Qwen-Image-2.1 làm được gì và vướng giới hạn nào?

Qwen-Image-2.1 của Alibaba gộp chức năng tạo ảnh từ văn bản và chỉnh sửa ảnh vào một mô hình có thể tải trọng số. Điểm hấp dẫn với người làm hình ảnh là đầu ra độ phân giải cỡ 2K, khả năng tạo ảnh có nền trong suốt và chỉnh sửa dựa trên nhiều ảnh tham chiếu. Nhưng có một ranh giới quan trọng: tải được trọng số không có nghĩa là được tự do dùng mô hình cho mục đích thương mại. 141518

Tạo ảnh và chỉnh sửa: hữu ích ở đâu?

Mô hình hỗ trợ tạo ảnh gốc ở độ phân giải cỡ 2K với nhiều tỷ lệ khung hình. Nó cũng có thể tạo và chỉnh sửa ảnh RGBA: kênh alpha lưu thông tin độ trong suốt, giúp ghép hình lên nền khác mà không nhất thiết phải tách nền thêm một lượt. Đây là tính năng đáng thử cho minh họa, nhãn dán hoặc thành phần giao diện cần đặt trên nhiều nền. 1214157

Khi chỉnh sửa, người dùng có thể đưa vào tối đa 10 ảnh tham chiếu cho một tác vụ. Để chỉ định vùng cần thay đổi, họ có thể khoanh tròn, tô chú thích trực tiếp hoặc dùng một ảnh mặt nạ (mask) riêng, thay vì chỉ mô tả bằng lời. Những cách điều khiển này phù hợp để thử bố cục có nhiều đối tượng hoặc sửa một phần của ảnh; kết quả vẫn cần được xem lại bằng mắt. 2414

“7B” có phải yêu cầu cấu hình để chạy?

Không. Theo kho mã của Qwen, 7 tỷ tham số thuộc bộ phận tạo hình ảnh, được xây dựng với 32 lớp bộ biến đổi khuếch tán đơn luồng. Đó không phải số tham số của mọi thành phần trong hệ thống xử lý ảnh, nên không thể dựa riêng vào con số này để kết luận máy cần bao nhiêu bộ nhớ. Qwen cho biết cơ chế chú ý ở nhiều mức độ chi tiết và việc tái sử dụng bộ nhớ đệm prefix KV nhằm cải thiện hiệu quả suy luận; tốc độ và nhu cầu bộ nhớ thực tế vẫn tùy phần cứng, cách chạy. 1526

Trọng số có thể tải về giúp nhà nghiên cứu thử nghiệm tại chỗ hoặc xây dựng quy trình riêng. Mô hình cũng được báo cáo là đã tích hợp với Diffusers và ComfyUI, hai công cụ để triển khai, thử nghiệm quy trình tạo và chỉnh sửa ảnh. Dùng các công cụ đó không làm thay đổi điều khoản giấy phép. 2718

Nên hiểu điểm đánh giá 60,28 thế nào?

Theo các báo cáo về bảng đánh giá do Qwen công bố, Qwen-Image-2.1 đạt 60,28 điểm, đứng trên các mô hình có thể tải trọng số khác trong phép so sánh được đăng tải. Đây là kết quả từ bộ đánh giá của chính Qwen, không phải bằng chứng độc lập rằng mô hình sẽ tốt hơn trên mọi câu lệnh, độ phân giải hay tác vụ chỉnh sửa. Một số mô hình không công bố trọng số cũng xếp trên nó trong bảng này. 12328

Có thể đưa vào sản phẩm thương mại không?

Chưa thể chỉ dựa vào việc tải mô hình về. Qwen Research License trong kho mã cho phép sử dụng tài liệu và mô hình cho mục đích phi thương mại, đồng thời yêu cầu giấy phép riêng nếu muốn dùng cho mục đích thương mại. Vì vậy, khả năng chạy tại chỗ hay qua Diffusers phù hợp để nghiên cứu, đánh giá; còn nếu định đưa vào sản phẩm hoặc quy trình kinh doanh, việc cần giải quyết trước tiên là quyền sử dụng. 18215