QwenImageEditPipeline API 参考Qwen-Image-Edit-GGUF 开发者完整调用指南【免费下载链接】Qwen-Image-Edit-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/Qwen-Image-Edit-GGUFQwen-Image-Edit-GGUF是通义千问 Qwen-Image-Edit 图像编辑模型的 GGUF 量化版本由 unsloth 团队发布。它支持语义编辑换风格、换视角、IP 创作、外观编辑增删改局部元素和中英文精准文字编辑。本指南面向新手开发者讲清 QwenImageEditPipeline 的完整调用方法、输入参数与模型组件配置帮助你在本地 GPU 上快速跑通这套 AI 图像编辑模型。一分钟认识 Qwen-Image-Edit-GGUFQwen-Image-Edit 基于 20B 参数的 Qwen-Image 模型构建输入图像会同时送入两个模块处理Qwen2.5-VL 视觉编码器负责视觉语义控制改成什么风格VAE Encoder负责视觉外观控制哪个区域保持不变GGUF 格式 Unsloth Dynamic 2.0 量化方法将重要层上采样到更高精度在大幅降低显存占用的同时尽量保持画质让小显存显卡也能部署图像编辑模型。仓库结构目录与关键文件一览克隆仓库后即可开始本地调用git clone https://gitcode.com/hf_mirrors/unsloth/Qwen-Image-Edit-GGUF核心目录结构如下目录 / 文件作用model_index.jsonPipeline 索引文件声明各组件类型与加载顺序transformer/20B 扩散 Transformer9 个分片 safetensorstext_encoder/Qwen2.5-VL 文本/视觉编码器vae/AutoencoderKLQwenImage 变分自编码器scheduler/FlowMatchEulerDiscreteScheduler 调度器processor/、tokenizer/Qwen2VLProcessor 图像处理器与 Qwen2Tokenizerqwen-image-edit-*.gguf16 种量化精度的 Transformer 权重如何选择量化版本仓库内置 16 种量化文件按需挑选即可量化档位文件示例显存友好度画质保持适用场景高精度qwen-image-edit-BF16.gguf、F16、Q8_0占用大接近原始显存充足40GB追求画质均衡档qwen-image-edit-Q6_K.gguf、Q5_K_M中等良好24GB 显卡主力选择压缩档qwen-image-edit-Q4_K_M.gguf、Q4_0明显更小可接受16GB 显卡入门体验极限档qwen-image-edit-Q3_K_S.gguf、Q2_K最小有损8~12GB 显卡试跑经验法则显存吃紧先选Q4_K_M画质优先选Q6_K / Q8_0。快速开始最小可运行调用示例先安装最新版 diffusersmodel_index.json声明的版本基线为 0.35.0.dev0pip install diffusers transformers accelerate核心调用代码输入一张图片和一句编辑指令from PIL import Image import torch from diffusers import QwenImageEditPipeline # 从本地目录加载clone 下来的仓库路径 pipeline QwenImageEditPipeline.from_pretrained( ./Qwen-Image-Edit-GGUF, torch_dtypetorch.bfloat16, ) pipeline.to(cuda) image Image.open(./input.png).convert(RGB) inputs { image: image, prompt: Change the rabbits color to purple, with a flash light background., generator: torch.manual_seed(0), # 固定随机种子结果可复现 true_cfg_scale: 4.0, negative_prompt: , num_inference_steps: 50, } with torch.inference_mode(): output pipeline(**inputs) output.images[0].save(output_image_edit.png)运行后即可得到编辑后的图像。整个调用链就是三件事加载 → 组装 inputs → 调用 pipeline。QwenImageEditPipeline 输入参数 API 参考参数名类型说明建议值imagePIL Image / 列表待编辑的输入图建议转 RGB支持传入多张图做参考清晰主体图promptstr编辑指令支持中英文描述要改成什么样具体、单意图true_cfg_scalefloat提示词引导强度越大越贴合指令但越慢4.0num_inference_stepsint采样步数越多越精细但耗时更长40 ~ 50negative_promptstr负向提示词不希望出现的内容 占位空格generatortorch.Generator随机种子固定后结果可复现torch.manual_seed(0)width/heightint输出尺寸默认与输入图一致按输入图进阶技巧链式编辑把上一步输出图再次作为image输入可分多轮精修细节README 中逐步修正书法错字即此玩法。区域修正在输入图上画框标出要修改的区域并在 prompt 中说明可实现局部精修。风格迁移prompt 直接描述目标风格如 Studio Ghibli style模型会保持主体语义不变。关键组件配置速览给进阶开发者transformer/config.jsonQwenImageTransformer2DModel60 层、24 注意力头、in_channels: 64编辑任务的图像 token 与潜在空间拼接通道、joint_attention_dim: 3584text_encoder/config.jsonQwen2_5_VLForConditionalGeneration28 层hidden_size 3584支持 128K 上下文vae/config.json16 通道潜在空间z_dim: 16带latents_mean/latents_std归一化参数scheduler/scheduler_config.jsonFlowMatchEulerDiscreteScheduler开启use_dynamic_shifting按图像分辨率动态调整时间偏移常见问题 FAQQ1显存不够 / OOM 怎么办换更低量化版本如 Q4_K_M 或 Q3_K_S并把num_inference_steps降到 30 左右、输出分辨率调小。Q2加载报组件缺失确认使用完整目录含model_index.json与五个子目录diffusers 依赖较新版本建议升级到 0.35。Q3效果不稳定固定generator随机种子排查问题检查输入图是否为 RGBprompt 尽量单一意图复杂修改拆成多轮链式编辑。Q4商用可以吗本项目为 Apache-2.0 许可可自由使用与分发商用友好。总结Qwen-Image-Edit-GGUF 让 20B 级图像编辑模型在消费级显卡上落地按需选量化档 → 本地加载 QwenImageEditPipeline → 传image prompt三步出图。配合链式编辑与区域框选技巧可以覆盖风格迁移、局部增删改、中英文字编辑等绝大多数图像编辑需求。完整示例与更多效果图详见 README.md。【免费下载链接】Qwen-Image-Edit-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/Qwen-Image-Edit-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/11/4 7:06:45 · 阅读 1.2k QwenImageEditPipeline API 参考：Qwen-Image-Edit-GGUF 开发者完整调用指南
QwenImageEditPipeline API 参考Qwen-Image-Edit-GGUF 开发者完整调用指南【免费下载链接】Qwen-Image-Edit-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/Qwen-Image-Edit-GGUFQwen-Image-Edit-GGUF是通义千问 Qwen-Image-Edit 图像编辑模型的 GGUF 量化版本由 unsloth 团队发布。它支持语义编辑换风格、换视角、IP 创作、外观编辑增删改局部元素和中英文精准文字编辑。本指南面向新手开发者讲清 QwenImageEditPipeline 的完整调用方法、输入参数与模型组件配置帮助你在本地 GPU 上快速跑通这套 AI 图像编辑模型。一分钟认识 Qwen-Image-Edit-GGUFQwen-Image-Edit 基于 20B 参数的 Qwen-Image 模型构建输入图像会同时送入两个模块处理Qwen2.5-VL 视觉编码器负责视觉语义控制改成什么风格VAE Encoder负责视觉外观控制哪个区域保持不变GGUF 格式 Unsloth Dynamic 2.0 量化方法将重要层上采样到更高精度在大幅降低显存占用的同时尽量保持画质让小显存显卡也能部署图像编辑模型。仓库结构目录与关键文件一览克隆仓库后即可开始本地调用git clone https://gitcode.com/hf_mirrors/unsloth/Qwen-Image-Edit-GGUF核心目录结构如下目录 / 文件作用model_index.jsonPipeline 索引文件声明各组件类型与加载顺序transformer/20B 扩散 Transformer9 个分片 safetensorstext_encoder/Qwen2.5-VL 文本/视觉编码器vae/AutoencoderKLQwenImage 变分自编码器scheduler/FlowMatchEulerDiscreteScheduler 调度器processor/、tokenizer/Qwen2VLProcessor 图像处理器与 Qwen2Tokenizerqwen-image-edit-*.gguf16 种量化精度的 Transformer 权重如何选择量化版本仓库内置 16 种量化文件按需挑选即可量化档位文件示例显存友好度画质保持适用场景高精度qwen-image-edit-BF16.gguf、F16、Q8_0占用大接近原始显存充足40GB追求画质均衡档qwen-image-edit-Q6_K.gguf、Q5_K_M中等良好24GB 显卡主力选择压缩档qwen-image-edit-Q4_K_M.gguf、Q4_0明显更小可接受16GB 显卡入门体验极限档qwen-image-edit-Q3_K_S.gguf、Q2_K最小有损8~12GB 显卡试跑经验法则显存吃紧先选Q4_K_M画质优先选Q6_K / Q8_0。快速开始最小可运行调用示例先安装最新版 diffusersmodel_index.json声明的版本基线为 0.35.0.dev0pip install diffusers transformers accelerate核心调用代码输入一张图片和一句编辑指令from PIL import Image import torch from diffusers import QwenImageEditPipeline # 从本地目录加载clone 下来的仓库路径 pipeline QwenImageEditPipeline.from_pretrained( ./Qwen-Image-Edit-GGUF, torch_dtypetorch.bfloat16, ) pipeline.to(cuda) image Image.open(./input.png).convert(RGB) inputs { image: image, prompt: Change the rabbits color to purple, with a flash light background., generator: torch.manual_seed(0), # 固定随机种子结果可复现 true_cfg_scale: 4.0, negative_prompt: , num_inference_steps: 50, } with torch.inference_mode(): output pipeline(**inputs) output.images[0].save(output_image_edit.png)运行后即可得到编辑后的图像。整个调用链就是三件事加载 → 组装 inputs → 调用 pipeline。QwenImageEditPipeline 输入参数 API 参考参数名类型说明建议值imagePIL Image / 列表待编辑的输入图建议转 RGB支持传入多张图做参考清晰主体图promptstr编辑指令支持中英文描述要改成什么样具体、单意图true_cfg_scalefloat提示词引导强度越大越贴合指令但越慢4.0num_inference_stepsint采样步数越多越精细但耗时更长40 ~ 50negative_promptstr负向提示词不希望出现的内容 占位空格generatortorch.Generator随机种子固定后结果可复现torch.manual_seed(0)width/heightint输出尺寸默认与输入图一致按输入图进阶技巧链式编辑把上一步输出图再次作为image输入可分多轮精修细节README 中逐步修正书法错字即此玩法。区域修正在输入图上画框标出要修改的区域并在 prompt 中说明可实现局部精修。风格迁移prompt 直接描述目标风格如 Studio Ghibli style模型会保持主体语义不变。关键组件配置速览给进阶开发者transformer/config.jsonQwenImageTransformer2DModel60 层、24 注意力头、in_channels: 64编辑任务的图像 token 与潜在空间拼接通道、joint_attention_dim: 3584text_encoder/config.jsonQwen2_5_VLForConditionalGeneration28 层hidden_size 3584支持 128K 上下文vae/config.json16 通道潜在空间z_dim: 16带latents_mean/latents_std归一化参数scheduler/scheduler_config.jsonFlowMatchEulerDiscreteScheduler开启use_dynamic_shifting按图像分辨率动态调整时间偏移常见问题 FAQQ1显存不够 / OOM 怎么办换更低量化版本如 Q4_K_M 或 Q3_K_S并把num_inference_steps降到 30 左右、输出分辨率调小。Q2加载报组件缺失确认使用完整目录含model_index.json与五个子目录diffusers 依赖较新版本建议升级到 0.35。Q3效果不稳定固定generator随机种子排查问题检查输入图是否为 RGBprompt 尽量单一意图复杂修改拆成多轮链式编辑。Q4商用可以吗本项目为 Apache-2.0 许可可自由使用与分发商用友好。总结Qwen-Image-Edit-GGUF 让 20B 级图像编辑模型在消费级显卡上落地按需选量化档 → 本地加载 QwenImageEditPipeline → 传image prompt三步出图。配合链式编辑与区域框选技巧可以覆盖风格迁移、局部增删改、中英文字编辑等绝大多数图像编辑需求。完整示例与更多效果图详见 README.md。【免费下载链接】Qwen-Image-Edit-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/Qwen-Image-Edit-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考