Alibaba เปิดตัว Qwen-Image-2.1 โมเดลสร้างภาพขนาดเพียง 7B ที่เก่งเกินตัว สร้างภาพได้หลากหลายสไตล์

ประเภท: News · วันที่: 2026-10-02

Qwen ทีมพัฒนา AI ภายใต้ Alibaba เปิดตัว Qwen-Image-2.1 โมเดลสร้างภาพแบบโอเพนซอร์สรุ่นใหม่ที่รวมความสามารถด้านการสร้างภาพจากข้อความ (Text-to-Image) และการแก้ไขภาพไว้ในโมเดลเดียว จุดเด่นคือใช้ส่วนสร้างภาพขนาดเพียง 7 พันล้านพารามิเตอร์ แต่เพิ่มความสามารถด้านการทำงานกับภาพโปร่งใส การอ้างอิงภาพหลายภาพ และการแก้ไขเฉพาะจุดอย่างยืดหยุ่น เหมาะทั้งงานออกแบบ คอนเทนต์ อีคอมเมิร์ซ และการผลิตสินทรัพย์ภาพสำหรับงานดิจิทัล

Qwen ระบุว่า Qwen-Image-2.1 ถูกออกแบบให้สร้างสมดุลระหว่างคุณภาพของภาพ ความเร็วในการประมวลผล และต้นทุนการใช้งาน โดยเปิดซอร์สโมเดลผ่าน GitHub, Hugging Face และ ModelScope แล้ว

โมเดลเล็กลง แต่เน้นประสิทธิภาพ

แกนสร้างภาพของ Qwen-Image-2.1 ใช้สถาปัตยกรรมแบบ Single-Stream DiT จำนวน 32 เลเยอร์ และมีขนาด 7B พารามิเตอร์ ซึ่งถือว่ากะทัดรัดเมื่อเทียบกับโมเดลสร้างภาพระดับสูงหลายตัวในตลาด เป้าหมายสำคัญคือทำให้โมเดลมีคุณภาพภาพที่แข่งขันได้ แต่ลดภาระด้านทรัพยากรและต้นทุนของการอนุมานลง

ในส่วนของเวิร์กโฟลว์แก้ไขภาพที่ต้องรับภาพต้นฉบับหรือภาพอ้างอิงหลายภาพ Qwen ใช้แนวทาง mixed-granularity attention โดยประมวลผลข้อความ เช่น system prompt และคำสั่งแก้ไขในระดับ token ขณะที่กระบวนการสร้างภาพใช้การจัดการในระดับ chunk นอกจากนี้ยังนำ KV cache กลับมาใช้ซ้ำกับบริบทคงที่ เช่น ภาพอินพุตและคำสั่งแก้ไข เพื่อช่วยลดการคำนวณซ้ำและการใช้หน่วยความจำในขั้นตอนถัดไป

ในเชิงปฏิบัติ แนวทางนี้น่าสนใจสำหรับผู้ที่ต้องการรันโมเดลในเครื่องหรือจัดทำระบบสร้างภาพที่ต้องแก้งานจากภาพเดิมหลายรอบ เพราะงานแก้ไขภาพที่มีบริบทยาวและภาพอ้างอิงจำนวนมากมักเป็นกรณีที่ใช้ทรัพยากรสูงกว่างาน Text-to-Image ทั่วไป

จุดขายสำคัญ: สร้างภาพโปร่งใสได้โดยตรง

ความสามารถที่โดดเด่นที่สุดของ Qwen-Image-2.1 คือการรองรับ native transparency หรือการสร้างภาพที่มีช่องอัลฟาโดยตรงจากพรอมต์ แทนที่จะสร้างภาพพื้นหลังทึบก่อนแล้วอาศัยเครื่องมือลบพื้นหลังในภายหลัง

ก่อนหน้านี้ Qwen เคยมี Qwen-Image-Layered ซึ่งเป็นโมเดลเฉพาะทางสำหรับภาพโปร่งใส แต่ Qwen-Image-2.1 รวมความสามารถดังกล่าวเข้ากับโมเดลหลัก ทำให้ผู้ใช้สั่งสร้างได้ทั้งภาพ RGB ปกติและภาพ RGBA ที่มีพื้นหลังโปร่งใสจากโมเดลเดียว โดยให้พรอมต์เป็นตัวกำหนดลักษณะเอาต์พุต

ฟีเจอร์นี้สามารถนำไปใช้กับงานหลายประเภท เช่น

• สร้างภาพสินค้า โลโก้ ไอคอน หรือคาแรกเตอร์แบบพื้นหลังโปร่งใสสำหรับนำไปวางในงานออกแบบต่อ
• สร้างองค์ประกอบภาพหลายชิ้นในเลเยอร์โปร่งใส เพื่อประกอบเป็นโปสเตอร์หรือสื่อโฆษณา
• แก้ไขภาพที่มีพื้นหลังโปร่งใส เช่น เปลี่ยนสีหน้า วัตถุ หรือข้อความ โดยยังคง alpha channel เอาไว้
• ตัดวัตถุหรือบุคคลจากภาพถ่าย RGB ออกมาเป็นเลเยอร์ RGBA เพื่อใช้ซ้ำในงานกราฟิก

สำหรับสายทำคอนเทนต์และออกแบบ ฟังก์ชันนี้ช่วยลดจำนวนขั้นตอนในเวิร์กโฟลว์ได้มาก เพราะไม่จำเป็นต้องสลับไปใช้เครื่องมือลบฉากหลังแยกต่างหากในทุกงาน

รองรับภาพอ้างอิงสูงสุด 10 ภาพ

Qwen-Image-2.1 รองรับการใช้ภาพอ้างอิงได้สูงสุด 10 ภาพต่อคำสั่ง เพื่อรวมบุคคล วัตถุ สินค้า หรือองค์ประกอบหลายอย่างให้กลายเป็นภาพเดียวที่มีความต่อเนื่อง

ตัวอย่างการใช้งานที่ Qwen นำเสนอ ได้แก่ การนำภาพบุคคลหลายคนมารวมเป็นภาพหมู่, การทำ virtual try-on จากภาพนายแบบ เสื้อผ้า รองเท้า กระเป๋า และหมวก หรือการใช้ภาพเฟอร์นิเจอร์หลายชิ้นเพื่อสร้างภาพห้องตกแต่งครบชุด

ความสามารถนี้มีประโยชน์โดยตรงกับงานอีคอมเมิร์ซและครีเอทีฟ เช่น

• สร้างภาพโปรโมตสินค้าหลายชิ้นโดยรักษารูปลักษณ์ของสินค้าแต่ละรายการ
• จัดฉากภาพสินค้าโดยไม่ต้องถ่ายภาพทุกองค์ประกอบอยู่ในเฟรมเดียวกัน
• สร้างภาพคอนเซปต์ห้องหรือการตกแต่งภายในจากสินค้าจริง
• ผสมตัวละครหรือทรัพย์สินภาพจากหลายแหล่งในงานเล่าเรื่องและสตอรี่บอร์ด

อย่างไรก็ตาม การรองรับภาพอ้างอิงหลายภาพไม่ได้หมายความว่าจะคงรายละเอียดได้สมบูรณ์ทุกจุดเสมอไป โดยเฉพาะโลโก้ ตัวอักษร ลวดลายละเอียด หรือรูปทรงผลิตภัณฑ์ที่ต้องแม่นยำระดับงานเชิงพาณิชย์ จึงควรตรวจผลลัพธ์ก่อนนำไปใช้งานจริง

แก้ไขเฉพาะจุดด้วยวงกลม ภาพวาด และ Mask

ด้านการแก้ไขเฉพาะพื้นที่ Qwen-Image-2.1 รองรับการชี้ตำแหน่งได้หลายแบบ ทั้งการวาดวงกลมลงบนภาพ การระบายพื้นที่ด้วยสี และการส่งภาพต้นฉบับพร้อม mask แยกเป็นอินพุตคนละภาพ

การใช้วงกลมหรือภาพระบายสีเหมาะกับงานที่ต้องการสื่อสารคำสั่งอย่างรวดเร็ว เช่น ระบุให้ลบนาฬิกา เปลี่ยนสีผม หรือเปลี่ยนเสื้อผ้าเฉพาะตำแหน่ง แต่ถ้าต้องรักษารายละเอียดของภาพเดิมให้ครบ การส่งภาพต้นฉบับพร้อม mask แยกจะเหมาะกว่า เนื่องจากตัวมาร์กบนภาพไม่ไปบดบังรายละเอียดในบริเวณที่ต้องการแก้

Qwen ยังระบุว่างานแก้ไขแบบเฉพาะจุดสามารถทำต่อเนื่องเป็นลำดับเพื่อสร้างภาพเคลื่อนไหวอย่างง่ายได้ กล่าวคือ ผู้ใช้สามารถปรับองค์ประกอบทีละขั้นโดยให้โมเดลรักษาส่วนอื่นของฉากไว้ ซึ่งอาจนำไปต่อยอดกับงานคอนเซปต์วิดีโอ แอนิเมชัน หรือการวางลำดับช็อตก่อนผลิตจริง

เน้นรักษาหน้าคนและรายละเอียดสินค้า

หนึ่งในโจทย์ยากของ AI สร้างภาพคือการแก้ไขโดยยังรักษาเอกลักษณ์ของบุคคลและสินค้าไว้ Qwen-Image-2.1 จึงปรับปรุงเรื่อง portrait identity เพื่อให้โครงหน้าและลักษณะของบุคคลเปลี่ยนไปน้อยลงระหว่างการแก้ไขภาพ

สำหรับงานสินค้า โมเดลพยายามรักษาข้อความ พื้นผิว และรูปทรงสำคัญของวัตถุเอาไว้เมื่อเปลี่ยนฉากหรือจัดองค์ประกอบใหม่ ซึ่งเป็นคุณสมบัติที่มีความสำคัญกับร้านค้าออนไลน์ แบรนด์ และทีมการตลาดที่ต้องการสร้างสื่อหลากหลายรูปแบบจากรูปสินค้าต้นฉบับ

อย่างไรก็ดี ควรแยกให้ออกระหว่าง “ความสอดคล้องเชิงภาพ” กับ “ความถูกต้องเชิงแบรนด์” โมเดลอาจช่วยรักษาหน้าตาโดยรวมของวัตถุได้ดีขึ้น แต่สำหรับงานที่โลโก้ ข้อความบนบรรจุภัณฑ์ หรือรายละเอียดทางกฎหมายต้องถูกต้อง 100% ยังควรใช้ไฟล์ผลิตภัณฑ์จริงหรือผ่านการตรวจแก้โดยนักออกแบบ

รองรับตั้งแต่พาโนรามาถึงอินโฟกราฟิกและสตอรี่บอร์ด

Qwen-Image-2.1 ไม่ได้จำกัดตัวเองอยู่กับการสร้างภาพเดี่ยว แต่ยังรองรับงานแก้ไขและสร้างภาพในรูปแบบที่หลากหลาย เช่น ภาพพาโนรามา อินโฟกราฟิก และสตอรี่บอร์ด

ตัวอย่างจากทีม Qwen แสดงการขยายภาพเซลฟีให้เป็นฉากพาโนรามา การต่อยอดภาพบุคคลเป็นอินโฟกราฟิกที่มีรายละเอียดมากขึ้น และการแปลงภาพอ้างอิงตัวละครแบบหลายมุมมองให้กลายเป็นสตอรี่บอร์ดสำหรับการเล่าเรื่อง

จุดนี้ทำให้โมเดลมีศักยภาพต่อการทำงานของครีเอเตอร์มากกว่าการเป็นเพียง “เครื่องสร้างภาพจากข้อความ” โดยอาจใช้ในขั้นตอนดังต่อไปนี้

• สร้างภาพต้นแบบสำหรับบทความหรือโพสต์โซเชียล
• วางคอนเซปต์ภาพสำหรับวิดีโอและโฆษณา
• สร้างสตอรี่บอร์ดก่อนถ่ายทำหรือผลิตแอนิเมชัน
• ทำภาพประกอบหรืออินโฟกราฟิกจากภาพต้นทาง
• สร้างฉากขยายสำหรับเกม งานวิชวลโนเวล หรือโปรเจกต์เล่าเรื่อง

ปรับปรุงการวางข้อความ แสง และรายละเอียดภาพบุคคล

Qwen ระบุว่า Qwen-Image-2.1 ปรับปรุงคุณภาพภาพโดยเฉพาะการเรนเดอร์ตัวอักษร การเลือกสไตล์ตัวพิมพ์ การจัดวางเลย์เอาต์ และความสัมพันธ์ระหว่างข้อความกับองค์ประกอบส่วนอื่นของภาพ

โมเดลสร้างภาพจำนวนมากยังมีข้อจำกัดเรื่องการสะกดข้อความ โดยเฉพาะภาษาอื่นนอกเหนือจากภาษาอังกฤษ ดังนั้นการระบุว่ารองรับ typography ที่ดีขึ้นควรถูกมองว่าเป็นพัฒนาการเชิงคุณภาพ ไม่ใช่การรับประกันว่าข้อความจะถูกต้องทุกคำหรือทุกภาษา ผู้ใช้ที่ทำงานภาษาไทยและต้องการความแม่นยำระดับเผยแพร่ควรตรวจทานและวางข้อความสำคัญในโปรแกรมกราฟิกภายหลัง

ในส่วนภาพบุคคล Qwen-Image-2.1 ยังปรับปรุงแสงและรายละเอียดขนาดเล็กเพื่อเพิ่มความสมจริงของภาพ ทำให้เหมาะกับงานสร้างภาพพอร์ตเทรต ภาพแฟชั่น และสื่อโฆษณา แต่ควรตรวจความผิดปกติบริเวณมือ ดวงตา เครื่องประดับ และตัวอักษรบนเสื้อผ้าหรือสินค้าเช่นเดียวกับโมเดลสร้างภาพทั่วไป

สรุป

Qwen-Image-2.1 เป็นความพยายามของ Qwen ที่จะรวมงานสร้างภาพ งานแก้ไขภาพ และการทำภาพโปร่งใสไว้ในโมเดลโอเพนซอร์สตัวเดียว โดยมีส่วนสร้างภาพขนาด 7B พารามิเตอร์ จุดเด่นสำคัญคือการสร้าง RGBA แบบเนทีฟ การใช้ภาพอ้างอิงสูงสุด 10 ภาพ การแก้เฉพาะพื้นที่ผ่าน annotation หรือ mask และการเน้นรักษาอัตลักษณ์บุคคลกับรายละเอียดสินค้า

สำหรับผู้ใช้สาย Local AI และผู้พัฒนาระบบสร้างภาพ จุดที่น่าจับตาไม่ใช่เพียงขนาดโมเดล แต่คือการออกแบบสถาปัตยกรรมที่พยายามลดภาระของงานแก้ไขหลายภาพด้วยการใช้ mixed-granularity attention และ KV cache reuse ส่วนครีเอเตอร์และทีมการตลาดจะได้ประโยชน์จากความสามารถด้านภาพโปร่งใสและการรวมสินทรัพย์หลายชิ้นในภาพเดียว

แม้ผลลัพธ์จริงยังควรทดสอบกับภาษาไทย รายละเอียดสินค้า และฮาร์ดแวร์ที่ใช้รันในแต่ละระบบ แต่ Qwen-Image-2.1 ก็เป็นอีกตัวเลือกโอเพนซอร์สที่น่าสนใจสำหรับผู้ที่ต้องการเวิร์กโฟลว์สร้างภาพและแก้ไขภาพแบบครบวงจรในโมเดลเดียว