Qwen Image 2.1 Text to Image API

alibaba/qwen-image-2.1/text-to-image
1K / 2K · 6 / 10 credits

Qwen Image 2.1 Text to Image 将文本转化为 1K 与 2K 原生图像,支持 RGBA 透明通道与中英文字排版。它精准维持光影构图与画幅比例,提供无需抠图的纯净透明图层。

获取 API Key
输入
1271 / 5,000
输出已就绪
10 credits / 张 · $0.050

继续使用

示例

The Clockwork Snail Postman

This is an RGBA image with transparency. Create a single charming clockwork snail postman, shown in three-quarter view and entirely contained in a square frame with generous clear space around every extremity. Its small body is made of brushed copper and softly oxidized brass, with two delicate curved antennae, a smooth articulated foot, and tiny believable exposed clockwork gears. In place of a shell it carries a rounded pale-blue translucent glass mail satchel containing three folded cream envelopes tied with a red thread; the glass lets the envelopes and internal highlights remain visible. A tiny leather strap and a loosely curled paper route map suggest a courier setting off on a long journey. Exquisite handmade miniature realism, warm copper reflections, cool glass highlights, subtle scratches, fine thread, clear separate antennae, clean readable silhouette, soft studio illumination from upper left. Only the snail and its carried objects should exist. No floor, ground plane, backdrop, cast shadow outside the subject, lettering, labels, logos, brand, promotional layout, or watermark. Preserve real alpha transparency around the silhouette and through appropriate glass areas; do not draw a checkerboard. The background is transparent.

First Stars After the Blizzard

Create a single ultra-wide 21:9 cinematic environmental photograph of a remote mountaintop observatory immediately after a blizzard has cleared at night. Place the open circular observatory dome in the left third, with a large telescope pointed through its opening. One adult astronomer wearing a cream parka is visibly pushing aside the heavy dome shutter, their boots planted on a metal walkway. A small amber work lamp inside illuminates the astronomer's face, frost on the telescope mount, mechanical ribs, and wind-blown snow lodged on the door edge. Across the middle and right two-thirds, distant sharp snowy ridges stretch beneath an immense clear indigo sky with dense, small, physically plausible stars. A fresh trail of bootprints connects the dark entrance to the dome. The story is the first observation after days of bad weather. Restrained amber-versus-blue lighting, realistic metal, ice, snow granularity and wool, architectural perspective that makes mechanical sense, one continuous scene with fine foreground detail and distant atmospheric depth. No split panels, infographic, writing, signs, letters, brands, advertisement, watermark, excessive lens flare, or oversized planets.

Qwen Image 2.1 Text to Image

Qwen Image 2.1 Text to Image 是阿里巴巴通义团队研发的统一图像生成模型。基于 7B 参数 Single-Stream DiT 架构与 Qwen3-VL 编码器,它原生支持 2K 画质、RGBA 免抠透明通道与高精度中英文字排版渲染。该模型为海报设计、创意电商与透明素材开发提供了高效普惠的高品质出图体验。

为什么选择 Qwen Image 2.1 Text to Image?

  • 7B 紧凑架构带来极高推理效率与普惠成本基于 32 层 Single-Stream DiT 架构与 Prefix KV 缓存技术,相比早期 20B 模型大幅缩减计算开销,1K 分辨率生成单张仅需 6 积分($0.030),大幅降低规模化图像创作门槛。

  • 原生 64 通道 RGBA 真实免抠透明背景内置专有 64 通道 RGBA 自编码器(VAE),无需依赖二次抠图即可直接从文本生成带有 Alpha 透明通道的 PNG 或 WebP 图像,完美契合图标、贴纸与平面合成流。

  • 原生 2K 细腻画质与 9 种丰富画幅比例支持原生 2048×2048 2K 默认高清渲染,并提供 1:1、4:3、3:4、3:2、2:3、16:9、9:16、21:9、9:21 全画幅适配,真实呈现细腻的人物肖像光影与环境纹理。

  • 卓越的中英双语文字排版与招牌字体渲染显著优化中英文本排版渲染引擎,可在海报宣传标语、包装印刷、街景霓虹与指示标牌中清晰呈现无错字、结构工整的多语言自然文本。

  • 智能提示词扩展与全流程安全合规保障深度集成由 Qwen3.5-VL 驱动的 PE-T2I 提示词自动润色扩展模型,在丰富光影、构图与镜头细节的同时,通过安全审查器过滤违规风险,确保商业出图可靠合规。

参数

参数要求说明
prompt必填

必填非空文本,去除首尾空白后最多 5,000 个字符。

size可选

选择支持的比例。Edit 默认 auto,生成默认 1:1。

默认1:14:33:43:22:316:99:1621:99:21
resolution可选

1K:6 积分($0.030);2K:10 积分($0.050)。

默认1K2K
output_format可选

支持 png、jpeg、webp。透明背景需使用 png 或 webp。

默认pngjpegwebp
background可选

支持 opaque、transparent。使用遮罩时需为 opaque。

默认opaquetransparent
prompt_extend可选

自动扩展提示词。使用遮罩时忽略此参数。

默认true
enable_safety_checker可选

启用内容安全检查。

默认true
seed可选

可选整数或十进制整数字符串。超出 JavaScript 安全整数范围时请使用字符串;留空使用随机种子。

使用教程

  1. 构建结构化提示词在提示词中详尽描述画面主体、艺术风格、环境光影与镜头构图;如需生成透明背景,建议在提示词开头注明 RGBA 透明要求,文字内容建议用双引号标出。

  2. 选择画幅比例与分辨率根据分发场景从 1:1、16:9 等 9 种画幅比例中灵活选择,并配置 1K 或 2K 输出分辨率与所需的文件格式。

  3. 提交异步生成任务配置可选的背景模式与提示词扩展参数后发送 API 请求,系统接收参数并即刻返回唯一的 task_id。

  4. 轮询状态并获取成品图片使用 task_id 定期查询任务状态接口,当状态转为 finished 后即可从返回的媒体链接列表中读取并下载高清图像成品。

价格

每次输出一张图片,按 resolution 计费。参考图和遮罩不另收费。1 credit = $0.005。

用量费率详情
1K6 credits / 张$0.030 / 张
2K10 credits / 张$0.050 / 张

最佳应用场景

  • 电商透明商品素材与图标设计借助原生 RGBA 透明通道,直接生成无底色商品白底图、微缩贴纸、UI 图标与设计免抠组件,免除后期抠图修边工序。

  • 商业广告海报与图文排版设计利用强大的多语言排版渲染能力,高保真生成包含醒目标题、宣传文案、品牌标识与丰富光影的商业平面设计大片。

  • 全景概念壁纸与影视分镜绘制在 16:9 与 21:9 等宽屏画幅下,绘制光影通透、透视严谨的自然风景、科幻都市建筑与故事板概念草图。

  • 社交媒体矩阵配图批量生成依托 7B 高效推理速度与单张 6 积分起的经济成本,为多平台社媒内容批量定制风格统一、视觉抢眼的信息流配图。

专家技巧

  • 使用标准透明提示词前缀:生成透明背景时,建议在提示词开头加入 "This is an RGBA image with transparency." 并在句尾注明 "The background is transparent.",同时选择 png 或 webp 格式以获得最佳透明图层效果。
  • 使用双引号标定文字内容:画面中需要精确显示的文字、招牌或品牌标语,建议使用半角双引号明确包裹,以显著提升字符边缘工整度与拼写准确率。
  • 善用 Prompt Extend 自动扩写:简单或短提示词可开启 prompt_extend 参数,借助专用提示词优化模型智能补全画面光照、材质及镜头构图细节。
  • 合理规划创作分辨率:在构思创意与批量打样阶段建议使用 6 积分的 1K 分辨率;方案敲定后选用 10 积分的 2K 分辨率生成终稿,兼顾创作效率与成本效益。

注意事项

  • prompt 为必填参数,支持最多 5,000 个字符,建议详细描述主体特征、布光氛围与构图要求。
  • background 设置为 transparent 时,output_format 必须选择 png 或 webp,不支持与 jpeg 搭配使用。
  • 计费按输出图片的分辨率档位计算,1K 分辨率扣除 6 积分($0.030),2K 分辨率扣除 10 积分($0.050),每积分按 $0.005 结算。
  • 模型基于开源权重部署,遵守 Qwen Research License 科研许可协议,如需商用授权请遵循阿里巴巴开源许可条款。

Qwen Image 2.1 Text to Image API 常见问题

Qwen Image 2.1 Text to Image API 是什么?

Qwen Image 2.1 Text to Image 是阿里巴巴通义团队研发的统一图像生成模型。它根据纯文本提示词生成 1K 与 2K 原生高分辨率图像,具备原生 64 通道 RGBA 免抠透明通道、精准中英双语文字排版渲染与 9 种丰富画幅比例支持。基于 7B 参数 Single-Stream DiT 架构与 Qwen3-VL 编码器,它在严格遵循提示词空间构图与光影细节的同时,以低延迟推理实现免后期修边的纯净透明背景输出。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

Qwen Image 2.1 Text to Image 支持生成免抠图的透明背景吗?

支持。模型内置了专为透明通道优化的 64 通道 RGBA 自编码器(VAE),原生支持生成带有 Alpha 通道的透明图像。调用时将 background 参数配置为 transparent,并选择 png 或 webp 格式即可直接输出免抠背景图。建议在提示词开头添加 "This is an RGBA image with transparency.",结尾补充 "The background is transparent.",以帮助模型更准确地识别透明生成意图。

Qwen Image 2.1 Text to Image 支持在画面中渲染汉字和英文字符吗?

支持。Qwen-Image 系列模型在多语言文字排版领域表现卓越,2.1 版本进一步强化了文字在自然场景与复杂光照下的融入度。无论是中文书法招牌、印刷体广告标语还是英文霓虹灯,模型均能生成结构端正、无笔画黏连的文字。建议在提示词中使用英文半角双引号包裹文字内容(例如 "通义千问" 或 "QWEN 2.1"),以提升文字渲染边缘质量与拼写正确率。

Qwen Image 2.1 Text to Image 提供哪些原生输出画幅与分辨率档位?

模型提供 1K 与 2K 两档分辨率规格,其中 2K 模式的 1:1 默认分辨率为 2048×2048。在画幅比例上,支持 1:1、4:3、3:4、3:2、2:3、16:9、9:16、21:9 和 9:21 共 9 种比例,在 16:9 与 21:9 超宽画幅下能输出高达 2752×1536 的宽屏画面,可广泛应用于方形头像、竖屏壁纸、海报卡片与全景概念图设计。

Qwen Image 2.1 Text to Image 的 Prompt Extend 提示词扩展功能有什么作用?

prompt_extend 是基于专用提示词改写模型(Qwen3.5-VL PE-T2I)构建的智能润色功能。当输入较短或口语化的提示词时,该功能会自动分析潜在的主体特征,丰富材质质感、环境布光、景深与相机视角等专业视觉描述,从而显著提升最终出图的美学质量与细节层次。该参数默认为 true,若需要完全严格对应个人原始输入的简短指令,可将其设为 false。

Qwen Image 2.1 Text to Image 的 API 调用费用是多少?

该端点每次请求输出一张图片,费用完全由参数中的 resolution 分辨率档位决定:1K 分辨率单张消耗 6 积分(折合 $0.030),2K 分辨率单张消耗 10 积分(折合 $0.050),平台每积分按 $0.005 结算。选择不同的画幅比例、背景模式或开启提示词扩展均不会产生任何附加费用。

Qwen Image 2.1 Text to Image 生成的图片可以用于商业用途吗?

Qwen-Image-2.1 基于阿里巴巴发布的 Qwen Research License 开源,官方开源权重授权条款主要面向学术研究与非商业评估。若计划将生成的图像素材应用于商业销售、广告宣发或企业级生产系统,需遵循阿里巴巴开源协议的相关约定,或向通义团队申请正式的商业授权许可。