Z-Image Logo
Z-Image.me
Qwen-Image-i2L：單圖打造專屬AI畫師，個性化圖像創作全攻略
(Updated 2/6/2026)

Qwen-Image-i2L：單圖打造專屬AI畫師，個性化圖像創作全攻略

Author: z-image.me Team•5 min read

Qwen-Image-i2L：單圖打造專屬AI畫師,個性化圖像創作全攻略

你是否曾希望AI能學會你最喜歡的插畫風格，但苦於沒有幾十張素材和昂貴的算力？現在，一張圖就夠了。阿里通義實驗室開源的 Qwen-Image-i2L 正是這樣一款革命性工具，它讓你像"拼樂高"一樣，用單張圖片就能定制出屬於自己的AI畫師。

本文將帶你從零開始，快速掌握這個"風格魔法棒"的使用方法。

一、初識i2L：它是什麼，為何強大？

Qwen-Image-i2L 是一個個性化風格遷移工具。它的核心是 "Image to LoRA"，意為將一張輸入圖像的關鍵風格特徵，分解並"壓縮"成一輕量級的LoRA（Low-Rank Adaptation）適配器模組。

核心原理：化繁為簡的"風格拆解術"

傳統AI學習新風格需要海量數據和長時間訓練。i2L的創新在於其圖像分解機制：它像拆解盲盒一樣，智能地將一張圖片分解為"顏色基調"、"紋理筆觸"、"構圖元素"等可學習的"零件"。這些零件被封裝進一個僅有幾GB大小的LoRA文件裡，之後就可以像插件一樣，加載到Stable Diffusion等主流文生圖模型中，生成無數張同風格的新作品。

Qwen-image-i2L 原理

簡單來說，其工作流程可以概括為以下三步：
Qwen-image-i2L 原理

flowchart TD
    A[輸入<br>單張風格圖像] --> B(核心：圖像分解與特徵提取)
    
    B --> C{根據需求<br>選擇模型變體}
    
    C -- 風格模式 --> D1[提取純美學特徵<br>如筆觸、色調]
    C -- 粗粒度模式 --> D2[提取內容+風格<br>用於場景重構]
    C -- 精細模式 --> D3[提取高分辨率細節<br>用於紋理增強]
    
    D1 & D2 & D3 --> E(生成輕量級<br>LoRA適配器文件)
    
    E --> F[輸出<br>可無限生成同風格圖像的AI畫師]

深入原理剖析

模型的核心是圖像到LoRA的轉換管道：輸入圖像先通過編碼器（如SigLIP2提取語義、DINOv3捕捉視覺模式、Qwen-VL處理高分辨率細節）轉化為嵌入向量，然後這些向量直接映射到LoRA矩陣（低秩矩陣A和B）。LoRA本質上是基礎模型（如Qwen-Image）的"補丁"，只更新少量參數（通常<1%），實現高效注入。
四個變體設計針對不同需求：

  • Style (2.4B): 專注風格提取，細節保存弱，但風格捕捉強。編碼器：SigLIP2 + DINOv3。
  • Coarse (7.9B): 擴展Style，初步捕捉內容，但細節不完美。編碼器添加Qwen-VL (224x224分辨率)。
  • Fine (7.6B): Coarse的增量升級，提升到1024x1024分辨率，專注細節。必須與Coarse結合使用。
  • Bias (30M): 靜態LoRA，修正生成圖像與Qwen-Image底模的風格偏差（如顏色偏好）。

下圖是一個通用LoRA架構示意圖，Qwen-Image-i2L在這基礎上添加圖像輸入層：

LoRA Architecture

局限性包括泛化不足（單圖難以捕捉3D邏輯）和細節丟失（複雜紋理可能需多圖輸入）。研究顯示，使用Bias可提升兼容性達20-30%（基於示例比較）。

為何要關注它？四大核心優勢

  • 門檻極低：告別需要20張以上圖片和GPU集群的傳統流程，一張圖加普通電腦即可。
  • 效率極高：從準備到生成可用的風格模型，耗時從數小時縮短至幾分鐘。
  • 品質出色：生成的LoRA能精準捕捉原圖精髓，無縫融入主流AI繪畫流程。
  • 用途靈活：無論是將《星月夜》的風格用現代建築上，還是把動漫風遷移到真人照片，都能快速嘗試。

二、實戰指南：從零開始使用i2L

1. 環境準備

與使用基礎的Qwen-Image模型類似，你需要一個Python環境。由於i2L基於強大的Qwen-Image（200億參數MMDiT架構） 開發，因此對硬件有一定要求。

以下是推薦的配置參考：

硬件 最低要求 推薦配置
GPU NVIDIA GTX 1080 Ti (8GB) NVIDIA RTX 4090 D或更高
內存 16GB 32GB 或以上
存儲 50GB 可用空間 100GB SSD

2. 選擇你的"魔法棒"：四款模型變體

i2L並非一刀切，它提供了四款針對不同場景優化的模型，你需要根據創作目標進行選擇：

模型變體 參數規模 核心用途 適合場景
風格模式 2.4B 專攻純美學風格遷移 學習水彩筆觸、油畫質感、特定濾鏡色調
粗粒度模式 7.9B 捕捉內容與風格，進行場景重構 把街景變賽博朋克，把風景變童話世界
精細模式 7.6B 生成1024x1024高分辨率細節 需突出動物毛髮、建築磚塊、織物紋理等細節時
偏見模式 30M 確保輸出與Qwen-Image原生風格一致 企業統一宣傳圖視覺風格，防止品牌"跑偏"

新手建議：從風格模式或粗粒度模式開始嘗試，它們能處理大多數常見需求。

3. 核心步驟：單圖訓練你的LoRA

以下是一個簡化的操作流程，具體代碼請以項目官方GitHub倉庫為準。

第一步：獲取模型
所有模型均已開源，你可以在 Hugging Face 或 ModelScope 平台搜索"Qwen-Image-i2L"並免費下載。

第二步：準備你的風格圖像

  • 選擇一張能清晰代表你所需風格的圖片。
  • 確保圖片品質較高，重點元素清晰。
  • （可選）如果想學習特定主體（如某隻貓），盡量使用主體突出的圖片。

第三步：運行訓練腳本
訓練過程通常只需一條命令。你需要指定輸入圖片路徑、輸出LoRA的保存位置，以及選擇上表中對應的模型類型。

# 示例命令（僅供參考，請以官方文檔為準）
python train_i2l.py \
  --input_image "你的圖片.webp" \
  --model_type "style" \  # 此處選擇"風格模式"
  --output_lora "./my_style_lora.safetensors"

第四步：使用生成的LoRA進行創作
訓練完成後，你會得到一個 .safetensors 文件。在Stable Diffusion WebUI（如Automatic1111）或ComfyUI中：

  1. 將LoRA文件放入對應的模型文件夾。
  2. 在生成圖片時，在提示詞中通過特定語法（如 <lora:my_style_lora:1>）調用該LoRA。
  3. 輸入你的內容描述，即可生成融合了自定義風格的新圖像。

free-face-dataset-generation-workflow-for-lora-training

4. 調參與提示詞技巧

  • 提示詞是關鍵：Qwen系列模型以強大的文本理解和渲染能力著稱。在生成最終圖像時，結合清晰的內容提示詞和LoRA，效果更佳。例如："<lora:van Gogh_starry_night:0.8>， 一座現代摩天大樓，夜空，漩渦狀的星光，油畫筆觸。"
  • 控制LoRA強度：通常可以在調用語法中調整權重（如將 :1 改為 :0.7），權重越低，風格影響越弱，與內容的融合更自然。
  • 使用負向提示詞：排除不想要的元素，如"blurry, deformed, ugly"來提升畫面質量。

5. 官方推薦推理代碼

安裝 DiffSynth-Studio：
git clone https://github.com/modelscope/DiffSynth-Studio.git  
cd DiffSynth-Studio
pip install -e .
Qwen-Image-i2L-Style
from diffsynth.pipelines.qwen_image import (
    QwenImagePipeline, ModelConfig,
    QwenImageUnit_Image2LoRAEncode, QwenImageUnit_Image2LoRADecode
)
from modelscope import snapshot_download
from safetensors.torch import save_file
import torch
from PIL import Image

vram_config_disk_offload = {
    "offload_dtype": "disk",
    "offload_device": "disk",
    "onload_dtype": "disk",
    "onload_device": "disk",
    "preparing_dtype": torch.bfloat16,
    "preparing_device": "cuda",
    "computation_dtype": torch.bfloat16,
    "computation_device": "cuda",
}

# 載入模型
pipe = QwenImagePipeline.from_pretrained(
    torch_dtype=torch.bfloat16,
    device="cuda",
    model_configs=[
        ModelConfig(model_id="DiffSynth-Studio/General-Image-Encoders", origin_file_pattern="SigLIP2-G384/model.safetensors", **vram_config_disk_offload),
        ModelConfig(model_id="DiffSynth-Studio/General-Image-Encoders", origin_file_pattern="DINOv3-7B/model.safetensors", **vram_config_disk_offload),
        ModelConfig(model_id="DiffSynth-Studio/Qwen-Image-i2L", origin_file_pattern="Qwen-Image-i2L-Style.safetensors", **vram_config_disk_offload),
    ],
    processor_config=ModelConfig(model_id="Qwen/Qwen-Image-Edit", origin_file_pattern="processor/"),
    vram_limit=torch.cuda.mem_get_info("cuda")[1] / (1024 ** 3) - 0.5,
)

# 載入圖像
snapshot_download(
    model_id="DiffSynth-Studio/Qwen-Image-i2L",
    allow_file_pattern="assets/style/1/*",
    local_dir="data/examples"
)
images = [
    Image.open("data/examples/assets/style/1/0.webp"),
    Image.open("data/examples/assets/style/1/1.webp"),
    Image.open("data/examples/assets/style/1/2.webp"),
    Image.open("data/examples/assets/style/1/3.webp"),
    Image.open("data/examples/assets/style/1/4.webp"),
]

# 模型推理
with torch.no_grad():
    embs = QwenImageUnit_Image2LoRAEncode().process(pipe, image2lora_images=images)
    lora = QwenImageUnit_Image2LoRADecode().process(pipe, **embs)["lora"]
save_file(lora, "model_style.safetensors")
Qwen-Image-i2L-Coarse、Qwen-Image-i2L-Fine、Qwen-Image-i2L-Bias
from diffsynth.pipelines.qwen_image import (
    QwenImagePipeline, ModelConfig,
    QwenImageUnit_Image2LoRAEncode, QwenImageUnit_Image2LoRADecode
)
from diffsynth.utils.lora import merge_lora
from diffsynth import load_state_dict
from modelscope import snapshot_download
from safetensors.torch import save_file
import torch
from PIL import Image

vram_config_disk_offload = {
    "offload_dtype": "disk",
    "offload_device": "disk",
    "onload_dtype": "disk",
    "onload_device": "disk",
    "preparing_dtype": torch.bfloat16,
    "preparing_device": "cuda",
    "computation_dtype": torch.bfloat16,
    "computation_device": "cuda",
}

載入模型

pipe = QwenImagePipeline.from_pretrained(
torch_dtype=torch.bfloat16,
device="cuda",
model_configs=[
ModelConfig(model_id="Qwen/Qwen-Image", origin_file_pattern="text_encoder/model*.safetensors", **vram_config_disk_offload),
ModelConfig(model_id="DiffSynth-Studio/General-Image-Encoders", origin_file_pattern="SigLIP2-G384/model.safetensors", **vram_config_disk_offload),
ModelConfig(model_id="DiffSynth-Studio/General-Image-Encoders", origin_file_pattern="DINOv3-7B/model.safetensors", **vram_config_disk_offload),
ModelConfig(model_id="DiffSynth-Studio/Qwen-Image-i2L", origin_file_pattern="Qwen-Image-i2L-Coarse.safetensors", **vram_config_disk_offload),
ModelConfig(model_id="DiffSynth-Studio/Qwen-Image-i2L", origin_file_pattern="Qwen-Image-i2L-Fine.safetensors", **vram_config_disk_offload),
],
processor_config=ModelConfig(model_id="Qwen/Qwen-Image-Edit", origin_file_pattern="processor/"),
vram_limit=torch.cuda.mem_get_info("cuda")[1] / (1024 ** 3) - 0.5,
)

載入圖像

snapshot_download(
model_id="DiffSynth-Studio/Qwen-Image-i2L",
allow_file_pattern="assets/lora/3/*",
local_dir="data/examples"
)
images = [
Image.open("data/examples/assets/lora/3/0.webp"),
Image.open("data/examples/assets/lora/3/1.webp"),
Image.open("data/examples/assets/lora/3/2.webp"),
Image.open("data/examples/assets/lora/3/3.webp"),
Image.open("data/examples/assets/lora/3/4.webp"),
Image.open("data/examples/assets/lora/3/5.webp"),
]

模型推論

with torch.no_grad():
embs = QwenImageUnit_Image2LoRAEncode().process(pipe, image2lora_images=images)
lora = QwenImageUnit_Image2LoRADecode().process(pipe, **embs)["lora"]
lora_bias = ModelConfig(model_id="DiffSynth-Studio/Qwen-Image-i2L", origin_file_pattern="Qwen-Image-i2L-Bias.safetensors")
lora_bias.download_if_necessary()
lora_bias = load_state_dict(lora_bias.path, torch_dtype=torch.bfloat16, device="cuda")
lora = merge_lora([lora, lora_bias])
save_file(lora, "model_coarse_fine_bias.safetensors")


#### 使用生成的 LoRA 生成圖像
```py
from diffsynth.pipelines.qwen_image import QwenImagePipeline, ModelConfig
import torch

vram_config = {
    "offload_dtype": "disk",
    "offload_device": "disk",
    "onload_dtype": torch.bfloat16,
    "onload_device": "cpu",
    "preparing_dtype": torch.bfloat16,
    "preparing_device": "cuda",
    "computation_dtype": torch.bfloat16,
    "computation_device": "cuda",
}
pipe = QwenImagePipeline.from_pretrained(
    torch_dtype=torch.bfloat16,
    device="cuda",
    model_configs=[
        ModelConfig(model_id="Qwen/Qwen-Image", origin_file_pattern="transformer/diffusion_pytorch_model*.safetensors", **vram_config),
        ModelConfig(model_id="Qwen/Qwen-Image", origin_file_pattern="text_encoder/model*.safetensors", **vram_config),
        ModelConfig(model_id="Qwen/Qwen-Image", origin_file_pattern="vae/diffusion_pytorch_model.safetensors", **vram_config),
    ],
    tokenizer_config=ModelConfig(model_id="Qwen/Qwen-Image", origin_file_pattern="tokenizer/"),
    vram_limit=torch.cuda.mem_get_info("cuda")[1] / (1024 ** 3) - 0.5,
)
pipe.load_lora(pipe.dit, "model_style.safetensors")
image = pipe("a cat", seed=0, height=1024, width=1024, num_inference_steps=50)
image.save("image.webp")

6. 官方範例

風格

Qwen-Image-i2L-Style 模型可用於快速生成風格 LoRA，只需輸入幾張風格統一的圖像。以下是我們生成的結果，隨機種子都是 0。

i2l-style-1
i2l-style-2
i2l-style-3
i2l-style-4

粗粒度 + 細粒度 + 偏差

Qwen-Image-i2L-Coarse、Qwen-Image-i2L-Fine、Qwen-Image-i2L-Bias 三者組合後可以生成保留圖像內容和細節資訊的 LoRA 權重，這組權重作為 LoRA 訓練的初始化權重能夠加速收斂速度。

i2l-coarse-1
i2l-coarse-2
i2l-coarse-3

三、應用場景：你的創意加速器

  • 個人藝術創作：快速嘗試多種大師畫風，或為自己的作品集建立統一風格。
  • 電商與行銷：為不同產品線快速生成統一風格、不同內容的宣傳圖，大幅降低拍攝和設計成本。
  • 遊戲與影視概念：快速將一張原畫風格遷移到多個場景、角色設計中，高效產出概念圖。
  • 品牌視覺管理：使用"偏見模式"，確保所有AI生成的行銷素材嚴格符合品牌VI規範。

四、注意事項與未來

  • 當前局限：從單張2D圖片推導3D邏輯存在挑戰。例如，訓練一張"貓在沙發上"的圖片，生成的圖可能在其它角度出現物體懸空或變形。對於複雜三維風格，準備多角度圖片仍是更好選擇。
  • 未來發展：i2L標誌著AI圖像生成進入 "即時定制"時代。可以預見，未來會有更多"一鍵生成漫畫分鏡"、"一鍵設計角色"等應用湧現，讓個性化AI創作更加普及。

現在，就找一張最能代表你心中美學的圖片，開始打造你的專屬AI畫師吧！

本文操作指南基於 Qwen-Image-i2L 開源技術文檔及社群實踐。模型具體使用方法可能更新，建議同時查閱 z-image.me、Hugging Face 或 ModelScope 上的專案主頁獲取最新資訊。

熱門工具

探索最受歡迎的創意工具

Z-Image Edit

上傳圖片，一句話即可改變一切。

立即體驗

創意引擎

一句話讓 AI 為你提供無限提示詞創意

立即體驗

圖像解析

上傳圖片，立即讀取提示詞

立即體驗

提示詞庫

發現成千上萬的高質量 AI 提示詞。

立即體驗

Z-Image LoRA

結合多個 LoRA 模型，創作獨特的 AI 藝術品

立即體驗

Z-Video

Generate creative videos from text or images with AI.

立即體驗

AI 繪圖生成器

輸入文字，瞬間轉化為精美的 AI 繪圖作品。

立即體驗

樣式庫

探索精心挑選的藝術風格，為您的創作增色。

立即體驗

智能去背

一鍵移除圖片背景，實現專業級高精度去背。

立即體驗

畫質增強

將圖片無損放大至 4K/8K，恢復清晰細節。

立即體驗

圖片重構

使用 AI 外繪技術將圖片擴展至任意比例背景。

立即體驗