daniil-kzn/qwen-image-2

Qwen-Image-2.0

Qwen-Image-2.0（2026-02-10 发布）是一个统一的文生图和图像编辑模型：8B Qwen3-VL 编码器加 7B 扩散解码器，原生 2K 输出，指令令牌上限约 1k。其优势在于中英文密集且拼写正确的文本（幻灯片、海报、信息图、漫画、日历、书法），低“AI 感”的照片级真实感，以及多图像编辑。官方支持的提示词语言为中文和英文。

执行通过 fal-runner（日志、费用、审批、下载）进行。视频起始帧的提示词编写保留在 storyboard-keyframes / kling-video-prompt 中；本技能涵盖 Qwen 特定参数和提示词规则。任何模型的解剖结构、参考图像保真度和部件迁移均在 image-edit-fidelity（§4a）中说明。带日期的测试结果存放于 references/observations.md；API 详情、尺寸和限制在 references/api.md；现成的提示词模板在 references/prompt-patterns.md。

0. 可用性检查（在新任务中首先执行）

fal 已于 2026-08-18 将所有四个 fal-ai/qwen-image-2/* 端点标记为 deprecated；后继版本 alibaba/qwen-image-3/* 处于活跃状态。标准文生图端点在 2026-11-08 仍能处理请求，但已弃用端点可能随时停止。在任务的第一次付费调用前：

1. 运行 python3 ~/.claude/skills/fal-runner/fal_run.py models qwen-image-2 和 schema <endpoint>。
2. 检查 references/observations.md 中最后一次成功运行的日期。
3. 如果调用失败并返回 404/410/“deprecated”/“not found”，请向用户报告，并提供 references/api.md 中的替代方案（阿里云百炼需要 DASHSCOPE_API_KEY，截至 2026-11-08 此机器上未配置；WaveSpeed；或将 fal 上的 Qwen-Image-3 视为需要单独测试的不同模型）。请勿静默切换模型：用户要求的是 Qwen 2。

1. 层级和端点

任务	fal 端点	当前价格（2026-11-08）
草稿、探索、布局尝试	fal-ai/qwen-image-2/text-to-image	0.035 USD/图像
最终图像、密集文本、真实感	fal-ai/qwen-image-2/pro/text-to-image	0.075 USD/图像
编辑草稿	fal-ai/qwen-image-2/edit	0.035 USD/图像
最终编辑、多图像融合	fal-ai/qwen-image-2/pro/edit	0.075 USD/图像

阿里云百炼模型名称：qwen-image-2.0（加速版）和 qwen-image-2.0-pro，两者均通过一个端点服务于生成和编辑任务（references/api.md）。在标准层级上迭代构图和文本，提示词确定后切换到 Pro 层级，并对比包含重试在内的最终可接受图像的总成本，而非单次输出的价格。

2. 影响结果的参数

• 尺寸。 fal 默认使用 square_hd 即 1024x1024，仅为原生 2K 的四分之一。始终传递 image_size: {"width": W, "height": H}。总像素数介于 512x512 和 2048x2048 之间，边长为 16 的倍数。2K 预设：1:1 2048x2048，16:9 2688x1536，9:16 1536x2688，4:3 2368x1728，3:4 1728x2368，3:2 2496x1664，2:3 1664x2496。scripts/qwen_payload.py size <ratio> 可计算任何其他比例。对于不指定 image_size 的编辑任务，输出将遵循最后一张输入图像的尺寸。
• 提示词扩展（fal 上为 enable_prompt_expansion，阿里云百炼上为 prompt_extend），默认 true：LLM 会重写提示词并添加细节、风格和相机相关词汇（官方示例将一行“猫”扩展成了“Canon EOS R5，国家地理”风格的提示词）。本技能的默认做法：按照 §3/§4 的规则自行编写完整提示词，并在图像包含精确文本、固定布局、需要统一的系列或进行种子对比时将其设置为 false。仅在希望获得多样性的简短探索性提示词中保留 true。
• 负面提示词，最长 500 个字符。文生图的默认值（官方 Qwen 列表）：低分辨率，低质量，畸形肢体，手指畸形，颜色过饱和，蜡质皮肤，面部无细节，过度平滑，AI 生成痕迹，构图混乱，文本模糊或扭曲，再加上解剖缺陷列表（§4a）。编辑任务：使用保真度缺陷列表加上解剖缺陷列表（负载脚本的默认编辑设置；--negative blank 会发送 " "），再加上你实际看到的失败情况（面部改变，文本拼写错误）。否定目标放在这里；正面提示词中不要使用“不”来列出物体。
• 提示词长度。 fal 编辑：800 个字符（schema）。fal 文生图：schema 中无限制；阿里云百炼在 1300 个令牌后静默截断；WaveSpeed 允许 800 个字符。qwen_payload.py 会针对限制发出警告。当字符空间不足时，请按顺序保留：精确文本字符串、它们的位置、主题和空间关系、一两个风格提示。
• 数量和种子。 num_images 1-4（fal 文生图），1-6（fal 编辑，阿里云百炼）。seed 范围 0..2147483647；相同的种子会产生相似但不完全相同的输出。
• 编辑输入。 1-3 张图像，提示词中按“图像 1/2/3”的顺序引用，fal 上每边 384-5000 像素（阿里云推荐 384-3072），每张最大 10 MB，使用去除 alpha 通道的 PNG 格式（脚本会压平 alpha 通道）。本地文件以 "@file:/abs/path" 格式传递给 fal_run.py。
• 安全检查器默认开启；关闭需要账户授权。

3. 文生图提示词规则

这些规则遵循官方 Qwen 重写系统提示词（prompt_utils.py，prompt_utils_2512.py 位于 QwenLM/Qwen-Image）以及 2.0 发布示例。按此方式编写提示词即预先完成了重写器的工作，因此扩展功能可以保持关闭。

1. 使用自然描述性的散文段落，而不是关键词列表或标签堆砌。结构化内容（信息图、表格、漫画）可以使用换行和“第 1 行：...”等部分，但每一项仍应为描述性短语。
2. 明确命名整体风格：写实摄影、随意的智能手机快照、电影海报、扁平信息图、宋代工笔画、3D 渲染、动漫插画。
3. 顺序：主题、外貌、从头到脚的着装、姿势、目光和双手、其他物体、环境、光线（方向、强度、色温）、相机和构图、纹理和氛围。在简单场景中克制细节；在能解决实际选择的地方补充细节。
4. 人物：种族、性别和具体年龄（“大约 30 岁”，而非“年轻”）；脸型、眼睛、肤色和肌理、妆容；发色、长度、发型；每一件衣物和配饰；身体姿势、目光方向、每只手的动作。肖像大约 200 词。对于写实风格，官方示例使用“随意的 iPhone 快照，典型的室内光线，无舞台灯光”。
5. 每个可见的字符串用双引号括起，必须完全按期望的样子出现，并注明其位置、方向（水平、垂直、从右到左的列）、字体（无衬线、衬线、手写体、已命名的书法风格）、颜色、大小和载体（霓虹灯管、粉笔、浮雕金箔、刺绣）。隐含的文本应变为具体文本：不是“一个名字列表”，而是名字本身。对于包含文本的图像，以“图像中不包含其他文本。”结尾；无文本的图像则加上“图像中不包含可识别的文本。”
6. 专有名词、品牌、标语、URL 和数字保持原样。
7. 布局：先描述网格或列，然后按阅读顺序描述每个区块及其精确文本；表格和日历逐格描述；漫画描述为“一个 4x6 的网格，带有白色分割线”，然后“第 1 行，面板 1：... 对话气泡："..."”。在每一格中逐字重复出现角色的简短身份描述（官方漫画就是这样做的）以保持一致性。幻灯片中的图片用括号放在其所属节点旁边。
8. 语言：使用英文或中文编写描述；用期望的语言保留引号内的字符串。其他脚本不受官方支持。2026-11-08 测试的西里尔字母：短常见单词通常正确，较长或较生僻的单词会出现乱码（3 个俄语字符串中有 2 个字母错误，而英文则是精确的）。对于俄语文本：保持字符串简短，预期需要重试，检查每个单词，并计划在编辑器中或通过编辑轮次修复错误的单词。
9. 无质量标签后缀（“8K, masterpiece, ultra HD”）：2.0 示例不使用它们，它们会促使负面提示词所对抗的那种光滑的 AI 感。

适用于海报、幻灯片、信息图、肖像、产品、漫画和日历的模板位于 references/prompt-patterns.md。

4. 编辑指令规则

源自官方编辑提示词增强器和 2.0 编辑示例：

• 一条直接、具体的指令：动词、目标、属性、位置。“在右下角添加一只浅灰色的猫，坐着并面对镜头”，而不是“添加一只动物”。
• 替换：“用 X 替换 Y”，然后说明 X 的关键视觉特征。
• 文本：将“旧文本”替换为“新文本”，保留引号，使用相同的语言和大小写；仅在位置、颜色和字体发生变化时才指定。
• 人物：指出必须保留的内容（种族、性别、年龄、面部、发型、表情、着装）。表情和妆容的变化要微妙，切勿夸张。
• 风格迁移：通过可见特征（色调、线条、纹理、光线）来描述目标风格，并将风格描述句放在内容变化之后。
• 从一个参考图像中将一个部件迁移到另一个图像、换头操作：参见 image-edit-fidelity §3（见 §4a）。
• 多图像：说明每个图像提供什么（“图像 1 中的女孩穿着图像 2 中的黑色连衣裙，并摆出图像 3 中的姿势”），哪个图像提供背景，并描述每个人的着装和姿势。输出比例遵循最后一张图像：将基础图像放在最后，或设置 image_size。
• 保留条款应命名具体事物：“不要改变真实的建筑物、街道、车辆或人物；保持照片写实风格”，“保持产品形状、徽标和布局不变”。如果附有参考图像，始终遵循 image-edit-fidelity §2（见 §4a）。
• 模型会重新渲染整个画面。将未更改的区域与输入图像并排对比；如果小的局部编辑损坏了其他部分，仅将编辑过的区域通过羽化蒙版粘贴回原图（ref_diff.py --paste-back，见 §4a）。
• 着色模板：“恢复并给照片着色。”Qwen-Image-Edit 增强器中的修复/外推模板（“对此图像执行修复。原始描述是：...”，“使用外推将图像扩展到其边界之外。原始描述是：...”）尚未在 2.0 上验证。

4a. 解剖结构、参考图像保真度、部件迁移：image-edit-fidelity

模型无关的规则位于 image-edit-fidelity 技能中（~/.claude/skills/image-edit-fidelity/SKILL.md），并适用于涉及人物或参考图像的每次 Qwen 调用：确保每个人的解剖结构完整（其 §1），仅使用 reference_inventory.md 和 CHANGE/KEEP 拆分来更改被要求的内容（§2），精确转移一个部件和换头（§3），使用 ref_diff.py 检查并进行粘贴修复。请将此文件与本技能一同加载。

这些规则如何映射到 Qwen-Image-2.0：

• 解剖结构和保真度排除项需放入 negative_prompt（最多 500 个字符）：负载脚本会将解剖缺陷列表添加到文生图的默认负面提示词中，并使用保真度缺陷列表加解剖缺陷列表作为编辑的默认负面提示词。
• 对于涉及参考图像的每次编辑，设置 enable_prompt_expansion: false。
• 输出遵循 image_urls 中的最后一张图像：将基础参考图像（部件迁移的目标）放在最后；负载脚本默认从其设置编辑尺寸。
• 编辑提示词（包含 KEEP 子句）需在 800 个字符内（脚本会发出警告）。
• 用于部件迁移和换头的源裁剪区域：每边至少 384 像素。
• 当编辑缺少命名的保留条款、缺少“不要添加或移除任何人物或对象”、多图像提示词缺少“仅限”/“无其他内容”、或人物描述缺少解剖结构和手部位置描述时，qwen_payload.py check 会发出警告。
• 检查命令：python3 ~/.claude/skills/image-edit-fidelity/scripts/ref_diff.py <参考图像> <输出图像> --allow <区域>。

5. 工作流程

1. 仅询问那些会改变图像的内容：目的和宽高比、精确的文本字符串及其语言、照片还是插画、参考图像。否则采用上述默认值。
2. 执行可用性和 schema 检查（§0），选择层级（§1）。如果涉及人物或参考图像：加载 image-edit-fidelity 并首先使用 CHANGE/KEEP 拆分编写 reference_inventory.md。
3. 将提示词写入项目文件夹（prompt.txt）并构建负载：python3 ~/.claude/skills/qwen-image-2/scripts/qwen_payload.py build --endpoint <id> --prompt-file prompt.txt --ratio 16:9 --expansion off -o payload.json（编辑时添加 --image a.png --image b.png）。修复其打印的每个警告。
4. 说明模型、图像数量、尺寸和价格，等待审批（fal-runner 规则）。
5. 运行 fal_run.py submit <endpoint> payload.json --label "<说明>" --wait。
6. 在展示前，以全尺寸检查每个输出（§6）。
7. 按照用户审查媒体的方式展示结果：一个包含带标签的 <img> 图块的 HTML 页面，在内置浏览器面板中展示（全局指令），验证 naturalWidth > 0，不使用 SendUserFile。将最终文件从 ~/.cache/fal-jobs/ 复制出来并加上描述性名称。
8. 每次迭代只改变一个要素。在 references/observations.md 中记录带日期的新发现（失败的案例也保留）。

6. 缺陷检查

• 以全尺寸逐字符检查每个引号内的字符串（使用 PIL 裁剪和放大查看小号文本）：拼写、数字、日期、标点、换行；无编造的额外文本，无重复。
• 布局：行数和列数、单元格顺序、对齐方式、无被画面边缘剪切的内容。
• 检查每个人的解剖结构，包括背景人物（image-edit-fidelity §1）：一个头、两只眼睛、两条胳膊、五根手指的双手、两条腿、每个肢体都在肩部或髋部连接到自己的身体，无身体融合。任何违反此项的图片视为失败。
• 人物和物体：数量、目光目标、每个人的位置。
• 编辑：使用 ref_diff.py 对比参考图像，然后逐条检查 reference_inventory.md（人物数量和身份、物体和位置、背景、光线、其他特征）。