Skip to main content

Qwen Image 2.1 プロンプトガイド

Qwen Image 2.1。
文字は正確に。画質はネイティブ2K。

Qwen Image 2.1 プロンプトガイドで、AlibabaのQwenチームが開発した最新画像モデルを使いこなしましょう。入力した言葉を鮮明な文字で描き、ネイティブ2Kで生成。最大10枚の参照画像の編集・合成に対応し、自分で学習させたLoRAを最大3つ同時に使えます。バージョンは2つ。8ステップで素早く生成するQwen Image 2.1 Turboと、40ステップで細部まで描き込むフルモデルのQwen Image 2.1です。このページの画像はすべて、掲載のプロンプトを使ってPixelDojoで制作しました。

シルクスクリーン風のコンサートポスター。タイトルは「SALT AND STATIC」、縦長で幅の狭いコーラル色の文字。港に浮かぶ巨大なコーラル色の月を背に、サックス奏者のシルエット。下部に「AUGUST 14 TO 16, PIER 9」

概要

Qwen Image 2.1では、最初に制作物、次に詳細を伝えるプロンプトが効果的です。コンサートポスター、雑誌風ポートレート、商品のメインビジュアルなど、何を作るかを指定してから、被写体、舞台、光、仕上がりを続けます。画像に入れたい文字はすべて引用符で囲み、配置する場所も指定しましょう。

テキストからの画像生成も編集も、同じツールで行えます。テキストだけで生成するなら、参照画像の欄は空のままに。1〜10枚の画像を添付すると、プロンプトは編集指示になります。ここを変える、そこは残す、画像1の商品を画像2のシーンに置く、といった指示ができます。

どちらのバージョンも、基本の強みは共通です。ラフ制作、大量生成、LoRAを使った撮影にはTurbo。最終仕上げや極小の文字までこだわる制作、ネガティブプロンプトを使いたい場面ではフルモデルに切り替えましょう。

2K

ネイティブ解像度

10

参照画像

3

画像ごとのLoRA数

主な特長

入力どおりの文字を描く
タイトル、日付、小さな文字まで

入力どおりの文字を描く

文字をすべて引用符で囲み、配置を指定します。このポスターでは、上部に太く幅の狭い文字でタイトルを、下部に小さく日付を配置。どちらも入力どおりの綴りで描かれています。

ネイティブ2Kの描写力
アップスケールではない2K

ネイティブ2Kの描写力

2Kはモデル本来の出力サイズです。3:4のポートレートなら1792 x 2400で生成され、一本一本のしわも、銀髪も、ウールの繊維も細やかに描き出します。

最終仕上げはフルモデルで
40ステップで、細部まで

最終仕上げはフルモデルで

フルモデルのQwen Image 2.1は、画面の隅々まで時間をかけて描き込みます。このマットペイントでは、巨大なクジラ、小さなランタンを持つ人々、夜明けの光に舞うほこりまで、1枚に描き出しています。

日々の制作にはTurbo
8ステップ、2Kで0.5クレジット

日々の制作にはTurbo

Turboは、スタジオ品質の商品写真、料理、インテリアを8ステップで生成します。水滴と蘭を添えたこの香水のメインビジュアルは、2Kで0.5クレジットでした。

自分だけのLoRA
一度学習、あらゆるシーンへ

自分だけのLoRA

陶器のフクロウの写真8枚でLoRAを学習させ、1行のプロンプトでパンケーキの上に配置しました。1枚の画像に最大3つのLoRAを組み合わせられます。

自然な光が息づくインテリア
建築・ライフスタイル

自然な光が息づくインテリア

素材と、日差しが差し込む場所を指定しましょう。淡いオーク、リネン、ウォールナット。壁に長く伸びる窓の影を添えれば、横長16:9の画面に、雑誌のような落ち着いたインテリアが生まれます。

作例

各作例には、生成に使ったプロンプトをそのまま掲載しています。どのプロンプトもワンクリックでコピーできます。

コンサートポスター

コンサートポスター

Turbo · 2K · 2:3 · 0.5クレジット

Typographic concert poster, bold condensed letters "SALT AND STATIC" stacked across the top, a lone saxophonist silhouetted against a huge coral moon over a quiet harbor, screen-print grain, deep navy and coral palette, small text at the bottom reading "AUGUST 14 TO 16, PIER 9"

まず制作物、次に文字のスタイル(「太く幅の狭い文字」)、続いて引用符で囲んだ文字と配置を指定します。タイトルは上部、日付は下部へ。2色の配色と「シルクスクリーンの粒状感」で、印刷物らしい質感に仕上がります。

雑誌風ポートレート

雑誌風ポートレート

Turbo · 2K · 3:4 · 0.5クレジット

Editorial portrait, medium close-up. A woman in her sixties with a silver bob and round tortoiseshell glasses, wearing a mustard wool coat, looks out the window of a vintage tram, warm late afternoon light raking across her face, 85mm lens, shallow depth of field, fine film grain

最初にショットの種類を指定し、次に髪、眼鏡、コートなど、人混みでも見分けられるほど具体的に人物を描写します。動作を1つ、光源を1つ、レンズを指定すれば準備完了。「表面をかすめる光」で、肌の質感が際立ちます。

商品のメインビジュアル

商品のメインビジュアル

Turbo · 2K · 3:4 · 0.5クレジット

Product hero shot. A frosted glass perfume bottle with a brass cap stands on wet black slate, a single white orchid leaning beside it, droplets beading on the glass, a hard rim light carving its silhouette against a deep green backdrop, macro lens, studio photography

商品、置く面、小物を1つ、触感を伝えるディテールを1つ(水滴など)。その後に光と背景色を指定します。ボトルを自分の商品に置き換えれば、残りの文章はそのまま使えます。

料理の俯瞰撮影

料理の俯瞰撮影

Turbo · 2K · 1:1 · 0.5クレジット

Overhead food photograph. A Korean breakfast on a walnut tray: rice, kimchi, grilled mackerel, rolled omelette and miso soup with steam rising, linen napkin, soft window light from the left, crisp detail

コロンの後に料理をすべて列挙すると、それぞれがトレイに配置されます。「立ちのぼる湯気」と「左から差し込む柔らかな窓の光」。短い言葉で雰囲気が決まります。

コンセプトアート

コンセプトアート

フルモデル · 2K · 16:9 · 1.5クレジット

Concept art, wide establishing shot. A colossal moss-covered stone whale rests in a desert canyon at dawn, a caravan of tiny travelers with lanterns winding past its jaw, dust catching the first golden light, painterly matte painting, epic scale

スケール感を出すには、巨大なものと小さなものを組み合わせます。たとえば、クジラと旅人の隊列。細かな描写が画面いっぱいに広がるシーンなら、クレジットを多く使ってもフルモデルを選ぶ価値があります。

雑誌風インテリア

雑誌風インテリア

Turbo · 2K · 16:9 · 0.5クレジット

Architectural interior. A Scandinavian living room with pale oak floors, a linen sofa and a tall monstera, low afternoon sun throwing long window shadows across the wall, a ceramic vase on a walnut side table, wide angle, magazine photography

スタイリングを決めるのは素材です。淡いオーク、リネン、ウォールナット、陶器。「壁に長く伸びる窓の影」と指定すれば、何もない壁にも意味が生まれます。

LoRAで自分の被写体を再現

LoRAで自分の被写体を再現

Turbo · 2K · 1:1 · フクロウのLoRA、強度1 · 0.5クレジット

a photo of zzqwowl sitting on a stack of pancakes in a retro diner, warm morning light

LoRAを読み込むと、トリガーワードが被写体の代わりになります。このプロンプトには、緑の釉薬も琥珀色の目も書いていません。その特徴はLoRAが担うので、プロンプトではシーンだけを描写すれば十分です。

プロンプトのコツ

入れたい文字は引用符で囲む

タイトル、日付、ラベルの文字をそれぞれダブルクォーテーションで囲み、配置も指定します。上部いっぱいに、下部に小さく、ラベルの上に。短い行の英大文字が、最もきれいに描かれます。

文字のスタイルを指定する

太く幅の狭い文字、クラシックなセリフ体、手書き文字、すっきりしたサンセリフ体。モデルは指定したスタイルに従います。成り行きに任せず、1つ選びましょう。

ラフはTurbo、仕上げはフルモデル

Turboの1K、0.25クレジットでアイデアを固め、フルモデルの2K、1.5クレジットで最終版を生成します。モデルやサイズを変えると別の画像になるので、最終版はそれ自体で仕上がりを判断しましょう。

参照画像に番号と役割を付ける

複数の画像を添付したら、「画像1」「画像2」のように番号で示し、それぞれの用途を指定します。商品、背景、顔、スタイルなど、役割を明確にしましょう。

残す部分も伝える

編集では、変更点に続けて、変えずに残すものも列挙します。顔、ラベル、カメラアングルなどです。大きく作り変える場合は、新しいプロンプトで生成するほうが効果的です。

重複しにくいトリガーワードを使う

zzqwowlのような造語を使ってLoRAを学習させると、実在する単語との重複を避けられます。プロンプトでは、被写体を書く位置にその単語を入れましょう。

LoRAの強度を下げてなじませる

標準の強度は1です。被写体のLoRAとスタイルのLoRAを重ねるときは、どちらかが画像を支配しないよう、強度を少し下げましょう。

用途に合う画角を選ぶ

ポスターやポートレートは2:3または3:4、バナーやコンセプトアートは16:9、ストーリーズは9:16、SNS投稿や商品タイルは1:1がおすすめです。

プロンプトを作る5つの要素

1. 制作物。何を作るかを短く伝えます。「文字を主役にしたコンサートポスター」「雑誌風ポートレート、ミディアムクローズアップ」「商品のメインビジュアル」。

2. 被写体。姿が浮かぶほど具体的に書きます。「シルバーのボブヘアで、丸いべっ甲柄の眼鏡をかけた60代の女性」「真鍮のキャップが付いた、すりガラスの香水ボトル」。

3. 舞台と動作。どこで、何が起きているかを伝えます。「レトロな路面電車の窓から外を眺めている」「濡れた黒いスレートの上に置かれている」。

4. 文字。画像に入れる文字は引用符で囲み、配置も指定します。上部に「SALT AND STATIC」、下部に「AUGUST 14 TO 16, PIER 9」。

5. 仕上げ。光、レンズ、配色、質感を指定します。「暖かな午後遅くの光」「85mmレンズ」「ディープネイビーとコーラルの配色」「スクリーンプリントの粒状感」。

参照画像で編集・合成

参照画像は最大10枚まで添付できます。Qwen Image 2.1は、プロンプトを参照画像への指示として読み取ります。Turboでもフルモデルでも、通常の生成と同じモデル・料金で使えます。

写真を1枚編集する:「参照画像のソファを深緑のベルベットに変更。部屋、光、カメラアングルはまったく同じに保つ。」変えるものを指定し、次に変えないものを指定します。

複数の画像を組み合わせる:「画像1のスニーカーを画像2の大理石の台座に置く。柔らかなスタジオ照明、すっきりしたグレーの背景。」画像に番号を付けると、どれが商品で、どれがセットなのかをモデルに伝えられます。

別のシーンでも同じ顔や商品を使う:写真を添付し、「画像1と同じ人物、同じ顔と髪型を保つ」と指定します。続けて、新しいシーンをゼロから書くつもりで詳しく描写します。

スタイルを変える:写真とスタイルの参照画像を添付し、「画像1を画像2のスタイルで描き直す」と指定します。商品や看板の文字を変える場合は、新しい文言を一字一句そのまま引用符で囲みます。

自分だけのQwen Image 2.1 LoRAを学習

LoRAは、あなたの顔、商品、マスコット、スタイルなど、1つの対象をQwen Image 2.1に学習させる仕組みです。私たちのフクロウLoRAは、小さな陶器の置物を8枚の写真から学習し、一度も撮影されていないシーンに登場しました。

1. 同じ対象を、角度、光、背景を変えて鮮明に撮影します。2. Qwen Image 2.1 LoRAトレーナーを開き、写真を1枚ずつ、またはzipでアップロードします。キャプションは任意で追加できます。3. 珍しいトリガーワードとステップ数を選びます。1000ステップあたり35クレジットで、デフォルトの2000ステップでは70クレジットを使用します。

4. 学習が完了したら、My TrainingsからLoRAを開きます。そのままQwen Image 2.1に読み込まれます。プロンプトで対象を指定する箇所にトリガーワードを入れます。5. キャラクターとスタイルなど、1枚の画像に最大3つのLoRAを組み合わせられます。それぞれの強度は0から2で設定できます。

Qwen Image 2.1とQwen Image 2.0 Proを比較

上のコンサートポスターのプロンプトを、Qwen Image 2.0 Proでも試しました。Qwen Image 2.1 Turboは指示どおり、上部いっぱいに縦長で太いコンデンス書体を配置し、下部に小さく日付を入れました。Qwen Image 2.0 Proは、細い枠の内側にクラシックなセリフ体を複数段で配置。より伝統的な印刷物らしい仕上がりになりました。

Qwen Image 2.1 Turboは、2Kのポスターを0.5クレジットで生成しました。Qwen Image 2.0 Proは1.5クレジットを使用しました。Qwen Image 2.1はネイティブ2Kでの生成に加え、自分で学習したLoRAにも対応しています。どちらのモデルも引き続きPixelDojoで使えます。

設定リファレンス

設定値補足
プロンプトstring (required)作りたい画像を指定します。参照画像を添付した場合は、編集内容を指定します。
モデルTurbo · FullTurbo:8ステップ。フルモデル:40ステップで最も緻密な描写。API IDはqwen-image-2.1-turboとqwen-image-2.1です。
解像度1K · 2KTurbo:1Kで0.25クレジット、2Kで0.5クレジット。フルモデル:1Kで1クレジット、2Kで1.5クレジット。
アスペクト比1:1 · 4:3 · 3:4 · 3:2 · 2:3 · 16:9 · 9:162Kでは、1:1が2048 x 2048、16:9が2752 x 1536です。
参照画像up to 10 (optional)編集、合成、人物や商品の一貫性の維持、スタイルの指定に使います。
LoRAup to 3, strength 0 to 2Qwen Image 2.1 LoRAトレーナーで、自分だけのLoRAを学習できます。デフォルトの強度は1です。
ネガティブプロンプトstring (optional)フルモデルのみが読み取ります。
1回の生成枚数1 to 4画像ごとに個別に課金されます。
出力形式jpeg · png · webppngは透明部分を保持します。

よくある質問

Qwen Image 2.1は、AlibabaのQwenチームが開発した最新のテキスト画像生成・画像編集モデルです。ネイティブ2Kで生成でき、画像内の文字もきれいに描写します。最大10枚の参照画像を編集・合成でき、カスタムLoRAにも対応しています。