Qwen、画像生成・編集モデル「Qwen-Image-2.1」をオープンウェイトで案内

Qwen公式Xは9月20日夜（日本時間）、画像生成と編集を一つにした「Qwen-Image-2.1」をオープンウェイトモデルとして案内した。7Bの軽量な構成に、透明画像の扱いと複数画像を使う編集をまとめたという。画像を作った後に別の道具で切り抜きや合成を続けている人には、工程を短くできるかが気になる更新だ。

透明レイヤーまで同じモデルで扱う

投稿で示された主な特徴は次の通りだ。

• 画像生成と編集を同じモデルで処理
• RGBAレイヤーを直接生成・編集し、透明画像の合成や文字編集に対応
• 最大10枚の参照画像と局所的な制御を使い、人物や商品の再現性を保つ
• パノラマ、インフォグラフィック、バーチャル試着などを対象に含む

ここで実用的なのは、透明部分を後処理だけに任せない点だ。もし投稿どおり精度よく扱えるなら、商品だけを残した素材や重ね合わせ用の部品を、生成から修正まで一つの流れで作りやすくなる。参照画像を10枚まで渡せるという仕様も、複数方向の商品写真や複数のデザイン要素を一度に合わせたい場面と相性がよさそうだ。

速度と品質は、利用環境で確かめたい

Qwenは、多画像入力の推論を大幅に高速化し、品質・速度・コストのバランスに優れると説明している。ただし、元投稿には比較条件や実測値、利用コストの詳細はない。人物や商品の忠実さ、文字表現の品質についても、現時点では公式側の説明として受け取るのが妥当だ。

投稿にはブログ、GitHub、ModelScope、Hugging Faceへの案内がある一方、今回の素材だけでは重みの配置状況や利用条件までは確認できない。まず注目したいのは派手な作例より、透明レイヤーと複数参照が普段の編集工程をどこまで減らせるかだ。

参照したX投稿

Qwen（@alibaba_qwen）の元投稿