qwen-image-2-pro

用途

Qwen-Image-2.0-Pro 是一个专业图像生成技能，通过 inference.sh 的命令行工具 belt（CLI）调用 Alibaba Qwen-Image-2.0-Pro 模型。其定位适合专业文字渲染和复杂设计，典型用途包括带文字的海报、营销横幅、标志设计等文字与图像结合的场景。

专业模型能力

专业文字渲染：支持多行及段落级文字，细节精细。
细颗粒度写实：更好的纹理与照片级场景。
更强的语义遵循：更准确地跟随复杂提示词。
复杂设计：适合文字加图像的组合。

安装与登录

需先安装 belt CLI 技能：

npx skills add belt-sh/cli

随后登录：

belt login

使用方式

基本调用：

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

文本转图像示例：

belt app run alibaba/qwen-image-2-pro --input '{
  "prompt": "A futuristic cityscape at sunset with flying cars"
}'

文字密集型海报示例：

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"
}'

多张变体示例：

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
}'

工作流示例：

# 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 示例：

from inferencesh import inference

client = inference()

# Text-heavy poster
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"])

# Stream live updates
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']}")

输入选项

参数	类型	说明
prompt	string	必填。要生成或编辑的内容（最多 800 字符）
reference_images	array	用于编辑的输入图像（1-3 张）
num_images	integer	要生成的图像数量（1-6）
width	integer	输出宽度，像素（512-2048）
height	integer	输出高度，像素（512-2048）
watermark	boolean	添加 "Qwen-Image" 水印
negative_prompt	string	要避免的内容（最多 500 字符）
prompt_extend	boolean	启用提示词重写（默认：true）
seed	integer	用于复现的随机种子（0-2147483647）

尺寸约束：总像素必须在 512×512 与 2048×2048 之间。

输出

字段	类型	说明
images	array	生成或编辑后的图像（PNG 格式）
output_meta	object	包含尺寸和数量的元数据

文字渲染技巧

为在 Pro 模型上获得最佳文字效果：

使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 以获得精确控制
使用负面提示词："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.

推荐负面提示词：

{
  "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"
}

文档

Running Apps - How to run apps via CLI
Streaming Results - Real-time progress updates
File Handling - Working with images

适用场景与限制

适用场景包括图文混排的海报、营销横幅、标志设计、写实场景生成，以及基于参考图的图像编辑与风格迁移。限制方面：prompt 最多 800 字符，negative_prompt 最多 500 字符；参考图 1-3 张；单次生成 1-6 张；宽高范围 512-2048，且总像素须在 512×512 与 2048×2048 之间；需具备 inference.sh CLI（belt）及登录凭证。收费、价格等信息暂未提供。

技能介绍

用途