هوش مصنوعی Qwen-Image-2.1-Turbo؛ تولید تصویر با ۸ مرحله پردازش

تیم Qwen وابسته به شرکت Alibaba در تاریخ ۹ اکتبر ۲۰۲۶ (برابر با ۱۸ مهر ۱۴۰۵) از جدیدترین ابزار هوش مصنوعی خود برای ساخت و تغییر عکس به نام Qwen-Image-2.1-Turbo رونمایی کرد. این مدل جدید به گونه‌ای طراحی شده که می‌تواند تصاویر بسیار باکیفیت را با سرعت بالا تولید کند؛ به طوری که تمام مراحل ساخت عکس فقط در ۸ گام انجام می‌شود.

خلاصه اخبار انتشار Qwen-Image-2.1-Turbo

• سرعت فوق‌العاده: تولید و ویرایش تصویر حالا فقط در ۸ مرحله پردازش انجام می‌شود که سرعت کار را خیلی بیشتر کرده است.
• کیفیت و هوشمندی بالا: هوش مصنوعی جدید علی‌بابا با ۷ میلیارد پارامتر، تصاویر بسیار دقیق و زیبایی می‌سازد.
• تولید تصاویر بدون پس‌زمینه (شفاف): امکان ساخت عکس‌های بدون پس‌زمینه جهت استفاده مستقیم در کارهای گرافیکی و استیکرها.
• ترکیب چند عکس با هم: امکان دادن چند عکس به عنوان الگو به هوش مصنوعی برای ساخت یک تصویر جدید ترکیبی.
• طراحی پوستر و نوشته روی عکس: این مدل در زمینه تایپوگرافی و طراحی پوستر بهبودهایی داشته است؛ بااین‌حال، برای ارزیابی دقت نوشته‌های فارسی باید خروجی‌های آن به‌صورت عملی بررسی شوند
• پشتیبانی از انواع سایزها: ساخت تصویر در ابعاد مختلف (مربعی، استوری، عریض) تا کیفیت بسیار بالا (2K).

مدل Qwen-Image-2.1-Turbo چیست؟

تیم هوش مصنوعی علی‌بابا نسخه جدیدی از مدل تصویری خود را به نام Qwen-Image-2.1-Turbo منتشر کرده است. این مدل در واقع یک ابزار همه‌فن‌حریف برای ساخت عکس از روی متن و همچنین ویرایش تصاویر است. هدف اصلی از ارائه نسخه «توربو»، بالا بردن سرعت ساخت عکس و آسان‌تر کردن کار برای طراحان و تولیدکنندگان محتوا بوده است. 

ویژگی‌های جذاب و کاربردی Qwen-Image-2.1-Turbo

مدل جدید Qwen-Image-2.1-Turbo دارای امکانات متنوع زیر است که فرایند تولید تصویر را ساده‌تر و سریع‌تر کرده است:

• تولید عکس فقط در ۸ مرحله پردازش (سرعت فوق‌العاده): در مدل‌های معمولی، هوش مصنوعی باید ده‌ها مرحله روی عکس کار کند تا شکل بگیرد. اما در این مدل، همه کارها تنها در ۸ مرحله انجام می‌شود که باعث افزایش چشمگیر سرعت شده است.
• ساخت عکس‌های بدون پس‌زمینه (شفاف): یکی از بهترین قابلیت‌های این مدل برای طراحان، امکان ساخت مستقیم عکس‌های بدون پس‌زمینه است. به این ترتیب می‌توانید سوژه‌ها را بدون نیاز به دوربری، مستقیم روی کارهای گرافیکی یا استیکر استفاده کنید.
• ترکیب چند عکس با هم: شما می‌توانید تا ۱۰ عکس مختلف را به عنوان الگوی مرجع به مدل بدهید تا عناصر آن‌ها را ترکیب کرده و یک عکس جدید و هماهنگ تحویلتان دهد.
• طراحی پوستر و نوشتن متن روی عکس: این مدل به راحتی می‌تواند متن‌ها و کلمات را با فونت زیبا و دقت بالا روی پوسترها، تابلوها و کارت‌های تبریک بنویسد.
• حفظ هویت چهره و محصولات: در فرایند ویرایش، جزئیات چهره افراد و ویژگی‌های ساختاری و بافتی محصولات به‌دقت حفظ می‌شوند تا خروجی‌های واقع‌گرایانه‌ای حاصل شود.

سایزها و کیفیت تصاویر در Qwen-Image-2.1-Turbo

مدل Qwen-Image-2.1-Turbo می‌تواند عکس‌ها را در انواع سایزهای استاندارد (از عکس‌های مربعی اینستاگرام تا استوری و عکس‌های عریض) با کیفیت 2K تولید کند.

نسبت ابعاد (Aspect Ratio)	عرض × ارتفاع (پیکسل)	کاربرد پیشنهادی
1:1	۲۰۴۸ × ۲۰۴۸	پست‌های شبکه‌های اجتماعی، استیکرها و لوگوها
4:3	۲۴۰۰ × ۱۷۹۲	تصاویر استاندارد وب و نمایشگرها
3:4	۱۷۹۲ × ۲۴۰۰	پوسترهای عمودی و عکس‌های پرتره
3:2	۲۵۲۸ × ۱۶۹۶	عکاسی حرفه‌ای افقی
2:3	۱۶۹۶ × ۲۵۲۸	پوسترهای دیواری و جلد کتاب/مجلات
16:9	۲۷۵۲ × ۱۵۳۶	تصاویر عریض سینمایی، بنرها و والپیپر
9:16	۱۵۳۶ × ۲۷۵۲	استوری اینستاگرام، تیک‌تاک و پوسترهای بلند

چطور از Qwen-Image-2.1-Turbo استفاده کنیم؟

برنامه‌نویسان و علاقه‌مندان به تکنولوژی می‌توانند فایل‌های این مدل را به‌صورت رایگان از سایت Hugging Face دانلود کرده و آن را در برنامه‌های خود یا ابزارهای گرافیکی مثل ComfyUI اجرا کنند.

بیشتر بدانیم: راهنمای کامل نصب و اجرای مدل با Diffusers، vLLM و ComfyUI

برای اجرای مدل Qwen-Image-2.1-Turbo ابتدا پیش‌نیازهای نرم‌افزاری زیر را نصب کنید (توجه داشته باشید که این مدل نیازمند سورس اصلی Diffusers با پشتیبانی از PR #14950 است):

pip install git+https://github.com/huggingface/diffusers.git pip install “transformers>=5.17.0” accelerate pillow

نمونه کد کامل پایتون برای بارگذاری چک‌پوینت Turbo و اجرای تولید تصویر ۸ مرحله‌ای:

import torch from diffusers import QwenImage21Pipeline pipe = QwenImage21Pipeline.from_pretrained(     “Qwen/Qwen-Image-2.1-Turbo”,     dtype=torch.bfloat16, ).to(“cuda”) prompt = “A high-contrast educational poster for science…” image = pipe(     prompt=prompt,     width=1680,     height=2512,     use_kv_cache=True,     generator=torch.Generator(“cpu”).manual_seed(42), ).images[0] image.save(“turbo_output.png”)

علاوه بر Diffusers، این مدل پشتیبانی بومی روز صفر (Day 0) را در محیط ComfyUI (از طریق وزنی‌های Comfy-Org)، فریم‌ورک‌های سرویس‌دهی vLLM-Omni (با گراف‌های CUDA، کوانتایزیشن FP8 و موازی‌سازی TP/Ulysses)، SGLang-Diffusion و LightX2V ارائه می‌دهد.

وضعیت دسترسی و استفاده از Qwen-Image-2.1-Turbo

این مدل به‌صورت رایگان و متن‌باز در دسترس همگان قرار گرفته است. استفاده‌های شخصی و تحقیقاتی از آن کاملاً آزاد است؛ اما برای استفاده‌های تجاری بزرگ باید ضوابط مجوز آن بررسی شود.

چرا رونمایی Qwen-Image-2.1-Turbo مهم است؟ مقایسه با رقبا و اکوسیستم سخت‌افزاری

در فضای رقابتی مدل‌های مولد تصویر، داشتن کیفیت بالا به تنهایی کافی نیست؛ بلکه سرعت اجرای پردازش و کاهش هزینه‌های زیرساختی از عوامل تعیین‌کننده شده‌اند. مدل Qwen-Image-2.1-Turbo با پردازش ۸ مرحله‌ای، گزینه‌ای بسیار سریع برای میزبانی روی زیرساخت‌های اختصاصی به شمار می‌رود.

این مدل می‌تواند رقیبی جدی برای سایر مدل‌های مطرح ساخت تصویر نظیر Nano Banana، GPT Image و Seedream باشد. البته ارزیابی دقیق کیفیت و مقایسه سرعت واقعی آن نیازمند بنچ‌مارک‌ها و تست‌های مستقل در سناریوهای واقعی است.

دسترسی به سرویس‌های هوش مصنوعی در هوشا

مدل‌های متن‌باز مانند Qwen-Image-2.1-Turbo امکانات قدرتمندی برای تولید و ویرایش تصویر فراهم می‌کنند، اما اجرای آن‌ها معمولاً نیاز به دانش فنی، سخت‌افزار مناسب و تنظیمات پیچیده دارد. برای کاربرانی که می‌خواهند بدون درگیری با این مراحل، به‌سرعت تصویر بسازند یا ویرایش کنند، استفاده از پلتفرم‌های آماده گزینه ساده‌تری است.

در این راستا پلتفرم هوشا امکان دسترسی سریع و بدون محدودیت کاربران ایرانی را به بهترین ابزارهای متنی و تصویری با پرداخت ریالی و بدون نیاز به فیلترشکن فراهم کرده است. در این پلتفرم سرویس‌های ساخت و ویرایش تصویر، تولید ویدیو، موسیقی و دسترسی به برترین مدل‌های چت (نظیر چت جی پی تی و کلاد)  همگی در یک محیط یکپارچه فارسی در دسترس شما قرار دارند. برای شروع نیز:

1. وارد وب‌سایت هوشا به آدرس https://hoosha.com/  شوید.
2. ابزار ساخت عکس را مطابق با شکل زیر انتخاب کنید.
3. بعد از اعمال تنظیمات و نوشتن پرامپت مناسب، می‌توانید عکس بسازید.

ابزارهای هوش مصنوعی ساخت عکس

جمع‌بندی

در مجموع Qwen-Image-2.1-Turbo با پشتیبانی از تولید و ویرایش تصویر در ۸ مرحله کاهش نویز، ساخت تصاویر شفاف و استفاده از حداکثر ۱۰ تصویر مرجع، گزینه‌ای قابل‌توجه برای تولید محتوای بصری است. البته برای اجرای محلی آن باید پیش‌نیازهای فنی و شرایط مجوز استفاده را در نظر بگیرید.

حال اگر می‌خواهید بدون نصب مدل و تنظیمات فنی، ساخت تصویر با هوش مصنوعی را تجربه کنید، به سرویس ساخت عکس هوشا سر بزنید و ایده خود را به تصویر تبدیل کنید.

نویسنده: آرزو کبیری

• منبع ۱ | منبع ۲ | منبع ۳