抠图、改图、换背景，这个 7B 开源模型想收进一条链路

做一张产品页素材，最容易把人磨没脾气的，往往不是出第一张图。

是后面那一串小改动。

背景换掉，主体抠出来，文字改一个字，衣服换个颜色，再把这个 PNG 交给做落地页的人。你以为自己在做图，其实是在不同软件之间搬运一个对象。每搬一次，边缘、阴影、尺寸和版本号就多一次出错机会。

Qwen 昨天开源的 Qwen-Image-2.1，有个点我觉得比跑分更像一件正经事，它把文生图、改图和透明图放进了同一个模型。视觉生成部分是 7B 参数，官方还给了最多 10 张参考图、圈选和涂抹局部编辑、独立蒙版输入这些能力。

这篇不做跑分通稿，也不装作已经在生产项目里把它跑飞了。官方示例和仓库在这里，实测还得等真实素材、显卡和交付要求一起上桌。今天只聊一个很俗、但天天要命的问题，产品素材能不能少走一轮。

很多人看到透明通道，会觉得不就是导出 PNG 吗。

不太一样。

普通工作流常常是先生成一张带背景的图，再用抠图、蒙版或人工路径把主体挖出来。Qwen-Image-2.1 的说法是，模型可以按提示词直接生成带 alpha 通道的图，也能在透明图层上继续修改。它还可以从一张 RGB 照片里提取指定对象，输出 RGBA 图层。

这里的 RGBA 可以先别被四个字母劝退。R、G、B 是颜色，A 是透明度。对需要交素材的人，A 的意义很朴素，主体可以直接落到新背景上，不用先把一块白底或灰底处理干净。

所以它真正瞄准的，不是把一张图画得多玄，而是把「生成完以后还得编辑」这段时间缩短一点。做电商图、产品首页插画、演示稿配图，甚至是给同一款商品换几套环境图的人，大概率都认识这种来回导出的疲惫感。

好家伙，终于有人把最不体面的那一段端上台面了。

不过先别急着把旧流程删掉。

官方展示的能力很全，透明背景、透明图层编辑、照片转 RGBA、文字替换、局部涂抹和多图合成，都在同一套材料里。可真正的交付不是看一张示例图好不好看，而是看它能不能保住那个你最不想改坏的东西。

最多 10 张参考图也别只理解成「一次塞十张图进去」。它更像是把模特、商品、配件、场景和风格拆成若干来源，再要求模型在一张成图里别把它们认错。这个能力用得好，确实可能少一次拼图和返工。用得不好，十张参考图会把需求写成一桌没有主持人的会议，模型只负责把大家都听错一点点。

商品的 logo 有没有变形，包装上的小字有没有换字，人物的手指有没有多长一节，抠出来的叶子边缘是不是一圈脏灰，连续改第三版时主体还认不认得出来。官方页也专门把人像和商品保真列成能力项，这至少说明问题被看见了。至于每个项目的底线在哪，仍然要用自己的素材验。

我建议把验收问题提前放在提示词前面。

如果你只是要一张社媒配图，能出图就够了。如果你要交给设计同事继续排版，或者要让同一个商品在五张图里保持一致，就别只问「好不好看」。至少盯住这四件事，主体边缘干不干净，文字与品牌元素有没有跑偏，透明 PNG 放到深浅两种底色上有没有脏边，第二次编辑后核心元素还稳不稳。

这不是给 Qwen-Image-2.1 特意加难度，换成任何图像模型都一样。模型出一张让人点头的图不算终点，能经得起下游修改才算进了素材链路。

官方还放了一张 Qwen-Image-Bench 对比图，把 Qwen-Image-2.1 标在 60.28 分，旁边同时列了很多开源与闭源模型。图能帮助理解它想把自己放在哪个位置，不过这类榜单最好只当官方材料，不要直接当采购结论。你的产品图里有没有中文小字、透明发丝、复杂反光和固定商品外观，榜单替不了。

对准备本地跑的人，还有一件更现实的事。

7B 听起来很轻，但不等于下载、显存和依赖都轻。官方 GitHub 仓库 写明，Diffusers、ComfyUI、vLLM-Omni、SGLang 等已经有 Day-0 支持。它是好消息，至少不用从零拼接口。可你仍得先看手上的机器、量化方案和实际工作流，别把一个下午献给一条还没跑通的节点链。

还有许可证。

仓库附带的是 Qwen Research License。其中写得很直白，商业使用需要另行申请许可。开源权重、能下载、能直接塞进商业项目，这三件事不是同一句话。做客户项目的人先过这一关，比跑出一张漂亮样张更重要。

所以我的判断很简单，Qwen-Image-2.1 值得放进候选列表，但别把它当成一键替代 Photoshop、设计师或现有素材规范的魔法按钮。它更像一台把生成、抠图和局部修改收在一起的工作台。你要是刚好被这几个环节来回折腾，它值得优先试。

没有这类痛点，别为了追新模型折腾环境。棒棒的，省下来的时间拿去把已经稳定的流程做快一点，也挺好。

要是你正在做产品素材，你最想砍掉的是抠图、局部改字，还是那种改到第五版后主体突然认不出来的返工？