Qwen-Image-2.1多图参考编辑详解：如何用10张参考图生成合影与全身穿搭

Qwen-Image-2.1 是通义千问团队开源的文生图生成与图像编辑模型，最大亮点是支持一次传入最多10 张参考图，完成合影生成、全身穿搭合成等多图编辑任务。下面为新手完整讲解玩法与操作步骤。

🖼️ Qwen-Image-2.1 多图参考编辑能做什么

Qwen-Image-2.1 是一个"文生图 + 图像编辑"二合一的统一模型，视觉生成组件仅 7B 参数（32 层 Single-Stream DiT），兼顾生成质量与推理效率。核心能力一览：

• 多图参考：最多 10 张参考图，多主体自由组合
• 合影生成：多张人像照片合成同一场景合影，面部特征保持一致
• 全身穿搭合成："模特 + 衣服 + 鞋 + 包 + 帽子"多张参考合成一套完整造型
• 局部编辑：用圆圈、涂画标注或独立掩码指定局部修改
• 原生透明：直接生成带 alpha 通道的 RGBA 透明图
• 原生 2K 分辨率：支持 1:1、4:3、16:9 等 7 种画幅比

架构细节可查阅 README.md 的 Architecture 章节。

一键安装步骤：快速搭好运行环境

用 pip 安装核心依赖即可（需最新版本的 diffusers，提供QwenImage21Pipeline接口）：

pip install "torch>=2.4.0" "transformers>=5.17" diffusers accelerate pillow

模型权重可从 ModelScope 或 Hugging Face 下载，生态侧还支持 ComfyUI、vLLM-Omni、SGLang 等推理框架，详见 README.md 的 Community Support 部分。

如何传入10张参考图：合影生成实战

把多张图片组成PIL 图片列表，直接传给image参数，用提示词说明人物关系即可：

images = [Image.open(f"ref_{i}.png") for i in range(3)] # 最多 10 张 result = pipe( prompt="这三位人物坐在森林的篝火旁，保持各自的面部特征不变", image=images, num_inference_steps=40, ).images[0]

官方展示案例已用 6 张单人肖像生成了整张合影。仓库自带的编辑示例数据中还有一个multi_portrait双人合影案例（将两位人物置入直播间场景拍合影），见 edit_example.jsonl：

全身穿搭生成：5张参考图组合一套造型

官方"全身穿搭"案例将模特、衣服、鞋、包、帽子5 张参考图组合成一张完整的全身造型图。使用建议：

• 在提示词里给每张参考图明确角色：谁是画面主体，谁只提供参考素材
• 需要保持不变的部分显式写"保持 XX 外观不变"

多图参考标注规则：用 指明每张图的角色

多图输入时，官方规范要求必须用<image1>、<image2>标签引用图片，不要写"图1 / 第一张图 / image A"：

• 明确哪张是"画布"（构图与未修改内容保留）、哪些是素材来源
• 合影、一起变老这类无画布新场景任务，所有图片都作为身份来源
• 每张参考图要逐张单独描述，不要合并成一组笼统带过

完整规则见 system_prompt_edit.txt。示例数据中的真实写法：

将 中的人物和 中的人物置入一个现代直播间的场景中，生成一张两人并排坐在直播桌后共同面向镜头的合影照片。保持两位人物的面部特征、发型和服装外观完全不变。

官方提示词改写：让效果再上一个台阶

官方配套了两个微调版 Qwen3.5-VL 9B 提示词改写模型（T2I 一个、Edit 一个），把简短粗放的提示词自动扩写成详细、可执行的长提示词，并推荐输出画幅：

python run_vllm.py --task edit \ --ckpt Qwen/Qwen-Image-2.1-PE-I2I \ --input data/edit_example.jsonl --output out.jsonl

全部代码位于 prompt_rewrite/ 目录，使用说明见 prompt_rewrite/README.md。单次验证用 run_transformers.py，想做成服务则用 serve.sh + client.py。

其他热门编辑场景速览

Qwen-Image-2.1 处理单图编辑同样出色：

局部细节编辑—— 例如"只把头转向左侧，身体和手臂不动"：

创意变形—— 例如"把这个徽标画成在空中飘扬的旗帜"：

图内文字编辑—— 例如把动漫插图里的日本文字翻译成印地语：

单图全景—— 一张自拍扩展成 2:1 的全景画面：

出图画幅与分辨率：如何选输出画布

Qwen-Image-2.1 原生 2K，常用推荐分辨率：

两条经验法则：

• 换背景、换脸、换装等局部编辑 → 跟随画布图的画幅（ratio_follow）
• 合影、穿搭等新场景合成 → 按场景选比例（官方建议合影用 3:2）

默认参数：num_inference_steps=40，2048×2048 分辨率。

❓ 常见问题

显存不够怎么办？单卡 40GB 可舒适运行；显存紧张时调用pipe.enable_model_cpu_offload()做模型卸载，多参考图编辑还会自动复用前缀 KV 缓存以加速。

提示词可以用中文吗？可以，中英文提示词均支持；提示词改写模型还支持任意语言输入，并按语言规则输出改写结果。

合影人物相似度不够？搭配官方提示词改写模型使用，提示词中显式写明"保持面部特征、发型完全不变"，并尽量使用脸部清晰的参考图。

📁 相关路径速查

• 项目主文档：README.md
• 提示词改写文档：prompt_rewrite/README.md
• 编辑系统提示词：system_prompt_edit.txt
• 编辑示例数据：edit_example.jsonl
• 许可协议：LICENSE