 20.4B 参数的模型，通过 diffusers 的 DiffusionPipeline 类加载。示例运行 50 步推理，true_cfg_scale 为 4.0，负面提示词为空。代价是体积，因为 BF16 权重约 40.9 GB，CPU 路径用的是 float32。

用英文或中文写一句提示词
把画质短语加到提示词里
选择宽高比和尺寸
在流水线中运行 50 步推理
把图像保存为文件

注意事项：其他人发布了 44 个量化版本和 108 个微调版本，完整权重太大时可以参考。

• License: Apache 2.0
• Cost to run: 未提到费用。权重 BF16 约 40.9 GB，4-bit 约 10.2 GB，均为估算
• Data it reaches: 来自 Hugging Face 的模型文件、你的提示词，以及脚本保存在运行目录里的图像
• Not for: 来源没有列出排除的用途

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：diffusers
• 参数量：20.4B
• Weights: about 40.9 GB in BF16; about 10.2 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：348,570
• 点赞：2,696
• 许可证：apache-2.0
• 语言：en, zh
• Quantized versions: 44
• Fine-tunes: 108
• 标签：diffusers, safetensors, text-to-image

链接

• 模型：https://huggingface.co/Qwen/Qwen-Image
• 文件：https://huggingface.co/Qwen/Qwen-Image/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Qwen/Qwen-Image

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。