随着8月份 Qwen-Image 的开源发布，以及后续 Qwen-Image-Edit ，Qwen-Image- Edit-2509的接连更新，短短三个月的时间里，Qwen-Image系列已经成为开源社区首选的的图片生成、图像编辑模型。Qwen-Image系列模型在复杂文本渲染场景下，尤其是中文字符的排版、字体还原与语义一致性方面，表现远超同类模型，能真正实现“所写即所得”。

 

ModelScope社区除了支持了Qwen-Image模型的开源首发，也在第一时间将Qwen-Image系列模型的生图，以及微调训练等能力，上线到了平台的AIGC专区（https://www.modelscope.cn/aigc/）。我们也看到，社区开发者的创作热情被Qwen-Image所点燃，围绕着一系列模型的LoRA层出不穷，包括最近在Hugging Face上强势出圈的多角度转换模型，也都来自于ModelScope AIGC的模型训练平台：

 

 

 

下面是近期使用ModelScope AIGC专区训练出来的一些优秀的社区LoRA：

模型名称 模型功能简介 示例效果图
Qwen-Edit-2509-Multiple-angles 支持摄像头多角度视角变换控制  
Qwen-Image-Edit-2509-Light_restoration 光线增强，去除阴影  
Qwen-Image-Edit-2509-Fusion 矫正产品透视和光影，将物品无缝融入背景  
Qwen-Image-Edit-2509-Relight 重新照明图像，模拟窗帘漫射光等效果  
Multiple-characters LoRA 支持单张图生成多人物角色，同场景多角度呈现  
Qwen-Image-Edit-2509-White_to_Scene 将白底产品图转换为真实场景图，让物品融入场景  
Qwen-Edit-2509-Workflow 多功能编辑工作流合集：扩图、修图、虚拟试穿、姿态控制等  

 

除了在AIGC专区能直接页面生图以外，ModelScope的AIGC专区同样通过API-Inference的接口，对外开放。为包括Qwen-Image在内的所有AIGC模型提供了API调用的支持。除了 Qwen-Image、Qwen-Image-Edit 、Qwen-Image- Edit-2509 这几个基础模型以外，ModelScope还为在平台上衍生的庞大LoRA模型家族，也提供了通过 API 接口，实现开箱即用的用户体验。

 

这里我们主要介绍 Qwen-Image 模型系列家族通过ModelScope API-Inference 调用。更多通过AIGC专区的页面使用方式，欢迎访问AIGC专区（https://www.modelscope.cn/aigc/）。

 

开启API-Inference使用

  • 已注册 ModelScope 账号并完成实名认证
  • 已获取访问令牌（Access Token）：https://modelscope.cn/my/myaccesstoken
  • 已绑定阿里云账号

快速开始

所有Qwen-Image系列的模型调用API的范例代码，都可以直接在模型页面上直接找到。以Qwen/Qwen-Image-Edit-2509为例：

https://www.modelscope.cn/models/Qwen/Qwen-Image-Edit-2509

 

从页面上即可看到通过API调用来实现包括多图编辑在内的典型使用场景所需的代码：

 

Qwen-Image 文生图调用示例

import requests
import time
import json
from PIL import Image
from io import BytesIO
base_url = 'https://api-inference.modelscope.cn/'
api_key = "<MODELSCOPE_SDK_TOKEN>"  # 请替换为您的 ModelScope Access Token
common_headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json",
}
# 提交图像生成任务
response = requests.post(
    f"{base_url}v1/images/generations",
    headers={**common_headers, "X-ModelScope-Async-Mode": "true"},
    data=json.dumps({
        "model": "Qwen/Qwen-Image",
        "prompt": "一只可爱的金色小猫在阳光下玩耍，毛发细节清晰，背景是温馨的家居环境，超清，4K，电影级构图",
    }, ensure_ascii=False).encode('utf-8')
)
response.raise_for_status()
task_id = response.json()["task_id"]
# 轮询任务状态
while True:
    result = requests.get(
        f"{base_url}v1/tasks/{task_id}",
        headers={**common_headers, "X-ModelScope-Task-Type": "image_generation"},
    )
    result.raise_for_status()
    data = result.json()
    if data["task_status"] == "SUCCEED":
        image = Image.open(BytesIO(requests.get(data["output_images"][0]).content))
        image.save("qwen_image_result.jpg")
        print("图像生成成功！")
        break
    elif data["task_status"] == "FAILED":
        print("图像生成失败")
        break
    time.sleep(5)

 

Qwen-Image-Edit-2509 图像编辑示例

import requests
import time
import json
from PIL import Image
from io import BytesIO
base_url = 'https://api-inference.modelscope.cn/'
api_key='<MODELSCOPE_TOKEN>'# ModelScope Token
common_headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json",
}
response = requests.post(
    f"{base_url}v1/images/generations",
    headers={**common_headers, "X-ModelScope-Async-Mode": "true"},
    data=json.dumps({
        "model": 'Qwen/Qwen-Image-Edit-2509', # ModelScope Model-Id, required
        "prompt": "给图中的狗戴上一个生日帽",
        "image_url":
            [
            "https://modelscope.oss-cn-beijing.aliyuncs.com/Dog.png"
            ]
        # multiple-image edit can be done by passing in multiple images:
        # "prompt": "写实风格，生成一张图片，图一中的狗，去追图二中的飞盘",
        # "image_url":
            #[
            # "https://modelscope.oss-cn-beijing.aliyuncs.com/Dog.png",
            # "https://modelscope.oss-cn-beijing.aliyuncs.com/Frisbee.png"
            #]
    }, ensure_ascii=False).encode('utf-8')
)
response.raise_for_status()
task_id = response.json()["task_id"]
whileTrue:
    result = requests.get(
        f"{base_url}v1/tasks/{task_id}",
        headers={**common_headers, "X-ModelScope-Task-Type": "image_generation"},
    )
    result.raise_for_status()
    data = result.json()
    if data["task_status"] == "SUCCEED":
        image = Image.open(BytesIO(requests.get(data["output_images"][0]).content))
        image.save("result_image.jpg")
        break
    elif data["task_status"] == "FAILED":
        print("Image Generation Failed.")
        break
    time.sleep(5)

通过 API 探索Qwen-Image 丰富的LoRA生态

除了Qwen-Image系列基础模型以外，其衍生的LoRA同样可以通过同样的API接口使用，只需要将基础模型的名字，改成LoRA模型对应的model id即可。依托ModelScope AIGC专区服务的基础设施，平台会自动加载LoRA模型所需的基础模型来实现图片的生成：

# 修改上述示例中的response部分即可
response = requests.post(
    f"{base_url}v1/images/generations",
    headers={**common_headers, "X-ModelScope-Async-Mode": "true"},
    data=json.dumps({
        "model": "MoYouuu/MYHuman-QWen", # LoRA ModelId on ModelScope 
        "prompt": "生成九宫格表情包，包含吐舌头、微笑、托腮、眨眼、大笑、比V手势等多种表情，保持人物身份一致，纯白背景，专业摄影棚光线"
    }, ensure_ascii=False).encode('utf-8')
)

这个能力使得开发者在ModelScope平台上训练的数千个LoRA模型，使得不同风格和场景的图像生成，都都能通过API实现开放：

https://modelscope.cn/aigc/models?filter=QWEN_IMAGE_20_B&page=1

API 参数说明

Qwen-Image 文生图（包括衍生LoRA）API 参数

参数名 参数说明 是否必须 参数类型 示例 取值范围
model 模型 ID 是 string Qwen/Qwen-Image Qwen-Image 系列模型 ID
prompt 正向提示词，支持中英文 是 string 一只可爱的金色小猫 长度小于 2000 字符
negative_prompt 负向提示词 否 string 模糊，低质量，变形 长度小于 2000 字符
size 生成图像分辨率 否 string 1024x1024 支持多种宽高比，详见下表
seed 随机种子 否 int 42 [0, 2³¹-1]
steps 采样步数 否 int 50 [1, 100]
guidance 提示词引导系数 否 float 4.0 [1.5, 20]

Qwen-Image-Edit-2509 图像编辑（包括衍生LoRA）API 参数

参数名 参数说明 是否必须 参数类型 示例 取值范围
model 模型 ID 是 string Qwen/Qwen-Image-Edit-2509 Qwen-Image-Edit 系列模型 ID
images 输入图像列表（base64） 是 array [[base64], [base64]] 多图像编辑，1-3 张
prompt 编辑指令 是 string 改变服装为旗袍 长度小于 2000 字符
negative_prompt 负向提示词 否 string 模糊，低质量 长度小于 2000 字符
steps 采样步数 否 int 40 [1, 100]
guidance 提示词引导系数 否 float 4.0 [1.5, 20]
seed 随机种子 否 int 42 [0, 2³¹-1]


更多

在过去3个月的时间里，我们目睹了Qwen-Image系列模型从发布，到迅速成长为AIGC领域头部的开源模型。社区生态的LoRA层出不穷，数量迅速从数百增加到数千，乃至逼近万的量级。从我们的AIGC专区训练微调产生的诸多模型，除了在ModelScope社区，也已经在包括Hugging Face在内的不同社区和平台上屡屡出圈。

 

我们期待通过社区的支持以及围绕ModelScope API-Inference接口开放的能力，能够进一步推进整个视觉生成领域开源社区生态的进一步丰富。一方面ModelScope会持续保障下一代的基础模型第一时间的接入，此外在API支持方面，包括多LoRA链式加载在内的诸多高阶能力以及更灵活的参数配置，我们也计划后续在API层面做更好的支持和透出，敬请期待！

 

Logo
欢迎加入ModelScope魔搭中文开源社区

ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！

更多推荐

cover

众智 FlagOS Skills：让 AI Agent 一句话搞定国产芯片开发

avatar ModelScope魔搭社区
cover

中科天机开放华中2.5公里气象及全球12公里沙尘数据集：支持时空序列AI模型训练

avatar ModelScope魔搭社区
cover

聘才猫十大skills利器入驻魔搭Skills中心，HR、开发者、求职者福利！

avatar ModelScope魔搭社区