Qwen

发布时间：2025-08-25 05:12

Qwen-Image-Edit 深度体验：人人都能上手的 AI 图像精修利器

把 20B 大模型的能力装进你的电脑，无需设计基础也能改图、加字、换背景

开场白：为什么你需要一款“听得懂人话”的修图工具？

拍照五分钟，修图两小时？
想换背景却抠图抠到怀疑人生？
想在海报里改几个字，却苦于找不到原文件？

如果你有类似的烦恼，Qwen-Image-Edit 也许正是答案。它把 20B 参数的 Qwen-Image 大模型浓缩成一个命令行就能跑起来的工具，中文、英文都能听懂，既能改画面，又能改文字，还能保持原图风格不变。本文用通俗语言带你从 0 到 1 玩明白它。

Qwen-Image-Edit 是什么？

一句话总结：
Qwen-Image-Edit = 语义理解 + 视觉保真 + 精准文字编辑，三大能力合体的开源图像编辑大模型。

能力维度它能做什么对普通用户意味着什么语义编辑换风格、旋转视角、IP 再创作把一张自拍变成吉卜力画风，或把吉祥物换个姿势做表情包外观编辑增删元素、改颜色、局部精修去掉照片里乱入的路人，或把衣服换成喜欢的配色文字编辑中英双语增删改，字体样式保持一致海报有错别字直接改，不用再开 PS 找源文件

安装：3 行命令搞定环境

以 Linux + Python 3.10 为例，Windows/Mac 同理

装好 PyTorch（CUDA 11.8+）升级 diffusers

pip install --upgrade "git+https://github.com/huggingface/diffusers" 克隆示例代码（官方已集成在 ModelScope 管道里，下文直接调用即可）
无额外步骤，直接跳到“实战”。

5 分钟实战：从 0 到出图

场景 1：把兔子换成紫色 + 加闪光灯背景

from PIL import Imageimport torchfrom modelscope import QwenImageEditPipeline pipe = QwenImageEditPipeline.from_pretrained("Qwen/Qwen-Image-Edit")pipe = pipe.to("cuda", torch.bfloat16) image = Image.open("rabbit.jpg").convert("RGB")prompt = "Change the rabbit's color to purple, with a flash light background." out = pipe( image=image, prompt=prompt, true_cfg_scale=4.0, num_inference_steps=50, generator=torch.manual_seed(0))out.images[0].save("purple_rabbit.jpg")

打开 purple_rabbit.jpg，你会发现除了颜色与背景，其余像素纹丝不动。

进阶玩法：拆解官方 6 大示例

官方 Showcase 给出了 6 组高频场景，下面逐一翻译成人话，并给出可直接粘贴的提示词（prompt）。

场景输入图推荐 prompt 效果描述 1. 吉祥物姿势变换

“让 capybara 做出沉思者动作，保持角色一致” 像素整体变化，但一眼还是原角色 2. MBTI 表情包同上 “INTJ 版 capybara，冷峻蓝调” 快速生成 16 张不同性格的同 IP 图 3. 90° / 180° 旋转 rotate

“把相机旋转 90°，露出侧面接口” 直接看到物体背面 4. 吉卜力风格 ghibli

“宫崎骏动画风，柔和色彩” 人像秒变手绘 5. 加招牌 sign

“在空白墙加一块咖啡店招牌，保留光影” 招牌与倒影自动匹配 6. 文字精修 text

“把 ‘Hello’ 改为 ‘Hi’，字体不变” 字形、大小、材质丝毫不差

FAQ：你可能想问的 10 个问题

Qwen-Image-Edit 和 Stable Diffusion 有什么区别？
Stable Diffusion 更擅长“从无到有”的生成，而 Qwen-Image-Edit 专注“从有到优”的编辑，尤其擅长保持原图元素不变。

显存要多少？
20B 模型，FP16 推理最低 12 GB 显存，BF16 更稳。

能商用吗？
Apache 2.0 许可证，可商用，但需遵守许可证义务（保留版权与许可证文本）。

支持中文提示词吗？
完全支持，中英文可混用。

只能改整张图吗？
支持局部框选（bbox），官方示例里用红蓝框校正书法就是典型案例。

怎么固定种子？
传 generator=torch.manual_seed(任意整数)，同种子可复现。

true_cfg_scale 设多少合适？
3–5 之间最稳，过低改动不足，过高易崩。

能批量处理吗？
用 for 循环逐张喂图即可，官方管道已做好内存管理。

没有 GPU 怎么办？
目前官方只放出 GPU 版本，CPU 推理时间无法接受。

会留水印吗？
不会，开源模型无强制水印。

如何像专家一样“链式修图”

官方书法示例透露了高级技巧：

逐字圈选 → 逐字校正 → 细节再校正。

步骤拆解如下：

步骤动作 prompt 示例 1 用红框圈出整字 “稽” “把红框里的字改为正确的‘稽’” 2 模型把右下写成“日”，再用小框圈出“日” “把红框里的‘日’部件改为‘旨’” 3 重复直到满意无需重跑整图，局部多次迭代即可

这种方法把“大改”拆成“小改”，既省显存又提高成功率。

性能与基准：为什么说它是 SOTA

官方技术报告提到在 4 个公开数据集（未列出名称，仅报告指标）中，

结构保持分 ↑ 9 % 文字准确率 ↑ 15 % 用户偏好胜率 74 %

虽然数字看起来抽象，但翻译成用户语言就是：

多数情况下，肉眼可见比同类工具更稳、更准、更不易“翻车”。

快速查表：参数与默认值

参数默认值用途 true_cfg_scale 4.0 控制 prompt 遵守强度 num_inference_steps 50 步数越多越精细，30–50 平衡 negative_prompt ” “ 负面提示，可填“低质量、模糊” generator None 传随机种子可复现

写在最后：用 AI 把修图门槛降到 0

过去，设计师需要精通 Photoshop 的图层、蒙版、通道；
现在，只要会写一句话，Qwen-Image-Edit 就能帮你完成 80 % 的工作。
剩下的 20 % 创意，由你决定。

引用

若本文对你的项目有帮助，可按如下格式引用原作者技术报告：

@misc{wu2025qwenimagetechnicalreport,title={Qwen-Image Technical Report},author={Chenfei Wu and et al.},year={2025},eprint={2508.02324},archivePrefix={arXiv},primaryClass={cs.CV},url={https://arxiv.org/abs/2508.02324},}

祝你玩得开心，修图愉快！