Qwen-Image-2512 (offline)

کوئن ایمیج ۲۵۱۲ (آفلاین)

Qwen-Image-2512 (offline)
★★★★★★★★★★۴٫۱
رایگان؛ وزن‌های باز با مجوز Apache-2.0 (استفادهٔ تجاری آزاد)

مدل ۲۰ میلیاردی علی‌بابا برای ساخت تصویر با مجوز Apache-2.0، همراه Qwen-Image-Edit-2511 برای ویرایش؛ در نوشتن متن داخل تصویر از بهترین مدل‌های باز است، اما فارسی تأیید نشده.

اجرا روی سیستم خودتان

این مدل را یک بار دانلود می‌کنید و بعد بدون اینترنت روی لپ‌تاپ، کامپیوتر یا سرور خودتان اجرایش می‌کنید.

  • بعد از نصب، بدون اینترنت
  • وزن‌های باز
  • Apache-2.0 — استفادهٔ تجاری آزاد
  • فارسی: نامعلوم

بعد از دانلود فایل‌ها، ComfyUI و مدل کاملاً بدون اینترنت کار می‌کنند. اگر قالب را از داخل ComfyUI باز کنید، برنامه می‌خواهد فایل‌ها را خودکار از Hugging Face بگیرد؛ روی سیستم آفلاین فایل‌ها را دستی در پوشه‌ها بگذارید. به‌روزرسانی ComfyUI هم اینترنت می‌خواهد.

هر دو مدل (Qwen-Image-2512 و Qwen-Image-Edit-2511) Apache-2.0 هستند و استفادهٔ تجاری آزاد است. این مجوز به Qwen-Image-2.1 تعمیم پیدا نمی‌کند؛ آن نسخه مجوز پژوهشی و غیرتجاری Qwen دارد.

نسخه‌ها و سخت‌افزار لازم

  • Qwen-Image-2512 (ساخت تصویر)۲۰B
    حافظهٔ لازم:
    کارت گرافیک ۲۴ گیگ یا رم ۲۷ گیگ
    Qwen/Qwen-Image-2512 ↗

    در آزمایش ComfyUI با نسخهٔ اول Qwen-Image (همین اندازه) فایل fp8 روی RTX 4090D (۲۴ گیگابایت) حدود ۸۶٪ حافظه مصرف کرد؛ اجرای اول ۹۴ و بعدی ۷۱ ثانیه. با LoRA چهارگامی Lightning خیلی سریع‌تر می‌شود. رمزگذار متن Qwen2.5-VL-7B (نسخهٔ fp8 حدود ۹٫۴ گیگابایت) و VAE (۰٫۲۵) جدا لازم‌اند.

  • Qwen-Image-Edit-2511 (ویرایش تصویر)۲۰B
    حافظهٔ لازم:
    کارت گرافیک ۲۴ گیگ یا رم ۲۷ گیگ
    Qwen/Qwen-Image-Edit-2511 ↗

    مدل جدا برای ویرایش با دستور متنی و ترکیب چند عکس. ۲۴ گیگابایت تخمینی است (هم‌اندازهٔ مدل ساخت تصویر). همان رمزگذار متن و VAE را استفاده می‌کند و LoRA چهارگامی Lightning هم دارد.

نصب و اجرا

  1. ۱

    ComfyUI را نصب کنید (ویندوز)ویندوز

    run_nvidia_gpu.bat

    فایل ComfyUI_windows_portable_nvidia.7z را از صفحهٔ Releases گیت‌هاب ComfyUI بگیرید، از حالت فشرده خارج کنید و run_nvidia_gpu.bat را اجرا کنید. برای به‌روزرسانی، update_comfyui.bat در پوشهٔ update هست. نسخهٔ Desktop هم از comfy.org/download در دسترس است.

  2. ۲

    ComfyUI را نصب کنید (لینوکس)لینوکس

    git clone https://github.com/Comfy-Org/ComfyUI.git cd ComfyUI pip install -r requirements.txt

    پیش از آن PyTorch مناسب کارت گرافیک را طبق README نصب کنید. روی مک، برنامهٔ Desktop از comfy.org/download ساده‌ترین راه است.

  3. ۳

    فایل‌های ساخت تصویر را دانلود کنیدلینوکس

    cd ComfyUI/models wget -P diffusion_models https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/resolve/main/split_files/diffusion_models/qwen_image_2512_fp8_e4m3fn.safetensors wget -P text_encoders https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/resolve/main/split_files/text_encoders/qwen_2.5_vl_7b_fp8_scaled.safetensors wget -P vae https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/resolve/main/split_files/vae/qwen_image_vae.safetensors wget -P loras https://huggingface.co/lightx2v/Qwen-Image-2512-Lightning/resolve/main/Qwen-Image-2512-Lightning-4steps-V1.0-bf16.safetensors

    در ویندوز همین لینک‌ها را با مرورگر بگیرید و در پوشه‌های هم‌نام بگذارید. فایل آخر LoRA سرعت و اختیاری است.

  4. ۴

    برای ویرایش، مدل Edit-2511 را اضافه کنیدلینوکس

    cd ComfyUI/models wget -P diffusion_models https://huggingface.co/Comfy-Org/Qwen-Image-Edit_ComfyUI/resolve/main/split_files/diffusion_models/qwen_image_edit_2511_fp8mixed.safetensors wget -P loras https://huggingface.co/lightx2v/Qwen-Image-Edit-2511-Lightning/resolve/main/Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16.safetensors

    رمزگذار متن و VAE مرحلهٔ قبل مشترک‌اند و دوباره لازم نیستند.

  5. ۵

    قالب آماده را باز کنید

    python main.py

    ComfyUI را اجرا کنید (در نسخهٔ قابل‌حمل ویندوز همان run_nvidia_gpu.bat). در http://127.0.0.1:8188 از بخش Templates عبارت Qwen-Image-2512 یا Qwen-Image-Edit-2511 را جست‌وجو کنید. هر قالب مسیر معمولی ۵۰ گامی و مسیر سریع ۴ گامی با Lightning دارد.

دانلود

نکات امنیتی

  • فقط فایل‌های .safetensors را از مخزن‌های رسمی بگیرید؛ فایل‌های .ckpt، .pt یا .pth از منبع ناشناس ممکن است هنگام بارگذاری کد مخرب اجرا کنند.
  • ComfyUI را با گزینهٔ --listen روی اینترنت باز نکنید؛ پورت ۸۱۸۸ را فقط در شبکهٔ داخلی و پشت رمز عبور استفاده کنید.
  • نودهای سفارشی (custom nodes) در ComfyUI کد پایتون اجرا می‌کنند؛ فقط نودهای شناخته‌شده را نصب کنید.

برای شرکت‌ها و سازمان‌ها

برای استودیو یا تیم تبلیغات روی یک سرور با کارت ۲۴ گیگابایتی یا بیشتر مناسب است و مجوز Apache-2.0 استفادهٔ تجاری داخلی را آزاد می‌گذارد. برای چند کاربر، ComfyUI را پشت پراکسی با رمز عبور بگذارید.

برنامه‌هایی که این مدل را اجرا می‌کنند

آخرین بررسی: ۱۲ مهر ۱۴۰۵ · انتشار: ۲۴ آذر ۱۴۰۴

معرفی: کوئن ایمیج ۲۵۱۲ (آفلاین)

Qwen-Image-2512 به‌روزرسانی دسامبر ۲۰۲۵ مدل تصویرساز Qwen از علی‌باباست؛ مدلی ۲۰ میلیارد پارامتری با مجوز Apache-2.0. طبق Qwen، در بیش از ۱۰ هزار مقایسهٔ کور در AI Arena قوی‌ترین مدل تصویر متن‌باز بوده است. نسبت به نسخهٔ قبلی، چهرهٔ آدم‌ها واقعی‌تر، جزئیات طبیعت ریزتر و متن داخل تصویر دقیق‌تر شده است.

همراهش Qwen-Image-Edit-2511 هم هست: مدل جدایی برای ویرایش عکس با دستور متنی، ترکیب چند عکس و حفظ چهرهٔ آدم‌ها. این دو برای پوستر، اینفوگرافیک، اسلاید و تصویر تبلیغاتی پرمتن مناسب‌اند.

سخت‌افزار سنگین است: فایل fp8 حدود ۲۰ گیگابایت است. ComfyUI در آزمایش نسخهٔ اول Qwen-Image (همین اندازه و معماری) روی کارت ۲۴ گیگابایتی RTX 4090D حدود ۸۶٪ حافظه مصرف کرد و هر تصویر بیش از یک دقیقه طول کشید. با LoRA چهارگامی Lightning خیلی سریع‌تر می‌شود. DiffSynth-Studio با بارگذاری لایه‌به‌لایه حتی با ۴ گیگابایت اجرایش می‌کند، ولی بسیار کند.

شروع: ComfyUI قالب آمادهٔ Qwen-Image-2512 و Qwen-Image-Edit-2511 دارد. InvokeAI و Forge Neo هم این خانواده را پشتیبانی می‌کنند.

ایراد اصلی برای کاربر فارسی‌زبان: Qwen فقط نوشتن متن چینی و انگلیسی را نشان داده و نوشتن فارسی داخل تصویر تأیید نشده است. نسل جدیدتر، Qwen-Image-2.1، سپتامبر ۲۰۲۶ با وزن باز منتشر شد ولی مجوزش پژوهشی و غیرتجاری است.

بهترین کاربردها

  • •پوستر تبلیغاتی با متن انگلیسی را آفلاین بسازم
  • •اینفوگرافیک و اسلاید را با هوش مصنوعی بدون اینترنت طراحی کنم
  • •عکس آدم‌ها را واقع‌گرایانه روی کامپیوتر خودم بسازم
  • •با دستور متنی عکس محصول را آفلاین ویرایش کنم
  • •چند عکس را بدون ارسال به سرور خارجی در یک تصویر ترکیب کنم
  • •روی سرور شرکت تصویرساز با مجوز تجاری راه بیندازم
  • •با کارت گرافیک ۲۴ گیگابایتی بهترین تصویرساز متن‌باز را اجرا کنم

برای این کارها سراغش نروید

  • –نوشتن مطمئن متن فارسی داخل تصویر
  • –لپ‌تاپ یا کارت گرافیک کمتر از ۱۲ گیگابایت
  • –ساخت ویدیو

تصاویر محیط ابزار

نقاط قوت

  • ✓هنگام انتشار (دسامبر ۲۰۲۵) قوی‌ترین مدل تصویر متن‌باز در آزمون‌های کور AI Arena بود؛ حالا Qwen-Image-2.1 بالاتر است ولی مجوزش غیرتجاری است
  • ✓نوشتن متن انگلیسی و چینی و صفحه‌آرایی پوستر و اسلاید
  • ✓مدل ویرایش همراه (Edit-2511) با ترکیب چند عکس و حفظ چهره
  • ✓مجوز Apache-2.0؛ استفادهٔ تجاری آزاد
  • ✓LoRAهای چهار و هشت‌گامی Lightning برای سرعت بیشتر

نقاط ضعف

  • ✗سنگین: با نسخهٔ fp8 عملاً کارت گرافیک ۲۴ گیگابایتی و حدود ۳۰ گیگابایت دانلود (مدل، رمزگذار متن و VAE) می‌خواهد
  • ✗نوشتن متن فارسی داخل تصویر تأیید نشده است
  • ✗بدون LoRA سرعت، هر تصویر روی کارت ۲۴ گیگابایتی بیش از یک دقیقه طول می‌کشد
  • ✗ساخت و ویرایش دو مدل جدای ۲۰ میلیاردی‌اند و هر کدام دانلود جدا دارند
  • ✗نسل جدیدتر (Qwen-Image-2.1) مجوز پژوهشی و غیرتجاری دارد

پرسش‌های پرتکرار

متن فارسی داخل تصویر درست می‌نویسد؟

تأیید نشده. Qwen فقط نمونه‌های چینی و انگلیسی منتشر کرده است. اگر فارسی لازم دارید، اول چند نمونه آزمایش کنید؛ مطمئن‌ترین راه اضافه کردن متن فارسی بعد از ساخت تصویر است.

با کارت ۱۲ یا ۱۶ گیگابایتی اجرا می‌شود؟

ComfyUI در کمبود حافظه بخشی از مدل را به رم منتقل می‌کند، پس ممکن است اجرا شود ولی کند. عدد آزمایش‌شدهٔ ComfyUI کارت ۲۴ گیگابایتی است. DiffSynth-Studio هم حالت بارگذاری لایه‌به‌لایه با ۴ گیگابایت دارد که خیلی کند است.

ساخت و ویرایش را با یک مدل انجام می‌دهد؟

نه. برای ساخت، Qwen-Image-2512 و برای ویرایش، Qwen-Image-Edit-2511 را جدا دانلود کنید. رمزگذار متن و VAE بین دو مدل مشترک است.

استفادهٔ تجاری آزاد است؟

بله؛ هر دو مدل Apache-2.0 هستند. اما نسل جدیدتر Qwen-Image-2.1 مجوز پژوهشی دارد و بدون مجوز جداگانه نمی‌شود از آن تجاری استفاده کرد.

سرعتش را چطور بالا ببرم؟

LoRA چهارگامی Lightning (حدود ۰٫۸ گیگابایت) را در پوشهٔ loras بگذارید و در قالب ComfyUI فعالش کنید؛ تعداد گام از ۵۰ به ۴ می‌رسد.

امتیاز و نظر شما

بدون نیاز به ثبت‌نام؛ نظر متنی پس از بررسی منتشر می‌شود.

نظرات کاربران

هنوز نظری ثبت نشده — اولین نفر باشید!

ابزارهای مشابه

مشاهده همه