Qwen-Image 是阿里巴巴通义千问团队于 2025 年 8 月开源的首个图像生成基础模型，也是目前在复杂文本（尤其是中文）渲染方面表现最好的开源文生图大模型之一。
性能表现上，在多个公开基准上的对 Qwen-Image 的全面评估，包括用于通用图像生成的 GenEval、DPG 和 OneIG-Bench，以及用于图像编辑的 GEdit、ImgEdit 和 GSO。Qwen-Image 在所有基准测试中均取得了最先进的性能，展现出其在图像生成与图像编辑方面的强大能力。此外，在用于文本渲染的 LongText-Bench、ChineseWord 和 TextCraft 上的结果表明，Qwen-Image 在文本渲染方面表现尤为出色，特别是在中文文本渲染上，大幅领先现有的最先进模型。这凸显了 Qwen-Image 作为先进图像生成模型的独特地位，兼具广泛的通用能力与卓越的文本渲染精度。
主要特性包括：
- 卓越的文本渲染能力 : Qwen-Image 在复杂文本渲染方面表现出色，支持多行布局、段落级文本生成以及细粒度细节呈现。无论是英语还是中文，均能实现高保真输出。
- 一致性的图像编辑能力 : 通过增强的多任务训练范式，Qwen-Image 在编辑过程中能出色地保持编辑的一致性。
- 强大的跨基准性能表现 : 在多个公开基准测试中的评估表明，Qwen-Image 在各类生成与编辑任务中均获得 SOTA，是一个强大的图像生成基础模型。
更多详情请见：Qwen-Image · 模型库
基础环境最低配置推荐
注：该模型支持多卡并行而不支持多卡推理，若显卡配置较高，可先用A100；较低，则可选用3张4090显卡配置，不过需要对原代码进行修改。
查看系统版本信息
更新软件包列表
配置国内镜像源（阿里云）
具体而言，vim 指令编辑文件
按 进入编辑模式，将如下内容插入至 文件中
创建虚拟环境
千问 Qwen 教程
激活虚拟环境
创建Qwen-Image文件夹
github（QwenLM/Qwen-Image：Qwen-Image 是一个强大的图像生成基础模型，能够进行复杂的文本渲染和精确的图像编辑。）中克隆项目代码文件至该目录
requirements.txt 文件
文件内容：
使用命令行下载完整模型库
注：该模型支持多卡并行但不支持多卡推理，若要进行多卡推理，解决方案如1所示；若配置较高，显卡为A100，则可选用方案2，速度更快。
官方文档中并没有具体给出多卡推理的实现代码，如下的app.py可用于实现多卡推理。
app.py:
运行app.py文件
若采用A100显卡，则可使用如下的demo.py文件运行模型。
demo.py:
运行demo.py
发布者：Ai探索者，转载请注明出处：https://javaforall.net/263064.html原文链接：https://javaforall.net
