Qwen Image 2.1

Présentation du positionnement

qwen-image-2.1-turbo est le modèle de génération et d'édition d'images de la série Qwen Image 2.1 destiné aux appels à haute fréquence. Il prend en charge deux types de tâches : la génération texte-vers-image et l'image-vers-image — soit générer une image directement à partir d'un prompt, soit transmettre jusqu'à 10 images de référence et modifier localement une image désignée par son numéro. La sortie est une image statique, produite selon des ratios tels que 1:1 ou 16:9, avec la possibilité de fixer une graine aléatoire pour reproduire les résultats. Il convient aux développeurs qui doivent produire des visuels en série, itérer rapidement sur des prompts et valider des prototypes.

Points clés

• Génération et édition partagent les mêmes paramètres d'appel — pour la génération texte-vers-image, aucune image de référence n'est transmise ; pour l'édition d'image, on transmet 1 à 10 URL d'images, le reste des prompts et la structure des paramètres restant identiques, ce qui réduit le coût d'intégration.
• Les références multiples peuvent être désignées par numéro — plusieurs images d'entrée sont numérotées selon l'ordre du tableau ; dans le prompt, on peut utiliser « image 1 », « image 2 » pour spécifier précisément l'objet à éditer et réduire les ambiguïtés.
• Aléatoire contrôlable — seed couvre 0 à 2147483647 ; une fois fixé, les résultats restent relativement stables, ce qui facilite les tests de régression et la reproductibilité des tâches par lots.

Description des capacités

Appel unifié pour la génération texte-vers-image et image-vers-image : prompt est obligatoire ; sans image_urls, il s'agit d'une génération purement textuelle ; avec 1 à 10 images publiques, la tâche devient une édition — une même interface couvre les deux besoins.

Références multiples et édition par désignation : jusqu'à 10 images de référence peuvent être intégrées en une fois et sont numérotées automatiquement ; le prompt peut appliquer des modifications locales à une image désignée, ce qui convient à l'assemblage de plusieurs éléments ou à l'édition par zones.

Format et dimensions contrôlés : aspect_ratio propose cinq options — 1:1, 16:9, 9:16, 4:3, 3:4 — correspondant à des dimensions fixes en pixels allant de 2048×2048 à 2688×1536 ; si aucun ratio n'est transmis, le modèle le choisit automatiquement selon le prompt et les images de référence.

Option d'extension de prompt : prompt_extend est activé par défaut et optimise automatiquement les prompts courts, au prix de quelques secondes supplémentaires ; il peut être désactivé lorsqu'une mise en page stricte ou le rendu d'un texte spécifié est requis, afin de garantir la contrôlabilité.

Prompts longs et rendu de texte : prompt peut atteindre 4500 caractères, en chinois comme en anglais ; le texte devant apparaître dans l'image peut être écrit caractère par caractère dans le prompt, et un fond transparent peut également être déclaré dans le prompt.

Scénarios d'application

• Production en série de visuels préliminaires par les équipes de design — générer une image finale à partir d'une description textuelle, choisir le format selon les besoins, pour produire rapidement des ébauches destinées aux supports événementiels, aux illustrations pour réseaux sociaux, etc.
• Changement de couleur local sur les images produit en e-commerce — téléverser l'image d'origine du produit en précisant la zone à modifier ; la sortie conserve une composition identique et peut servir directement au remplacement dans les pages de détail et à l'affichage de SKU multicolores.
• Composition multi-éléments et édition à partir de références — transmettre simultanément plusieurs images de référence et les désigner par leur numéro ; la sortie est une image unique fusionnée ou substituée, pour des scènes composites et l'intégration d'éléments.
• Pipelines de traitement par lots reproductibles — en fixant la combinaison seed + prompt et en appelant de manière répétée, on obtient des résultats relativement stables, ce qui facilite l'intégration aux tests automatisés et aux processus de restauration des visuels.

Limites et conseils de choix

Ce modèle produit uniquement des images statiques et ne prend pas en charge la vidéo ni le contenu dynamique. Les images de référence doivent être des URL accessibles publiquement, ne pas dépasser 10 MB chacune, avoir une largeur et une hauteur comprises entre 1 et 8000 pixels et un rapport entre le plus grand et le plus petit côté inférieur ou égal à 10:1 ; hors de ces limites, un prétraitement est nécessaire. Le format ne peut être choisi que parmi cinq options fixes, sans possibilité de spécifier une résolution arbitraire. L'activation de l'extension de prompt entraîne quelques secondes de traitement supplémentaires ; pour les besoins de rendu de texte à mise en page stricte, il est conseillé de la désactiver et de vérifier soi-même le résultat. Ce modèle convient aux tâches de génération et d'édition de taille moyenne privilégiant la vitesse et le coût ; pour une qualité d'image supérieure ou un quota d'appels plus élevé, on peut choisir la version pro de la même série.