Qwen Image 2.1

Descripción general

Qwen Image 2.1 Pro es el nivel de alta calidad dentro de la serie de modelos de imagen del equipo Qwen de Alibaba. Se invoca a través de la interfaz unificada de HiAPI.ai y un mismo modelo admite tanto la generación de imágenes a partir de texto como la edición de imágenes. Puede realizar ediciones como cambio de color, sustitución y repintado local a partir de 1 a 10 imágenes de referencia, o generar imágenes puramente a partir de texto; la salida admite varias relaciones de aspecto de 1:1 a 9:16, permite fijar el resultado mediante una semilla y controlar el fondo transparente mediante el prompt. Es adecuado para flujos de producto y diseño que requieren imágenes finales de alta precisión y edición con múltiples referencias.

Aspectos destacados

• Generación y edición comparten un solo modelo: no es necesario cambiar los pesos del modelo entre texto a imagen e imagen a imagen; una sola ruta de llamada cubre ambos tipos de tareas.
• Hasta 10 imágenes de referencia referenciadas por orden: las entradas de varias imágenes se numeran según el orden del arreglo y se pueden citar con precisión en el prompt como «imagen 1», «imagen 2», lo que facilita la composición de múltiples materiales y la edición consistente.
• Semilla reproducible para facilitar la validación de regresión: una semilla aleatoria fija de 0 a 2147483647 permite que los resultados sean relativamente estables, ideal para flujos por lotes y depuración que requieren generar imágenes repetidamente.
• Expansión automática del prompt con interruptor opcional: prompt_extend está activado de forma predeterminada y mejora notablemente los prompts breves; si se necesita respetar estrictamente el texto original, se puede desactivar para conservar el significado original.

Descripción de capacidades

Generación de imágenes a partir de texto y edición de imágenes unificadas: un mismo modelo puede tanto generar imágenes a partir de un prompt como modificar imágenes de referencia según un prompt, lo que reduce la fragmentación de estilo y de flujo que provoca encadenar varios modelos.

Entrada de múltiples imágenes de referencia: admite de 1 a 10 imágenes de Internet públicas, numeradas según el orden del arreglo y referenciadas en el prompt, lo que permite fusionar varios materiales y editar por regiones.

Salida con múltiples relaciones de aspecto: ofrece cinco relaciones de aspecto: 1:1, 16:9, 9:16, 4:3 y 3:4, con tamaños máximos como 2688×1536; si no se especifica, el modelo la elige automáticamente según el prompt y las imágenes de referencia.

Control de fondo transparente: basta con indicar «fondo transparente» en el prompt para generar una imagen con fondo transparente, lo que ahorra el paso posterior de recorte.

Resultados reproducibles: mediante el parámetro seed se fija la semilla aleatoria, lo que permite obtener salidas relativamente estables con las mismas entradas, útil para la generación por lotes y la regresión de resultados.

Escenarios de uso

• Edición de materiales para equipos de comercio electrónico y diseño: subir imágenes de referencia de productos o modelos y usar el prompt para indicar cambios de color, sustitución de zonas de ropa u otras modificaciones, obteniendo imágenes finales listas para páginas de detalle y materiales publicitarios.
• Visuales de marca con composición de múltiples materiales: introducir varias imágenes de referencia y referenciarlas por orden para generar imágenes compuestas con estilo unificado, destinadas a carteles, imágenes para redes sociales y materiales de campañas.
• Iconos e imágenes de producto con fondo transparente: solicitar un fondo transparente en el prompt para producir directamente recursos de imagen que se pueden superponer en interfaces o capas de composición, reduciendo los pasos de posproducción.
• Líneas automatizadas de generación por lotes: fijar la semilla y los parámetros de relación de aspecto e integrar las llamadas de generación o edición en la cadena de producción de contenido para obtener una salida estable de imágenes seriadas.

Limitaciones y recomendaciones de selección

Este modelo es el nivel de alta calidad de la serie; el tiempo y el coste por imagen generada son superiores a los del nivel turbo de la misma serie, por lo que es adecuado para escenarios que exigen alta calidad de imagen final; para vistas previas masivas o una preselección de bajo coste se puede considerar el nivel turbo. Las imágenes de referencia de entrada deben ser URL accesibles públicamente, con un tamaño no superior a 10 MB por imagen y una relación entre el lado largo y el corto no superior a 10:1. El límite del prompt es de 4500 caracteres; si se necesita respetar estrictamente el texto original, se recomienda desactivar la expansión automática. Si la tarea prioriza una latencia extremadamente baja o solo requiere una generación por lotes sencilla, conviene evaluar opciones más ligeras.