qwen-edit

Qwen-Image-Edit 技能

通过 tools/image_edit.py 进行 AI 图像编辑。所用模型取决于部署方式：

部署方式	模型	许可证	默认设置	最大输入数
--cloud modal（默认）	Qwen-Image-Edit-2511	Apache-2.0，可商用	8 步，引导强度 1.0	3 张图像
--cloud modal，应用使用 IMAGE_EDIT_MODEL=qwen-image-2.1 部署	Qwen-Image-2.1（2026-09，统一生成与编辑，7B DiT，RGBA）	Qwen Research License —— 仅限非商业用途（“仅用于研究或评估”）	40 步，引导强度 1.0（不使用 CFG）	10 张图像
--cloud runpod	Qwen-Image-Edit-2511 + Lightning LoRA	Apache-2.0，可商用	8 步，引导强度 1.0	3 张图像

每次编辑后，工具都会打印 Model: 和 Steps:，方便你确认 Modal 应用运行的模型以及执行了多少步。不指定 --steps 时，每个模型都会使用其上方列出的默认步数。 使用 IMAGE_EDIT_MODEL=qwen-image-2.1 uv run modal deploy docker/modal-image-edit/app.py 选择启用；若要切回原模型，请不设置该变量重新部署。

状态： 持续完善中——我们会在实验过程中记录经验。examples.md / parameters.md 中的提示词模式和参数结论是在 2511 上测得的；依赖具体数值之前，请先在 2.1 上重新验证。

Qwen-Image-2.1 说明（通过 Modal 选择启用）

• 未经步数蒸馏——模型卡默认使用 40 步。旧的 8 步默认值是针对 2511 的 Lightning LoRA 调优的，而这里的 2.1 没有该 LoRA，因此步数过少可能会降低质量（未经测试）。
• 不使用引导进行采样。 --guidance 1.0（默认值）是模型预期的运行方式。若设为 >1，则会启用真正的 CFG（若未提供负向提示词，则使用空白负向提示词），并使每一步的开销翻倍。
• 多图输入： 第一个 --input 是要编辑的图像（“图像 1”）；其余图像按顺序作为参考图（“图像 2”等），最多 10 张。输出尺寸会遵循第一张图像的宽高比，大小约为 1MP。
• 局部编辑： 在图像上画圈或绘制标注，或者将单独的遮罩作为额外的 --input 传入，并说明要在该处修改什么（例如：“移除红圈内的手表”）。
• RGBA： 透明 PNG 输入会保留其 alpha 通道。要进行抠图，请使用提示词 "This is an RGBA image with transparency. <subject>. The image has alpha channel and the background is transparent." —— 只有模型实际生成了透明内容时，结果才会以 RGBA PNG 返回。

适用场景

当用户希望执行以下操作时使用：

• 在保留身份特征的同时编辑或变换照片
• 重新调整裁剪图像的构图（修复被裁掉的头部等）
• 更换服装、添加配饰
• 改变姿势（手臂位置、手部摆放）
• 应用风格迁移（赛博朋克、动漫、油画）
• 调整光照或色彩分级
• 添加或移除物体
• 角色变换（邦德、尼奥等）

不适用场景

• 替换背景（单张图像）——容易产生抠图伪影和光晕
• 换脸——无法根据参考图保留身份特征
• 扩图——无法可靠地扩展画布

谨慎使用

• 多图合成——使用明确的身份特征锚点时可以奏效（提示词模式见 examples.md）。需要描述显著特征（头发纹理和颜色、族裔、服装），并将引导强度设为约 2.0
• 改变相机角度——结果不稳定。垂直角度（低角度/高角度）比旋转角度（四分之三视角）效果更好

快速参考

# Basic edit
uv run tools/image_edit.py --input photo.jpg --prompt "Add sunglasses"

# With negative prompt (recommended)
uv run tools/image_edit.py --input photo.jpg \
  --prompt "Reframe as portrait with full head visible" \
  --negative "blur, distortion, artifacts"

# Style transfer
uv run tools/image_edit.py --input photo.jpg --style cyberpunk

# Background (use cautiously - often fails)
uv run tools/image_edit.py --input photo.jpg --background office

# Higher quality (RunPod / 2511 -- on Modal / 2.1 the 40-step default already is)
uv run tools/image_edit.py --input photo.jpg --prompt "..." --steps 16 --guidance 3.0 --cloud runpod

# Extract the subject onto a transparent background (Modal / 2.1)
uv run tools/image_edit.py --input product.jpg   --prompt "This is an RGBA image with transparency. The product from the photo. The image has alpha channel and the background is transparent."   --output product_cutout.png

# Multi-image composite (identity-preserving) -- settings tuned on RunPod / 2511
uv run tools/image_edit.py --input person.jpg background.jpg \
  --prompt "The [ethnicity] [gender] with [hair description] from first image is now in [scene] from second image. Same [features], [outfit]." \
  --negative "different ethnicity, different hair color, different face shape, generic stock photo" \
  --steps 16 --guidance 2.0 --cloud runpod

# Multi-image composite on Modal / 2.1 -- up to 10 references, defaults usually suffice
uv run tools/image_edit.py --input person.jpg outfit.jpg shoes.jpg background.jpg \
  --prompt "The person from image 1 wearing the outfit from image 2 and the shoes from image 3, standing in the scene from image 4. Same face and hair."

关键文件

• prompting.md - 提示词模式和结构
• examples.md - 实验中的正反示例
• parameters.md - 调整步数、引导强度和负向提示词

工具位置

tools/image_edit.py - 用于调用 Modal（docker/modal-image-edit/）和 RunPod（docker/runpod-qwen-edit/）端点的 CLI 封装脚本

相关文档

• docs/qwen-edit-patterns.md - 角色变换模式
• .ai_dev/qwen-edit-research.md - 研究笔记