qwen-image-2-pro

用途

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 CLI（belt）调用。它面向需要高质量文字渲染和复杂设计的场景，官方描述其优势为：专业文字渲染、细粒度写实、更强的语义遵循，适合文字与图像结合的设计任务。

主要能力

专业文字渲染：支持多行及段落级文字，细节精细。
细粒度写实：更好的纹理与照片级场景表现。
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。
支持图像编辑（如风格迁移）、多图变体生成、可复现生成（通过 seed）。

使用方式

需先安装 inference.sh CLI（belt），安装命令为 npx skills add belt-sh/cli，随后登录：

belt login

基本调用示例：

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

文字密集海报示例：

belt app run alibaba/qwen-image-2-pro --input '{
  "prompt": "Healing-style hand-drawn poster featuring three puppies playing with a ball. The main title \"Come Play Ball!\" is prominently displayed at the top in bold, blue cartoon font. Below, the subtitle \"Join the Fun!\" appears in green font.",
  "width": 1024,
  "height": 1536,
  "prompt_extend": false
}'

营销横幅示例：

belt app run alibaba/qwen-image-2-pro --input '{
  "prompt": "Professional marketing banner for summer sale. Large text \"SUMMER SALE\" in white on gradient sunset background. \"50% OFF\" in yellow below. Clean, modern design.",
  "width": 1920,
  "height": 1080,
  "prompt_extend": false,
  "negative_prompt": "blurry text, distorted text, low quality"
}'

多图变体示例：

belt app run alibaba/qwen-image-2-pro --input '{
  "prompt": "Minimalist logo design for a coffee shop called \"Bean & Brew\"",
  "num_images": 4
}'

图像编辑（风格迁移）示例：

belt app run alibaba/qwen-image-2-pro --input '{
  "prompt": "Make the person from Image 1 wear the outfit from Image 2",
  "reference_images": [
    {"uri": "https://example.com/person.jpg"},
    {"uri": "https://example.com/outfit.jpg"}
  ],
  "num_images": 2
}'

可复现生成示例：

belt app run alibaba/qwen-image-2-pro --input '{
  "prompt": "Abstract geometric art in blue and gold",
  "seed": 12345
}'

输入参数

prompt：字符串，必填，生成或编辑内容（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）。
width：整数，输出宽度像素（512-2048）。
height：整数，输出高度像素（512-2048）。
watermark：布尔值，添加 "Qwen-Image" 水印。
negative_prompt：字符串，需避免的内容（最多 500 字符）。
prompt_extend：布尔值，启用提示词重写（默认 true）。
seed：整数，随机种子用于复现（0-2147483647）。

尺寸约束：总像素须在 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，包含尺寸和数量的元数据。

文字渲染技巧

用引号包裹精确文字："Title: "Hello World!""。
指定字体细节：颜色、样式、大小、位置。
关闭 prompt_extend：设置 prompt_extend: false 以精确控制。
使用负向提示词："blurry text, distorted text, low quality"。

推荐提示词结构示例：

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. 生成示例输入以查看所有选项
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()

# 文字密集海报
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"])

# 流式实时更新
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

含多行或段落级文字的海报、横幅、营销物料设计。
需要照片级写实纹理的场景。
需要精确遵循复杂提示词的设计任务。
图像编辑与风格迁移（如换装）。
需要批量生成变体或可复现结果的创作。

限制

提示词最多 800 字符，负向提示词最多 500 字符。
参考图像 1-3 张，生成数量 1-6 张。
输出宽高各在 512-2048 像素之间，总像素须在 512×512 与 2048×2048 之间。
需通过 inference.sh CLI（belt）或 Python SDK 调用，需登录。
关于收费、价格、平台支持范围等信息，资料暂未提供。

技能介绍

用途