Qwen Image 2.1

Descripción general

qwen-image-2.1-turbo es el modelo de generación y edición de imágenes de la serie Qwen Image 2.1 orientado a llamadas de alta frecuencia. Admite dos tipos de tareas: texto a imagen e imagen a imagen, es decir, generar una imagen directamente a partir de un prompt o bien pasar hasta 10 imágenes de referencia y modificar localmente una imagen concreta según su número. La salida es una imagen estática, puede generarse en proporciones como 1:1 o 16:9 y admite una semilla aleatoria fija para reproducir resultados. Está pensado para desarrolladores que necesitan producir material visual en lote y hacer iteración rápida de prompts y validación de prototipos.

Aspectos destacados

• Generación y edición con el mismo conjunto de parámetros: en texto a imagen no se pasan imágenes de referencia; en edición de imagen se pasan de 1 a 10 URL de imágenes, y el resto del prompt y los parámetros mantienen la misma estructura, lo que reduce el coste de integración.
• Varias imágenes de referencia referenciables por número: las imágenes de entrada se numeran según el orden del arreglo y en el prompt se puede usar «imagen 1», «imagen 2» para indicar con precisión el objeto a editar, lo que reduce ambigüedades.
• Aleatoriedad controlable: seed cubre de 0 a 2147483647; al fijarla, los resultados son relativamente estables, lo que facilita las pruebas de regresión y la reproducibilidad de tareas por lotes.

Descripción de capacidades

Llamada unificada para texto a imagen e imagen a imagen: prompt es obligatorio; si no se pasa image_urls, se trata de generación puramente textual, y si se pasan de 1 a 10 imágenes públicas, se convierte en tarea de edición. Una misma interfaz cubre ambos tipos de necesidad.

Múltiples imágenes de referencia y edición por referencia: se pueden usar hasta 10 imágenes de referencia a la vez, numeradas automáticamente, y el prompt puede aplicar cambios locales a una imagen concreta, lo que resulta adecuado para combinar varios materiales o editar por zonas.

Formato y tamaño controlados: aspect_ratio ofrece cinco opciones, 1:1, 16:9, 9:16, 4:3 y 3:4, que corresponden a tamaños fijos en píxeles como 2048×2048 y 2688×1536; si no se pasa, el modelo lo elige automáticamente según el prompt y las imágenes de referencia.

Interruptor de expansión de prompt: prompt_extend está activado por defecto y puede optimizar automáticamente prompts breves a costa de unos segundos adicionales; puede desactivarse cuando se necesite respetar estrictamente el texto original o renderizar un texto concreto, para garantizar el control.

Prompts largos y renderizado de texto: prompt admite hasta 4500 caracteres, tanto en chino como en inglés; el texto que deba aparecer en la imagen puede escribirse literalmente en el prompt, y el fondo transparente también puede declararse en el prompt.

Casos de uso

• Producción masiva de borradores visuales iniciales por equipos de diseño: generar imágenes finales a partir de una descripción textual y elegir el formato según la necesidad, para llenar rápidamente borradores de materiales de campaña, imágenes para redes sociales y similares.
• Cambio de color local en imágenes de producto por operadores de e-commerce: subir la imagen original del producto e indicar la zona a modificar; la salida mantiene la misma composición y puede usarse directamente para sustituir imágenes en páginas de detalle y mostrar SKU de varios colores.
• Composición de múltiples materiales y edición con imágenes de referencia: pasar varias imágenes de referencia a la vez y referenciarlas por número; la salida es una única imagen fusionada o sustituida, útil para escenas de composición e integración de materiales.
• Pipelines por lotes con resultados reproducibles: repetir la llamada con una combinación fija de seed y prompt produce salidas relativamente estables, lo que facilita su integración en pruebas automatizadas y flujos de reversión de materiales.

Limitaciones y recomendaciones de selección

Este modelo solo genera imágenes estáticas y no admite vídeo ni contenido dinámico. Las imágenes de referencia deben ser URL accesibles públicamente, de no más de 10 MB cada una, con ancho y alto entre 1 y 8000 píxeles y una relación entre el lado largo y el corto no superior a 10:1; si se exceden estos rangos, deben procesarse previamente. El formato solo puede elegirse entre las cinco opciones fijas y no es posible especificar una resolución arbitraria. Activar la expansión de prompt añade unos segundos de latencia; para necesidades de renderizado de texto con maquetación estricta se recomienda desactivarla y verificar manualmente. Es adecuado para tareas de generación y edición de escala media en las que priman la velocidad y el coste; si se necesita mayor calidad de imagen o más cuota de llamadas, puede elegirse la versión pro dentro de la misma serie.