Qwen-Image-2.1-Turbo란 무엇인가? 알아야 할 모든 것

개요

Qwen-Image-2.1-Turbo는 Qwen에서 제공하는 텍스트-이미지 생성 및 이미지 편집을 위한 가속화된 체크포인트입니다. 이 모델은 Qwen-Image-2.1과 동일한 7B 비주얼-생성 아키텍처를 사용하며 Diffusers의 QwenImage21Pipeline을 통해 실행됩니다. 주요 특징은 기본적으로 CFG=1인 8단계 디노이징 스케줄입니다. 이는 디노이징 단계를 줄이지만, 제공된 정보에는 속도를 정량화하거나 전체 체크포인트와 출력 품질을 비교하는 벤치마크 결과가 포함되어 있지 않습니다. 이 체크포인트는 권장 샘플링 스케줄을 포함하며, 프리픽스 KV 캐싱(prefix KV caching)을 통해 디노이징 단계 전반에 걸쳐 텍스트 및 참조 이미지 컨텍스트를 재사용할 수 있습니다. README에는 텍스트-이미지의 경우 1680 × 2512, 편집의 경우 2048 × 2048이라는 예시 출력 크기가 나와 있지만, 최대 해상도, 학습 데이터셋 또는 학습 절차에 대한 내용은 명시되어 있지 않습니다. 실행을 위해서는 CUDA 호환 PyTorch 빌드와 파이프라인 설정 샘플링 시그마(sampling sigmas)를 지원하는 최신 Diffusers 버전이 필요합니다.

최적 사용 사례

상세 교육 포스터 및 다이어그램. README의 텍스트-이미지 예시는 제목, 반응 방정식, 비교표, 레이블, 실험 일러스트가 포함된 화학 연구 포스터를 설명합니다. 따라서 이 체크포인트는 텍스트와 시각적 요소가 함께 나타나야 하는 프롬프트 기반 레이아웃에 적합한 후보입니다. 이 예시는 의도된 작업을 보여줄 뿐이며, 모든 레이블, 방정식 또는 표 항목이 정확하게 렌더링될 것이라는 보장은 아닙니다. 교육 자료로 이미지를 사용하기 전에는 생성된 텍스트를 검사해야 합니다.

프롬프트 기반 이미지 편집. 이 모델은 동일한 파이프라인을 통해 이미지 편집을 지원합니다. README의 예시는 요트 스케치에서 시작하여 선체 구조, 페인트 색상, 바다, 수평선, 구름 및 조명을 지정하며 사실적인 측면 프로필 장면(photorealistic side-profile scene)을 요청합니다. 이는 참조 이미지의 주제를 유지하면서 렌더링과 배경을 변경해야 하는 편집에 유용하게 적용될 수 있습니다. 제공된 자료에는 편집 벤치마크나 보존율이 보고되어 있지 않습니다.

이미지 콘셉트에 대한 빠른 반복 작업. 8단계의 디노이징(denoising) 과정은 프롬프트 변형을 탐색하거나 초안 콘셉트를 제작하는 등 짧은 샘플링 일정을 중요하게 생각하는 워크플로우에 이 체크포인트를 적합하게 만듭니다. 접두사 KV 캐싱(Prefix KV caching)은 디노이징 단계 전반에 걸쳐 텍스트 및 참조 이미지 컨텍스트를 재사용합니다. 측정된 지연 시간(latency), 하드웨어 벤치마크, 또는 다른 스텝 수와의 비교가 제공되지 않으므로, 프로덕션 용량 계획 전에 대상 GPU에서 처리량을 테스트해야 합니다.

고해상도 인물 사진 구도. 텍스트-이미지 예제는 밀집된 포스터 레이아웃을 위해 1680 × 2512의 세로형(portrait) 캔버스를 사용합니다. 이는 문서화된 예제가 대형 세로 출력물을 목표로 함을 확인시켜 주지만, 최대 지원 크기를 확립하거나 모든 하드웨어에서 해당 해상도로 생성할 수 있음을 보장하지는 않습니다.

제한 사항 (Limitations)

사용 가능한 문서는 측정된 이미지 품질 점수, 추론 시간(inference times), GPU 메모리 요구 사항, 또는 최대 해상도를 제공하지 않습니다. 7B라는 수치는 시각적 생성 아키텍처를 설명하는 것이며 VRAM 예상치(estimate)가 아닙니다. 예제는 torch.bfloat16으로 모델을 로드하고 `

, 여기에 용어는 제공되지 않았습니다. 모델 배포 페이지의 라이선스 약관을 확인하지 않고 상업적 사용 권한이나 특정 재배포 권한을 가정하지 마십시오. 제공된 자료는 해당 체크포인트가 활발하게 유지 관리되고 있는지 여부도 명시하고 있지 않습니다.

비교 방법

• Qwen-Image-2.1: 다음 경우에 Qwen-Image-2.1-Turbo를 선택하십시오. 문서화된 8단계 스케줄과 CFG=1 기본값이 디노이징 단계가 적은 워크플로우에 적합할 때입니다. Turbo가 아닌 버전을 사용하거나 품질 및 속도를 개별적으로 평가해야 할 때는 전체 체크포인트를 선택하십시오. 제공된 정보는 주어진 작업에 대해 어느 쪽이 더 나은 이미지를 생성하는지 알려주는 벤치마크를 제시하지 않습니다. Turbo 설명에 따르면 둘 다 동일한 7B 비주얼-생성 아키텍처를 사용합니다.

• Qwen-Image-2.1-viggle-turbo: 문서화된 Qwen Turbo 체크포인트와 QwenImage21Pipeline에서의 8단계 스케줄을 원하는 경우 이 모델을 선택하십시오. Viggle의 v0.2는 Distribution Matching Distillation으로 Viggle이 훈련시킨 증류 학생(distilled student)입니다. 설명에 따르면 5개의 트랜스포머 패스, 분류기 없는 안내(no classifier-free guidance), 그리고 13개 참조 이미지를 사용한 지침 기반 편집을 수행합니다. 이러한 특정 편집 및 패스 수 세부 정보가 워크플로우에 맞는 경우 Viggle을 선택하십시오. 제공된 정보는 두 모델 간의 직접적인 품질, 지연 시간 또는 비용 벤치마크를 제공하지 않습니다.

• Qwen-Image-2.1-PE-I2I: 제공된 설명은 이를 관련 Qwen-Image-2.1 모델로 식별하지만 아키텍처, 샘플링 스케줄, 성능 또는 의도된 사용 세부 정보를 제공하지 않습니다. 명시된 8단계 텍스트-투-이미지 및 편집 설정을 필요로 하는 경우 Turbo 체크포인트가 더 잘 문서화된 선택지입니다. 근거 있는 품질, 속도 또는 비용 비교를 할 만큼 충분한 정보가 없습니다.

• qwen-image-2512: 이 모델은 보다 사실적인 인물 생성, 정교한 질감 표현, 그리고 강력한 텍스트 렌더링을 강조합니다. 이러한 우선순위가 Turbo 체크포인트의 문서화된 8단계 스케줄보다 더 중요하다고 판단될 때 고려하십시오. 지정된 가속화 체크포인트와 그 Diffusers 파이프라인 설정을 사용하려면 Turbo를 선택하십시오. 공유되는 벤치마크나 추론 비용 데이터는 제공되지 않습니다.

• qwen-image: 이 모델은 복잡한 텍스트 렌더링 분야에서 진보를 이룬 Qwen 이미지 생성 기반 모델로 소개됩니다. 문서화된 8단계 텍스트-이미지 및 이미지 편집 워크플로우가 필요한 경우 Turbo 체크포인트가 더 구체적인 선택지입니다. 제공된 정보만으로는 어떤 모델이 텍스트를 더 잘 렌더링하는지 또는 더 빠르게 실행되는지를 확인할 수 없습니다.

기술 사양 (Technical specifications)

Qwen-Image-2.1-Turbo는 Qwen-Image-2.1의 가속화된 체크포인트입니다. 이 모델은 동일한 7B 비주얼 생성 아키텍처를 유지하며, 텍스트-이미지 생성을 지원하고 이미지 편집 기능을 제공하며, 8단계 노이즈 제거(denoising) 스케줄을 사용합니다. 이 체크포인트는 권장 샘플링 스케줄을 저장하므로 사용자가 스케줄러를 수동으로 구성할 필요가 없습니다. 생성 시 기본값은 CFG=1을 사용합니다. Prefix KV 캐싱은 노이즈 제거 단계 전반에 걸쳐 텍스트 및 참조 이미지 컨텍스트를 재사용합니다.

확인된 구현 및 예시 세부 정보:

파이프라인 (Pipeline): Diffusers의 QwenImage21Pipeline을 사용합니다.

프레임워크 (Framework): CUDA가 적용된 PyTorch이며, 예시는 dtype=torch.bfloat16를 사용하여 가중치를 로드합니다.

Diffusers 요구 사항: PR #14950에 추가된 파이프라인 구성 샘플링 시그마(sampling sigmas) 버전이 필요합니다. README에서는 최신 Diffusers 소스 설치를 권장합니다.

기타 의존성 (Other dependencies): transformers>=5.17.0, accelerate, 그리고 pillow가 필요합니다.

텍스트-이미지 예시 크기: 1680 × 2512 픽셀, 세로 방향(portrait orientation)입니다.

이미지 편집 예시 크기: 2048 × 2048 픽셀입니다.

예시 입력 이미지: diffusers.utils.load_image를 사용하여 로드하고 RGBA로 변환합니다.

예시 재현성 (Example reproducibility): 텍스트-이미지 예시는 `torch.Generator(

샘플링 (Sampling): 기본값으로 8 디노이징 스텝(denoising steps)을 사용하며, CFG는 1입니다. 권장되는 스케줄은 체크포인트에 포함되어 있습니다.

캐싱 (Caching): 텍스트-이미지 예제에서 선택적으로 use_kv_cache=True를 사용할 수 있습니다.

모델 가중치 및 형식 (Model weights and format): 제공된 자료에는 Turbo 체크포인트의 파일 형식, 양자화 옵션(quantization options), 또는 다운로드 크기가 명시되어 있지 않습니다.

학습 (Training): 학습 데이터셋, 데이터셋 크기, 학습 스텝 수(training-step count) 또는 컴퓨팅 세부 정보가 제공되지 않았습니다.

하드웨어 (Hardware): 예제는 CUDA를 요구하지만, 최소 GPU 사양 및 VRAM 요구 사항은 명시되어 있지 않습니다.

라이선스 (License): other로 기재되어 있으며, 구체적인 조건은 제공된 정보에 포함되어 있지 않습니다.

Qwen 이미지 모델 제품군(family)에 대한 배경 지식은 Qwen Image 기술 보고서(technical report)를 참조하십시오. 제공된 자료는 이 Turbo 체크포인트의 특정 학습 또는 성능을 문서화한다고 확정하지 않습니다.

모델 입력 및 출력 (Model inputs and outputs)

입력 (Inputs)

텍스트 프롬프트 (Text prompt): 텍스트-이미지 생성을 위한 자연어 프롬프트입니다. README의 예제는 초상화 화학 포스터에 대한 상세한 설명을 사용합니다.

편집용 참조 이미지 (Reference image for editing): 편집 예제에서는 load_image를 사용하여 이미지를 로드하고, 이를 RGBA로 변환한 다음, 편집 프롬프트를 제공합니다. 예제 이미지는 요트 스케치입니다.

이미지 크기 (Image dimensions): 문서화된 예제는 텍스트-이미지의 경우 1680 × 2512를 요청하며, 편집의 경우 2048 × 2048을 사용합니다. 이는 명시된 제한이 아닌 예제 크기입니다.

생성 옵션 (Generation options): 예제는 use_kv_cache=True를 설정하고 시드(seeded) PyTorch 생성기를 제공합니다. 체크포인트의 권장 샘플링 스케줄은 모델과 함께 로드됩니다.

출력 (Outputs)

생성된 이미지 (Generated image): 파이프라인은 .images를 통해 이미지를 반환하며, 예제는 첫 번째 이미지를 선택하여 t2i.png로 저장합니다.

출력 형식 (Output format): 예제는 Pillow의 save 메서드를 사용하여 결과를 저장합니다. 제공된 자료에는 필수 출력 형식이나 후처리 파이프라인(post-processing pipeline)이 명시되어 있지 않습니다.

편집 결과: 이 파이프라인은 이미지 편집을 지원하지만, 제공된 발췌문에는 전체 편집 추론 호출(inference call)이나 출력 저장 코드가 포함되어 있지 않습니다.

시작하기

CUDA 호환 PyTorch 빌드를 설치한 다음, Diffusers를 최신 소스에서 그리고 명시된 종속성들을 설치하세요. 이 체크포인트는 파이프라인에 구성된 샘플링 시그마(sampling sigmas)를 위해 Diffusers 지원을 필요로 합니다.

pip install git+https://github.com/huggingface/diffusers.git
pip install "transformers>=5.17.0" accelerate pillow

최소 텍스트-투-이미지(text-to-image) 예시:

import torch
from diffusers import QwenImage21Pipeline
pipe = QwenImage21Pipeline.from_pretrained(
...

이 파이프라인은 체크포인트에 저장된 8단계 스케줄을 사용합니다. 예시에서는 단계 수(step count)나 스케줄러를 수동으로 설정하지 않습니다.

자주 묻는 질문 (FAQ)

Q: Qwen-Image-2.1-Turbo를 상업적으로 사용할 수 있나요?

A: 라이선스는 other로 명시되어 있지만, 제공된 정보에는 그 조건이 포함되어 있지 않습니다. 상업적 사용 전에 체크포인트에 첨부된 라이선스를 확인하세요.

Q: 실행하는 데 어떤 GPU 또는 VRAM이 필요한가요?

A: 예시는 CUDA 호환 PyTorch 빌드를 사용하고, 모델을 torch.bfloat16으로 로드한 다음 CUDA로 이동시킵니다. README에는 최소 GPU 모델이나 VRAM 요구 사항이 명시되어 있지 않습니다.

Q: Turbo 체크포인트는 몇 단계의 디노이징(denoising) 단계를 사용하나요?

A: 8단계 디노이징 스케줄을 사용합니다. 이 체크포인트에는 권장 샘플링 스케줄이 포함되어 있으므로, 예시에서는 스케줄러를 수동으로 구성하지 않습니다.

Q: 추론 속도는 얼마나 되나요?

A: 이 체크포인트는 가속화되었다고 설명되지만, 제공된 정보에는 측정된 지연 시간(latency), 처리량(throughput) 또는 하드웨어 벤치마크가 없습니다. 사용하려는 GPU와 해상도에서 직접 벤치마킹하세요.

Q: README에서는 어떤 이미지 크기를 시연하나요?
A: 텍스트-투-이미지 예시는 1680 × 2512 픽셀을 요청하고, 편집 예시는 2048 × 2048을 사용합니다. 이 예시들은 최대 지원 해상도를 정의하지 않습니다.

Q: 기존 이미지를 편집할 수 있나요?

A: 네. 이 모델은 이미지 편집을 지원하며, README에는 요트 스케치를 RGBA 이미지로 로드하고 사실적인 사진 결과물을 요청하는 프롬프트가 시연되어 있습니다. 제공된 발췌문에는 전체 편집 호출이 포함되어 있지 않습니다.

질문: 방정식과 긴 텍스트를 안정적으로 렌더링하나요?

A: README에는 방정식, 레이블 및 비교표를 포함하는 포스터에 대한 프롬프트가 시연되어 있지만, 텍스트 렌더링 벤치마크나 정확도 보장은 제공하지 않습니다. 이미지를 사용하기 전에 생성된 텍스트와 과학적 표기법을 확인하세요.

질문: 파인튜닝(fine-tune)이 가능한가요? 그리고 알려진 실패 모드는 무엇인가요?

A: 제공된 정보에는 파인튜닝 지원 여부나 알려진 실패 모드가 문서화되어 있지 않습니다. 추론 라이브러리로 Diffusers를 식별하고 훈련 레시피는 제공하지 않습니다.