原生2K不靠放大,Qwen图像模型把字写对了?

[复制链接]
发表于 昨天 12:17 | 显示全部楼层 |阅读模式
海报标题、日期行、标签、小字印刷——这些活以前没人敢交给图像模型。字一多就糊,拼写一错整张图报废。阿里通义千问团队的新图像模型 Qwen Image 2.1,被一位用户在 PixelDojo 上当作"图里必须带真字"时的首选。

它的关键点在于原生 2K,不是放大出来的。一张 3:4 竖图返回1792 × 2400,线条、银发、羊毛纤维都还在。它还能编辑或组合最多10 张参考图,并同时挂载最多3 个自己训练的 LoRA。
同一个模型有两个版本,强项一致,用法分工明确:

  • Qwen Image 2.1 Turbo:日常首选,8 步出图,一张 2K 图0.5 credits,适合海报、产品图、食物、室内和 LoRA 测试。
  • 完整版 Qwen Image 2.140 步,留给最终成品、极小的字,或者需要负面提示词的时候,一张 2K 图1.5 credits
  • 所有套餐下,Qwen Image 2.1 在 Relax 模式下跑 1K 都是无限量,不消耗 credits。

一套实用的循环:先用 Turbo 在 1K 上把想法捏出来,花0.25 credits;再用完整版在 2K 上出终稿,花1.5 credits。新模型或新尺寸等于一张新图,终稿要单独评判,不能当成草稿的直接放大版。
提示词的写法上,Qwen 更吃"先点明作品类型、再补细节"的顺序。五个部分依次是:作品类型("字体海报""编辑人像,中近景""产品主图")、主体(具体到能画出来:六十多岁、银色波波头、圆形玳瑁眼镜的女性,或磨砂玻璃香水瓶配黄铜瓶盖)、场景与动作、光线与质感(镜头、颗粒、色调、阳光落点)、以及文字。
文字部分有个硬规矩:每个要出现的词都放进双引号,并指定位置——顶部横排、底部小字、标签上。字体风格也要点名:粗体窄字、经典衬线、手写、干净无衬线。不写这一句,字形就靠运气。
一个可直接照抄的海报提示词,在 Turbo 上跑 2K,花 0.5 credits:
字体演唱会海报,粗体窄字"SALT AND STATIC"堆叠在顶部,一名萨克斯手剪影,背后是安静港湾上空的巨大珊瑚色月亮,丝网印刷颗粒,深海军蓝与珊瑚色调,底部小字"AUGUST 14 TO 16, PIER 9"
有用的信息全在一句话里:作品类型、字体风格、带引号的标题及其位置、中间一个画面、双色调、底部带引号的日期行。同样的句式换到产品图上:产品、台面、一个道具、一个触感细节(玻璃上的水珠),再接光线和背景色,把瓶子换成自己的就行。
俯拍食物图则是在冒号后把每道菜列出来,基本都会落到托盘上。"热气升腾""左侧柔和窗光"两句就够定调,不需要一整段食物造型术语。
参考图槽位空着,它就是文生图模型;挂上 1 到 10 张图,提示词就变成指令:改这个、留那个、把图 1 的产品放进图 2 的场景。给每张参考图编号并分配任务,做编辑时先列要改的,再列必须保留的(脸、标签、机位)。
LoRA 可以在 PixelDojo 上训练,再从 Qwen Image 2.1 里调用,一张图最多叠 3 个。示例里用 8 张陶瓷猫头鹰照片训了一个,一行提示词就够:
a photo of zzqwowl sitting on a stack of pancakes in a retro diner, warm morning light
触发词代替主体,提示词不必提釉色或眼睛颜色,LoRA 已经带着了。触发词要用自造词(比如 zzqwowl),避免和真实单词撞车。强度默认 1;把主体 LoRA 和风格 LoRA 叠在一起时调低一点,免得谁压过谁。
什么时候选它?字必须对的时候,想要原生 2K 而不是放大图的时候,或者想把训好的 LoRA 丢进新场景的时候。草稿交给 Turbo,一帧里塞满小细节的成品交给完整版。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关注公众号

相关侵权、举报、投诉及建议等,请发 E-mail:2776601884@qq.com

Powered by Discuz! X5.0 Licensed © 2001-2026 Discuz! Team.|青ICP备2025004122号-1

在本版发帖
关注公众号
返回顶部