Qwen-Image 2.1: generare e modificare immagini in locale

Qwen ha pubblicato Qwen-Image 2.1, un modello open-weight da 7 miliardi di parametri per la generazione e la modifica di immagini. È la versione "compatta" della famiglia Qwen-Image: un unico modello che unisce generazione da testo, editing e creazione di immagini trasparenti (RGBA), pensato per girare su hardware locale.

Perché conta: per la prima volta un modello di questa qualità per l'editing di immagini è open e gira in locale, senza API cloud. Se hai una GPU con almeno 16GB di VRAM, puoi iniziare a produrlo oggi.

Cosa fa

Qwen-Image 2.1 unifica in un solo modello tre cose:

• Generazione da testo — crea immagini da un prompt, fino a 2048x2048.
• Editing — modifica un'immagine esistente: cambia sfondo, estrai un soggetto, applica modifiche localizzate con cerchi o maschere.
• Trasparenza nativa — genera e modifica immagini RGBA con canale alfa, utili per sticker, icone e elementi da sovrapporre.

Puoi passare fino a 10 immagini di riferimento per preservare l'identità di persone o prodotti. La componente di generazione è un DiT (Diffusion Transformer) da 32 layer e 7B parametri: una scelta che bilancia qualità e costo computazionale.

Come girarlo in locale

Il modo più immediato è diffusers, la libreria che esegue le pipeline dei modelli generativi:

pip install torch>=2.4.0 transformers>=5.17 accelerate pillow
pip install git+https://github.com/huggingface/diffusers

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
).to("cuda")

image = pipe(
    prompt="Un'insegna luminosa che recita 'QWEN 2.1', notte, riflessi sull'asfalto bagnato",
    width=2048, height=2048, num_inference_steps=40,
).images[0]
image.save("out.png")

Su una GPU con meno memoria, pipe.enable_model_cpu_offload() sposta i layer tra CPU e VRAM al volo, a costo di velocità:

pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16)
pipe.enable_model_cpu_offload()

In alternativa: ComfyUI

Se preferisci un'interfaccia a nodi, ComfyUI ha aggiunto il supporto nativo a Qwen-Image 2.1: generazione e editing a 2K con workflow visivi, utile per chi automatizza la produzione di immagini.

Editing: un esempio pratico

Il punto di forza rispetto a un modello solo-generazione è l'editing. La pipeline accetta immagini di input oltre al prompt, e puoi limitare la modifica a un'area con una maschera (un'immagine in bianco e nero: bianco dove modificare, nero dove lasciare intatto):

# editing localizzato: cambia solo l'area della maschera
from PIL import Image

image, mask = Image.open("prodotto.png"), Image.open("maschera.png")
out = pipe(
    prompt="Rendi lo sfondo un tavolo di legno in una cucina",
    image=image, mask=mask,
    width=1024, height=1024, num_inference_steps=30,
).images[0]
out.save("prodotto-edit.png")

Lo stesso modello fa editing e generazione, quindi un workflow ComfyUI può alternare le due fasi senza cambiare checkpoint: generi il prodotto in studio, poi lo ricontesti in una scena diversa mantenendo identità e dettagli.

Quanta GPU serve

Il modello in bfloat16 occupa circa 14GB di VRAM. In pratica:

• 16GB (RTX 4060 Ti 16GB, RTX 5080) — gira, con offload se la scena è a 2K.
• 24GB (RTX 4090, 3090) — comfort, senza offload.
• Meno di 16GB — usa l'offload CPU o riduci le dimensioni di output (es. 1024x1024).

Quando ha senso

Qwen-Image 2.1 brilla nei casi in cui l'immagine è un prodotto, non un contorno:

• Asset e sticker — la trasparenza nativa elimina il passo di "rimuovi sfondo" che prima serviva un tool separato.
• Foto di prodotto — le 10 immagini di riferimento mantengono coerente un prodotto tra più scene.
• Workflow di design locale — con ComfyUI costruisci una catena ripetibile, senza spedire mai immagini a un servizio cloud.

In sintesi

È un passo concreto per chi vuole produzione di immagini in locale: un modello unico, open, che genera, modifica e crea trasparenza. Con 7B parametri e supporto ComfyUI, è tra i più accessibili della categoria oggi.

Articolo generato con IA