Qwen-Image-2.1-PE-T2I输出格式全解析：如何正确读取rewritten_prompt与wh_ratio

Qwen-Image-2.1-PE-T2I 是一个开源的文生图提示词改写模型（Prompt Rewriting Model）：输入一句简短的作图请求，它输出一段包含rewritten_prompt与wh_ratio两个字段的 JSON 对象。本文完整拆解它的输出格式，带你用最快速度正确读取这两个字段。

📦 先搞懂：Qwen-Image-2.1-PE-T2I 是什么

它不是一个直接画图的模型，而是 Qwen-Image-2.1 出图流程中的「提示词扩写器」——基于 Qwen3.5-VL 9B 微调，把任意语言的短请求（哪怕只有 3 个词）扩写成一段 400~500 词的详细英文画面描述，并推荐一个合适的画面比例。

典型工作流是两段式：

1. Qwen-Image-2.1-PE-T2I（本文主角）：短提示词 → 详细英文提示词 + 宽高比
2. Qwen-Image-2.1（出图模型）：拿着上一步的rewritten_prompt和wh_ratio生成图片

模型权重约 18.8GB（bfloat16），共 4 个分片。仓库内各文件的作用如下：

模型文件也可通过git clone https://gitcode.com/hf_mirrors/Qwen/Qwen-Image-2.1-PE-T2I获取。

🔍 输出的完整结构：先是推理块，再是一行 JSON

模型不会直接吐出 JSON。完整原始输出长这样：

think （这里是模型的推理过程，逐条分析画面元素、位置、光线……） end think {"rewritten_prompt": "The image is a wide cinematic photograph of a corgi playing guitar in the rain, ...", "wh_ratio": "16:9"}

拆解成三层看：

system_prompt.txt 中对输出契约的定义是：单行、严格合法的 JSON，前后不能有任何其他内容。这也是解析时敢直接json.loads的底气所在。

📝 字段一：rewritten_prompt 详解

rewritten_prompt是一段"以观察者视角描述成图"的英文段落。它的写法由 system_prompt.txt 中的八步规则约束：

1. 拆需求：用户明确给出的（文字内容、数量、颜色、比例）逐字保留；没说的由模型补全
2. 定画幅：决定横竖与比例（比例只写入wh_ratio，不写进描述）
3. 开场句：约 20 词，交代媒介、风格、主体、背景
4. 列清单：先盘点画面元素与可读文字
5. 走画面：按区域或主体顺序描述，约 1/3 句子以位置短语开头
6. 写文字：图中可读文字保留原语言（中文仍是中文），带引号书写
7. 单独立光：给光源、方向、阴影单独一句话
8. 收尾句：以 "The overall composition …" 总结构图与氛围

对使用者来说，这意味着：

• 它总是英文（图中文字除外），可以直接喂给任何英文出图模型
• 短请求也会得到完整长描述，不需要你自己补细节
• 描述里永远不会出现 "masterpiece"、"8K" 之类的画质堆砌词，也永远不会出现比例或分辨率数字
• 长度稳定在 20 句左右、400~500 词，便于下游做 token 预算

🖼️ 字段二：wh_ratio 详解与比例清单

wh_ratio是字符串形式的宽高比，如"16:9"、"3:2"。它的取值规则（见 system_prompt.txt）：

• 用户指定了比例就照用
• 没指定时：横向主体默认3:2，纵向主体默认2:3
• 方形徽章/图标用1:1，电影感宽幅用16:9，手机竖屏/长条 Banner 用9:16或1:2
• 偶见4:3、2:1、21:9等小众值

拿到比例后，需要映射成实际像素尺寸才能出图。README.md 给出的常用映射表：

⚠️ 注意：模型理论上可能返回映射表之外的值（如"21:9"），健壮的做法是查不到时回退到2048 × 2048。

⚡ 最快解析方法：三步从原始输出到 JSON

完整推理示例见 README.md，核心解析只有三步（见 README.md）：

第 1 步：按end think切分，丢弃推理块

thinking, _, answer = gen.partition("end think")

第 2 步：解析 JSON（answer可能带前后空白，先strip）

import json result = json.loads(answer.strip())

第 3 步：取字段使用

prompt = result["rewritten_prompt"] # 传给 Qwen-Image-2.1 出图 width, height = WH_RATIO_TO_SIZE.get(result["wh_ratio"], (2048, 2048))

两个容易忽略的调用细节：

• 构建输入时apply_chat_template要传enable_thinking=True（见 chat_template.jinja），否则输出里没有推理块结构，切分逻辑会失效
• 生成参数建议照官方示例：max_new_tokens=16256, do_sample=True, temperature=1.0, top_p=0.95, top_k=20，其中max_new_tokens必须给足，否则长描述中途截断，JSON 直接不闭合

⚠️ 常见坑与排查

总结

Qwen-Image-2.1-PE-T2I 的输出格式可以一句话记住：end think之前的推理块全部丢弃，之后是一行 JSON，rewritten_prompt拿去出图、wh_ratio换算尺寸。掌握「切分 → 解析 → 映射」这三步，就能把它稳稳接进你的文生图工作流。