qwen-image-2-pro

Qwen-Image-2.0-Pro 是阿里巴巴推出的专业图像生成模型，通过 inference.sh 的命令行工具（belt CLI）调用。它面向需要高质量文字渲染与复杂设计的场景，在文字排版、写实细节和语义理解方面做了增强。

主要能力

专业文字渲染：支持多行、段落级文字，细节精细。
细粒度写实：纹理与照片级场景表现更好。
更强的语义遵循：更准确地执行复杂提示词。
复杂设计：适合文字与图像组合的设计任务。

使用方式需先安装 inference.sh CLI（belt）。安装技能：npx skills add belt-sh/cli。登录后即可运行：

belt login belt app run alibaba/qwen-image-2-pro --input '{"prompt": "Poster with title "Welcome!" in bold blue text"}'

输入参数

prompt（字符串，必填）：要生成或编辑的内容，最多 800 字符。
reference_images（数组）：用于编辑的输入图像，1-3 张。
num_images（整数）：生成图像数量，1-6 张。
width / height（整数）：输出宽高，512-2048 像素。
watermark（布尔）：添加“Qwen-Image”水印。
negative_prompt（字符串）：要避免的内容，最多 500 字符。
prompt_extend（布尔）：启用提示词改写，默认 true。
seed（整数）：随机种子，0-2147483647，用于复现。尺寸约束：总像素需在 512×512 与 2048×2048 之间。

输出

images（数组）：生成或编辑后的图像，PNG 格式。
output_meta（对象）：包含尺寸与数量的元数据。

文字渲染建议

用引号包裹精确文字，如 "Title: "Hello World!""。
指定字体细节：颜色、样式、大小、位置。
需要精确控制时关闭 prompt_extend（设为 false）。
使用负向提示词，如 "blurry text, distorted text, low quality"。示例提示词结构： Poster with the title "GRAND OPENING" in large red serif font at the top center. Below, the date "March 15, 2024" in smaller black text. Background: elegant gold and white gradient. Style: professional, clean, modern.

推荐负向提示词 {"negative_prompt": "low resolution, low quality, deformed limbs, deformed fingers, oversaturated, waxy, no facial details, overly smooth, AI-like, chaotic composition, blurry text, distorted text"}

示例工作流

1. 生成示例输入查看所有选项

belt app sample alibaba/qwen-image-2-pro --save input.json

2. 编辑提示词

3. 运行

belt app run alibaba/qwen-image-2-pro --input input.json

Python SDK from inferencesh import inference client = inference() result = client.run({ "app": "alibaba/qwen-image-2-pro", "input": { "prompt": "Poster with title "Welcome!" in bold blue text at top", "width": 1024, "height": 1536, "prompt_extend": False } }) print(result["output"])

支持流式更新： for update in client.run({ "app": "alibaba/qwen-image-2-pro", "input": {"prompt": "Professional product photography of a watch"} }, stream=True): if update.get("progress"): print(f"progress: {update['progress']}%") if update.get("output"): print(f"output: {update['output']}")

适用场景

含大量文字的海报、营销横幅、Logo 设计。
需要照片级写实与复杂语义的图像生成。
基于参考图的图像编辑与风格迁移（如换装）。
需要可复现结果的批量生成（通过 seed）。

限制

提示词最多 800 字符，负向提示词最多 500 字符。
参考图 1-3 张，生成数量 1-6 张。
输出尺寸受总像素约束（512×512 至 2048×2048）。
需通过 inference.sh CLI 或 Python SDK 调用，依赖相应账号登录。
收费、价格与平台支持情况暂未提供。

技能介绍

1. 生成示例输入查看所有选项

2. 编辑提示词

3. 运行