Qwen-Image-Layered：阿里通义千问开源的AI图像分层编辑模型

一、Qwen-Image-Layered是什么

Qwen-Image-Layered是阿里巴巴通义千问团队（QwenLM）开源的一款专注于图像分层与精准编辑的AI模型，是当前业内首个实现“原生图层解耦”的开源扩散模型，核心定位是让AI具备类似Photoshop的图层编辑思维，打破传统AI图像编辑的扁平化局限。传统AI图像生成与编辑模型，本质是对像素矩阵的整体处理，所有图像元素耦合在一起，修改一个元素往往会导致其他区域出现语义漂移、几何错位等问题，比如移动画面中的人物会让背景错乱，调整物体颜色会连带影响周边环境。而Qwen-Image-Layered从架构设计上解决了这一痛点，它能自动将输入的单张普通RGB图像，分解为多个带透明通道（RGBA）的独立图层，每个图层对应图像中的一个语义主体，比如人物、背景、道具、文字等，且图层间语义解耦、互不干扰，用户可对单个图层进行任意编辑操作，其他图层保持完全不变，真正实现“精准操控、所见即所得”的图像编辑效果。

该模型基于通义千问成熟的Qwen2.5-VL多模态模型底座优化而来，采用端到端的扩散模型架构，无需依赖额外抠图、分割工具即可完成分层，生成的图层清晰度高、边缘过渡自然，同时支持3-10层动态分层配置，适配不同复杂度的图像场景。目前模型已完全开源，代码托管于GitHub，模型权重同步上架HuggingFace与ModelScope平台，采用Apache 2.0开源协议，允许商用与二次开发，支持GPU、CPU等多设备部署，即使是16GB显存的消费级显卡，通过量化也能流畅运行，大幅降低了专业图像编辑的技术门槛，既适合设计师快速完成工作，也适合开发者基于其进行二次创新。

简单来说，Qwen-Image-Layered就是一款“AI版智能PS”，它不用手动抠图、分层，就能自动识别图像中的语义主体并拆分图层，让图像编辑从“整体修改”升级为“图层级精准修改”，效率和精准度都远超传统工具与常规AI编辑模型。

二、功能特色

Qwen-Image-Layered的核心优势在于“原生分层+精准编辑”，所有功能都围绕“图层解耦”与“内在可编辑性”展开，既满足专业设计的精细需求，又兼顾普通用户的易用性，具体功能特色可分为五大核心模块，兼顾实用性与创新性。

1、全自动语义分层，一键拆分多RGBA图层

这是模型的核心基础功能，无需用户手动标注、框选，仅需输入一张普通RGB图像，模型就能自动识别图像中的语义主体，按照“前景-中景-背景”“主体-附属物”的逻辑，分解为3-10个独立的RGBA图层，每个图层自带透明通道，边缘清晰无锯齿，过渡自然。比如输入一张“人物站在花丛前”的照片，模型会自动拆分为“人物图层”“花朵图层”“地面图层”“天空图层”，每个图层独立保存，不会出现元素粘连的情况，拆分质量媲美专业设计师手动分层，且耗时极短，512*512分辨率图像分层仅需数十秒。同时支持自定义分层数量，简单图像可设3层，复杂图像（如多人物、多道具场景）可设6-10层，灵活适配不同需求。

2、图层独立编辑，零漂移不影响其他内容

这是模型最核心的亮点，也是区别于传统AI编辑工具的关键。拆分后的每个RGBA图层可独立进行任意操作，所有修改仅作用于当前图层，其他图层完全不受影响，从根本上解决传统AI编辑的“语义漂移”问题。支持的图层编辑操作覆盖设计核心需求：一是位置调整，可随意移动图层位置，比如把人物从左侧移到右侧，背景图层不会发生任何变化，也不会出现空缺或重复填充；二是尺寸调整，可放大缩小单个图层元素，比如放大花朵、缩小人物，不会出现失真、模糊的情况；三是色彩调整，可单独给某个图层重着色，比如把红色花朵改成蓝色，人物和背景颜色完全不变；四是内容替换，可替换单个图层内容，比如把天空图层换成晚霞，人物和花丛不受影响；五是元素删除，可直接删除不需要的图层，比如去掉画面中的杂物图层，背景自动适配，无需手动填补。

3、高保真基础操作，兼顾质量与效率

Qwen-Image-Layered在图层编辑的基础上，保障了图像的高保真效果，所有操作后的图像分辨率、色彩还原度、细节丰富度都不会下降，满足商业级使用需求。一方面支持高清图像输入，适配512512到10241024分辨率，最高支持2560*2560分辨率图像分层，分层后图层细节完整保留，不会出现模糊、丢失细节的情况；另一方面支持无损导出，拆分后的图层可保存为PNG格式（支持透明通道），编辑后的图像可导出为JPG、PNG等常用格式，满足不同场景的交付需求。同时操作效率极高，相比手动分层+编辑的传统流程，效率提升80%以上，比如广告海报的多版本修改，传统流程需1-2小时，使用该模型仅需10分钟即可完成。

4、可视化交互+灵活导出，适配多场景使用

为了降低使用门槛，模型提供了完善的可视化交互工具，无需编写代码即可上手。官方自带两个Gradio网页界面，一个用于图像分层与PPTX导出，上传图像后一键分层，可实时预览每个图层效果，支持一键导出所有图层为PPTX文件，导出后在PPT中可继续拖动、编辑图层，适配办公场景需求；另一个用于RGBA图层精准编辑，支持图层叠加、透明度调整、色彩微调等精细化操作，界面简洁易懂，普通用户也能快速上手。同时支持代码调用，开发者可通过Python API灵活调用模型功能，自定义分层参数、编辑逻辑，适配二次开发需求。

5、低算力适配，开源友好易部署

模型在设计时兼顾了算力适配性，降低了使用门槛，避免“高算力才能用”的局限。支持GPU、CPU部署，GPU端支持CUDA加速，采用bfloat16精度推理，在RTX 3090、A10等显卡上流畅运行；同时支持GGUF量化版本，适配16GB显存的消费级显卡，量化后推理速度略有提升，且分层质量几乎无损失。模型基于HuggingFace Diffusers库开发，兼容性极强，可无缝对接diffusers生态的其他工具，支持与LoRA模型结合进行二次微调，进一步提升分层效果。此外模型以Apache 2.0协议开源，代码、权重完全公开，无商用限制，开发者可自由修改、分发，降低了技术落地成本。

三、技术细节

Qwen-Image-Layered能实现“精准分层+零漂移编辑”，核心在于三大创新技术架构，同时依托成熟的多模态底座与高质量训练数据，从底层逻辑上实现了“图像分层”的突破，技术细节通俗易懂，核心分为架构设计、训练逻辑、关键参数三大模块，同时用表格清晰呈现核心技术组件的作用。

（一）核心技术架构：三大创新组件支撑分层能力

Qwen-Image-Layered的技术核心是“端到端扩散模型+分层专用模块”，基于通义千问Qwen2.5-VL多模态模型底座优化，相比传统扩散模型，新增了三大专属组件，这是实现图层解耦的关键。

1. RGBA-VAE：统一RGB与RGBA图像的潜空间表示 传统VAE（变分自编码器）仅支持RGB三通道图像，无法处理带透明通道的RGBA图像，而Qwen-Image-Layered自研RGBA-VAE，核心作用是打通“普通图像”与“分层图像”的潜空间转换。它在传统VAE的基础上新增Alpha通道编码，既能将输入的RGB图像压缩为潜空间表示，也能将分解后的多个RGBA图层统一编码到同一潜空间，同时保障透明通道的信息不丢失、不畸变。其工作逻辑分为两步：一是编码阶段，将RGB图像或RGBA图层拆分为8*8像素的Patch块，压缩为低维潜空间向量，减少计算量；二是解码阶段，将潜空间向量还原为高分辨率的RGBA图像，保障图层边缘清晰、透明通道精准。RGBA-VAE的编码器有11层，参数量54M，解码器有15层，参数量73M，压缩比8:1，既保证效率又保障质量。

2. VLD-MMDiT：支持可变层数的多模态扩散变换器 这是模型的核心骨干网络，全称是Variable Layers Decomposition Multimodal Diffusion Transformer（可变层数分解多模态扩散变换器），是在传统MMDiT（多模态扩散变换器）基础上优化而来，核心创新是“支持可变层数分层”和“3D位置编码”。一方面，它能适配3-10层的动态分层需求，根据图像复杂度自动调整分层逻辑，简单图像少分层、复杂图像多分层，无需手动配置；另一方面，引入3D位置编码技术，不仅能识别图像中元素的2D平面位置，还能推理元素间的遮挡关系（即“前后层级”），比如识别“人物站在花丛前”，会自动将人物图层设为前景，花丛设为中景，背景设为远景，保障分层逻辑符合人类认知。同时，VLD-MMDiT能实现“语义解耦”，让每个图层对应的潜空间向量互不干扰，确保编辑单个图层时，其他图层的潜空间表示不会变化，从底层避免语义漂移。

3. 多阶段训练策略：让预训练模型快速适配分层任务 Qwen-Image-Layered没有从零训练，而是采用“预训练+微调”的多阶段训练策略，大幅提升训练效率和模型效果。第一阶段是底座预训练，基于海量RGB图像训练Qwen2.5-VL底座，让模型具备扎实的图像理解能力；第二阶段是分层预训练，使用海量真实PSD文件作为训练数据，这些PSD文件自带专业设计师标注的分层信息，让模型学习“如何拆分图层”“如何区分语义主体”，形成分层思维；第三阶段是微调优化，针对分层后的编辑需求微调，优化图层边缘、透明通道、语义一致性，解决分层后图层粘连、边缘模糊等问题，让编辑效果更精准。

（二）训练数据：海量PSD文件是核心支撑

模型的分层效果之所以贴近专业设计师，核心在于训练数据的特殊性——采用海量真实Photoshop PSD文件作为核心训练数据。传统图像编辑模型的训练数据多为RGB图像+文本描述，而Qwen-Image-Layered的训练数据是“RGB原图+对应的多RGBA图层+分层描述”，每个PSD文件都包含明确的图层划分、透明通道、元素层级，让模型从训练阶段就理解“什么是图层”“如何合理分层”。同时补充海量图像分割、抠图数据集，增强模型对语义主体的识别能力，确保能精准拆分人物、道具、背景等核心元素。

（三）关键参数：影响分层与编辑效果的核心配置

Qwen-Image-Layered的推理效果可通过多个参数调整，合理配置参数能适配不同场景需求，核心关键参数及作用如下表所示，通俗易懂，方便用户快速上手。

表1：Qwen-Image-Layered核心推理参数说明

（四）核心工作流程

Qwen-Image-Layered的整体工作流程清晰易懂，端到端无需额外步骤，核心分为4步：

1. 输入RGB图像，通过RGBA-VAE编码为潜空间向量；

2. VLD-MMDiT基于潜空间向量和位置编码，推理语义主体与层级关系，分解为指定数量的潜空间图层；

3. 每个潜空间图层通过RGBA-VAE解码，生成独立的RGBA图层；

4. 输出所有图层，支持用户编辑或导出，编辑后的图层可重新输入模型，生成最终图像。

四、应用场景

Qwen-Image-Layered的“分层编辑”能力适配所有需要精准图像修改的场景，既能提升专业从业者的工作效率，也能降低普通用户的操作门槛，核心应用场景覆盖五大领域，每个场景都能体现其核心价值，解决实际工作中的痛点。

1、广告设计：高效制作多版本广告素材

广告设计的核心需求是“快速迭代多版本”，比如商品海报需要更换背景、调整商品位置、修改文字颜色，传统流程需手动抠图、分层、修改，耗时久且易出错。使用Qwen-Image-Layered可一键拆分商品、背景、文字、装饰等图层，无需手动抠图，修改时仅调整目标图层即可，比如把白色背景换成节日背景，把商品颜色换成主推色，10分钟就能完成一个版本，大幅提升出图效率。同时支持导出PPTX文件，设计师可在PPT中快速调整图层布局，适配不同投放渠道的尺寸需求，比如朋友圈广告、海报、宣传单页等。

2、影视后期：降低特效制作与画面调整成本

影视后期中，画面元素的单独调整、特效添加是高频需求，比如给角色添加特效、调整道具颜色、替换背景场景，传统流程需借助专业抠图工具拆分元素，耗时且易出现边缘锯齿。Qwen-Image-Layered可一键拆分影视画面中的角色、道具、背景、特效等图层，角色图层可单独添加光影、特效，道具图层可单独调整颜色、尺寸，背景图层可直接替换为虚拟场景，且不会影响其他元素的位置和形态。对于老片修复，还能拆分受损图层单独修复，比如修复画面中的划痕、污渍，不影响其他完好区域，提升修复效率。

3、创意设计：激发设计师创作灵感

创意设计追求“灵活调整、快速试错”，比如插画创作、UI设计、海报创意等，设计师常需要尝试不同的元素组合、色彩搭配。Qwen-Image-Layered可将创意作品拆分为多个核心图层，比如插画中的人物、动物、场景、装饰，设计师可随意调整图层组合，比如把人物和不同背景搭配，给动物更换不同颜色，无需重新绘制，快速试错找到最优方案。同时，透明通道的支持让图层叠加更灵活，比如添加光影图层、纹理图层，提升作品层次感，激发更多创作灵感。

4、图像修复与优化：精准修复不损伤原图

日常图像修复中，比如老照片修复、证件照优化、瑕疵去除，传统AI修复常出现“过度修复”，比如去除瑕疵时连带模糊周边皮肤，优化证件照背景时影响人物边缘。Qwen-Image-Layered可拆分需要修复的图层与完好图层，比如老照片中的人物图层、背景图层，单独修复人物图层的划痕、褪色，单独优化背景图层的清晰度，完好图层保持不变，既精准又不损伤原图；证件照优化时，可单独拆分人物图层和背景图层，直接替换背景颜色，调整人物肤色，边缘清晰无锯齿，效果媲美专业证件照工具。

5、教育演示与办公场景：直观呈现图像构成

在教育领域，可用于美术、设计类教学，比如讲解图像构成、图层原理时，将复杂图像拆分为简单图层，让学生直观理解“前景、中景、背景”“主体与附属物”的关系，提升教学效果；在办公场景，可用于PPT制作、报告配图，比如把数据图表、配图拆分为多个图层，在PPT中灵活调整位置、大小，让演示更直观；还可用于电商商品图优化，拆分商品图层与背景图层，快速更换不同场景的背景，适配电商平台的展示需求。

五、使用方法

Qwen-Image-Layered的使用方法分为两种，一种是“无代码可视化使用”，适合普通用户和设计师，操作简单；另一种是“代码调用使用”，适合开发者和二次创新，灵活度高，两种方法都能快速上手，且都需要先完成基础环境配置。

（一）基础环境配置（必做步骤）

无论哪种使用方法，都需要先配置基础环境，保障模型能正常运行，环境配置要求简单，适配Windows、Linux、MacOS系统。

1. 核心依赖版本要求

• Python版本：3.8及以上

• 关键库版本：transformers>=4.51.3（必须满足，否则不支持Qwen2.5-VL底座）

• 其他依赖：diffusers（需安装最新开发版）、torch>=2.0.0、Pillow、python-pptx、gradio

2. 环境安装命令 打开终端/命令提示符，依次执行以下命令，即可完成环境配置：

# 安装transformers
pip install transformers>=4.51.3
# 安装最新版diffusers（必须从源码安装，稳定版不支持该模型）
pip install git+https://github.com/huggingface/diffusers
# 安装其他依赖
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install Pillow python-pptx gradio safetensors

3. 算力要求（可选）

• 推荐配置：NVIDIA显卡（支持CUDA），显存8GB及以上，推理速度快，质量优

• 低配适配：16GB显存消费级显卡（如RTX 3060），可启用量化模式；无显卡可使用CPU，速度较慢，适合小尺寸图像

（二）方法一：无代码可视化使用（推荐普通用户/设计师）

官方提供两个Gradio网页界面，无需编写代码，上传图像即可操作，是最便捷的使用方式，分为“图像分层+PPTX导出”和“RGBA图层精准编辑”两个界面。

1. 界面1：图像分层+PPTX导出（核心功能）

• 启动命令：下载项目源码后，进入项目根目录，执行以下命令

python src/app.py

• 操作步骤：

1. 启动成功后，浏览器会自动打开界面（默认地址：http://localhost:7860）

2. 点击“上传图像”，选择需要分层的RGB图像（支持JPG、PNG格式，推荐分辨率512-1024）

3. 配置参数：调整分层数量（layers）、推理分辨率（resolution），其他参数默认即可

4. 点击“开始分层”，等待10-30秒（根据图像大小和算力而定）

5. 预览效果：分层完成后，可实时查看每个RGBA图层的效果，支持单独下载单个图层

6. 导出PPTX：点击“导出为PPTX”，模型会将所有图层导入PPT，下载后可在PPT中灵活编辑图层

2. 界面2：RGBA图层精准编辑（精细化操作）

• 启动命令：项目根目录执行以下命令

python src/tool/edit_rgba_image.py

• 操作步骤：

1. 启动后打开浏览器界面（http://localhost:7861）

2. 上传单个或多个RGBA图层（可上传分层后的图层，也可上传自定义RGBA图像）

3. 精细化操作：支持图层叠加、透明度调整、色彩微调、位置移动、尺寸缩放

4. 预览与导出：实时查看编辑效果，满意后导出最终图像（支持JPG、PNG格式）

（三）方法二：代码调用使用（推荐开发者/二次开发）

适合需要集成到自己项目中的开发者，支持自定义参数、自定义编辑逻辑，核心分为“基础图像分层”和“图层编辑后生成”两步，代码简洁易懂，可直接复制使用。

1. 基础图像分层（核心代码） 功能：输入RGB图像，输出多个独立RGBA图层，可保存到本地

# 导入核心库
from diffusers import QwenImageLayeredPipeline
import torch
from PIL import Image
import os

# 1. 加载模型，指定设备（cuda为GPU，cpu为CPU）
pipeline = QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered")
pipeline = pipeline.to("cuda", torch.bfloat16) # 启用bfloat16精度，提升速度
pipeline.set_progress_bar_config(disable=None) # 显示进度条

# 2. 加载输入图像（支持JPG、PNG，需转为RGBA格式）
input_image_path = "test.jpg" # 替换为你的图像路径
image = Image.open(input_image_path).convert("RGBA")

# 3. 配置核心参数（参考表1推荐取值）
inputs = {
  "image": image,
  "generator": torch.Generator(device='cuda').manual_seed(777), # 固定种子，结果可复现
  "true_cfg_scale": 4.0,
  "negative_prompt": " ", # 负面提示词，无需修改
  "num_inference_steps": 50,
  "num_images_per_prompt": 1,
  "layers": 4, # 拆分4个图层
  "resolution": 640, # 推理分辨率640
  "cfg_normalize": True,
  "use_en_prompt": True,
}

# 4. 执行分层推理
with torch.inference_mode(): # 关闭梯度计算，提升速度
  output = pipeline(**inputs)
  layered_images = output.images[0] # 获取分层后的所有图层

# 5. 保存图层到本地
save_dir = "layered_output"
os.makedirs(save_dir, exist_ok=True)
for i, layer in enumerate(layered_images):
  layer.save(os.path.join(save_dir, f"layer_{i+1}.png")) # 每个图层保存为PNG（支持透明）
print(f"分层完成，共{len(layered_images)}个图层，保存至{save_dir}目录")

2. 图层编辑后生成（进阶功能） 功能：对分层后的图层进行编辑（如重着色、移动），再合成为最终图像

# 承接上面的代码，加载已保存的图层
layer1 = Image.open("layered_output/layer_1.png") # 前景图层（如人物）
layer2 = Image.open("layered_output/layer_2.png") # 中景图层（如花朵）
layer3 = Image.open("layered_output/layer_3.png") # 背景图层（如草地）
layer4 = Image.open("layered_output/layer_4.png") # 装饰图层（如文字）

# 示例编辑：给layer2（花朵）重着色为红色
from PIL import ImageEnhance, ImageFilter
layer2_edited = layer2.convert("RGB")
enhancer = ImageEnhance.Color(layer2_edited)
layer2_edited = enhancer.enhance(2.0) # 增强色彩
# 叠加红色滤镜
layer2_edited = layer2_edited.filter(ImageFilter.Color3DLUT(
  size=8, data=[(255, 0, 0)] * 512
))
layer2_edited = layer2_edited.convert("RGBA")

# 合成最终图像（按图层顺序叠加）
final_image = Image.alpha_composite(Image.alpha_composite(Image.alpha_composite(layer3, layer2_edited), layer1), layer4)
final_image.save("final_edited_image.png")
print("编辑完成，最终图像保存为final_edited_image.png")

六、常见问题解答（FAQ）

问题1：启动模型时提示“transformers版本过低”，如何解决？

问题原因：transformers版本低于4.51.3，不支持Qwen2.5-VL底座，这是核心依赖要求，必须满足

解决方案：执行命令升级transformers，命令如下：

pip install --upgrade transformers>=4.51.3

补充说明：升级后若仍报错，可卸载后重新安装，命令：pip uninstall transformers && pip install transformers>=4.51.3

问题2：推理时提示“CUDA out of memory”（显存不足），如何解决？

问题原因：图像分辨率过高、分层数量过多，导致显存占用超出设备上限

解决方案（3种，任选其一即可）：

1. 降低推理分辨率：将resolution参数改为512（推荐），减少显存占用

2. 减少分层数量：将layers参数改为3-4层，适合简单图像

3. 启用量化模式：加载模型时添加量化配置，代码如下：

from diffusers import BitsAndBytesConfig
bnb_config = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_use_double_quant=True)
pipeline = QwenImageLayeredPipeline.from_pretrained("Qwen/Qwen-Image-Layered", quantization_config=bnb_config)

问题3：分层后图层出现粘连、语义混乱，如何优化？

问题原因：参数配置不合理，或图像复杂度超出默认参数适配范围

解决方案（按优先级排序）：

• 提升true_cfg_scale参数：从4.0调整为4.5-5.0，增强语义解耦能力

• 增加推理步数：从50调整为60-80，提升分层精度

• 启用CFG归一化：确保cfg_normalize参数设为True，稳定分层效果

• 提高分辨率：将resolution改为640-768，让模型识别更多细节

问题4：自定义训练的LoRA模型接入后不生效，输出结果与原模型一致，如何解决？

问题原因：LoRA权重字典的键名前缀与Qwen-Image-Layered模型结构不匹配，无法正确注入

解决方案：执行键名前缀转换脚本，修改LoRA权重键名，步骤如下：

创建转换脚本convert_lora.py，代码如下：

import os
import torch
import safetensors.torch

def convert_lora_keys(lora_file, output_file):
  try:
    if lora_file.endswith(".safetensors"):
      lora_data = safetensors.torch.load_file(lora_file, device="cpu")
    else:
      lora_data = torch.load(lora_file, map_location="cpu")
  except Exception as e:
    print(f"读取失败: {e}")
    return
  converted_data = {}
  for k, v in lora_data.items():
    k = k.replace("diffusion_model.", "") # 去掉多余前缀
    k = k.replace(".weight", ".default.weight") # 适配模型结构
    converted_data[k] = v
  if output_file.endswith(".safetensors"):
    safetensors.torch.save_file(converted_data, output_file)
  else:
    torch.save(converted_data, output_file)
  print(f"转换完成，保存至{output_file}")

if __name__ == "__main__":
  convert_lora_keys("your_lora.safetensors", "your_lora_converted.safetensors")

执行脚本：python convert_lora.py，使用转换后的LoRA文件即可生效

问题5：导出的PPTX文件中图层无法编辑，如何解决？

问题原因：导出时图层格式异常，或PPT软件版本过低不支持透明通道

解决方案：

• 确认图像格式：分层后的图层需为PNG格式（支持透明），JPG格式无透明通道，无法编辑

• 升级PPT软件：推荐使用Office 2019及以上版本，或WPS 2021及以上版本

• 手动导入：若导出PPTX异常，可手动将保存的PNG图层导入PPT，设置“浮于文字上方”即可编辑

问题6：CPU推理速度极慢，512分辨率图像分层需10分钟以上，如何优化？

问题原因：CPU算力不足，不适合大模型推理，该模型优先适配GPU

解决方案：

• 优先使用GPU：安装CUDA驱动，启用GPU推理，速度提升10-20倍

• 降低分辨率：将resolution改为512以下（如480），减少计算量

• 减少推理步数：将num_inference_steps改为30，牺牲少量质量提升速度

问题7：输入图像为JPG格式，分层后透明通道无效，如何解决？

问题原因：JPG格式不支持透明通道，输入时需转为RGBA格式

解决方案：加载图像时强制转为RGBA格式，代码如下（可视化使用无需操作，模型自动处理）：

image = Image.open("test.jpg").convert("RGBA") # 关键步骤：convert("RGBA")

七、相关链接

1. 核心代码仓库（GitHub）：https://github.com/QwenLM/Qwen-Image-Layered

2. 模型权重仓库（HuggingFace）：https://huggingface.co/Qwen/Qwen-Image-Layered

3. 模型权重仓库（ModelScope）：https://modelscope.cn/models/Qwen/Qwen-Image-Layered

4. 官方研究论文（arXiv）：https://arxiv.org/abs/2512.15603

5. 官方技术博客：https://qwen.ai/blog?id=qwen-image-layered

6. 在线演示平台（HuggingFace Spaces）：https://huggingface.co/spaces/Qwen/Qwen-Image-Layered

八、总结

Qwen-Image-Layered是阿里巴巴通义千问团队开源的一款极具创新性的AI图像分层编辑模型，核心价值在于打破了传统AI图像编辑的扁平化局限，通过自研RGBA-VAE与VLD-MMDiT架构，实现了单张RGB图像到多语义独立RGBA图层的端到端分解，让AI具备了类似Photoshop的图层编辑思维，从根本上解决了“语义漂移”“几何错位”等传统编辑痛点，实现图层级精准操控而不影响其他内容。该模型训练数据源自海量真实PSD文件，分层逻辑贴合人类认知，支持3-10层动态分层，具备图层独立重定位、重着色、替换、删除等核心功能，同时提供无代码Gradio可视化界面和灵活的代码调用方式，适配普通用户和开发者的不同需求，且支持多算力设备部署，量化版本可在消费级显卡上流畅运行，大幅降低使用门槛。此外，模型以Apache 2.0协议开源，无商用限制，配套齐全的官方资源，涵盖代码、模型、文档、在线演示等，方便用户快速上手和二次开发，广泛适用于广告设计、影视后期、创意设计、图像修复、教育演示等多个场景，既提升了专业从业者的工作效率，也为普通用户提供了高效的图像编辑工具，是AI图像编辑领域从“生成”向“精准编辑”跨越的重要里程碑，为数字内容创作行业带来了全新的技术支撑和应用可能。