Summary: Alibaba's new Qwen-Image 2512 Turbo model slashes image generation steps from 80-100 to just 2, boosting speed 40x. This open-source model on HuggingFace & ModelScope delivers high-quality 2K images in seconds using novel distillation & adversarial training.
点击下方名片关注AIGC Studio公众号！获取最新AI前沿应用/AIGC实践教程！
在AI生成图像的领域里，速度与质量的平衡一直是研究者们追求的终极目标。传统扩散模型往往需要数十步甚至上百步的前向计算，才能生成一张令人满意的图片，用户不得不长时间盯着进度条发呆。然而，阿里近日宣布了一项革命性突破——他们成功将Qwen最新开源模型的SOTA压缩水平从80-100步骤骤降至2步，实现了速度的飞跃，让AI生图真正进入了"眨眼之间"的时代。
想象一下，以往需要近一分钟才能生成的2K级高清大图，现在仅需5秒钟，你就能拿到4张！这不仅仅是速度上的提升，更是对AI生图效率的一次彻底革新。阿里智能引擎团队通过创新的蒸馏方案，将Qwen-Image模型的生成步数大幅压缩，同时保证了生成图像的高质量。目前，这一突破性成果已经通过Checkpoint的形式发布至HuggingFace和ModelScope平台，供全球开发者下载体验。
效果示例
一位二十岁左右的中国女大学生，留着利落的短发，散发着温柔的艺术气息。头发自然垂落，半遮住脸颊，更添几分俏皮可爱。她肤色白皙，五官精致，略带羞涩却又透着一丝自信，嘴角微微上扬，带着青春的活力。她身穿露肩上衣，露出一侧肩膀，身材比例匀称。照片是近距离自拍：她占据了画面的主体，背景则是她的宿舍——上铺铺着洁白床单的整齐床铺，书桌上摆放着整齐的文具，还有木质的橱柜和抽屉。照片是用智能手机在柔和均匀的自然光线下拍摄的，色调自然，清晰度高，呈现出明亮活泼的氛围，充满了青春的活力。
相关链接
HuggingFace：https://huggingface.co/Wuli-art/Qwen-Image-2512-Turbo-LoRA-2-Steps ModelScope：https://www.modelscope.cn/models/Wuli-Art/Qwen-Image-2512-Turbo-LoRA-2-Steps 试用:https://wuli.art/generate
技术揭秘：从样本空间到概率空间的智慧转变
早期蒸馏方案往往受限于轨迹蒸馏的"细节困境"，即模型在低迭代步数下难以生成高质量、细节丰富的图像。阿里智能引擎团队没有走老路，而是选择了从样本空间到概率空间的智慧转变。他们借鉴了DMD2算法的核心思想，将约束从直接对齐样本转换为在概率空间中进行指导，通过Reverse-KL Loss设计，让模型自己生成图片并接受教师模型的指导，哪里不对改哪里。
这种转变不仅显著提升了生成图片的细节性和合理性，还解决了传统轨迹蒸馏中图像模糊、细节扭曲的问题。同时，团队还通过热启动（PCM蒸馏）缓解了分布退化问题，进一步提升了模型的生成质量。
对抗学习：引入真实数据先验，细节表现再升级
为了进一步提升模型在细节上的表现能力，阿里智能引擎团队还引入了对抗学习（GAN）机制。通过真实数据混合策略、特征提取器引入以及Loss权重调整等改进措施，对抗训练不仅提升了模型的泛化度和训练稳定性，还显著增强了生成图像的画面质感和细节表现。
开放共享，共创AI生图新未来
阿里智能引擎团队的这一突破，不仅仅是对自身技术实力的一次展示，更是对AI生图领域的一次重要贡献。他们始终坚持开放共享的技术文化，此前已贡献了包括Havenask、RTP-LLM在内的多项优秀开源项目。未来，他们期待与开源社区共同成长，将更先进的工程能力转化为触手可及的创作工具。
现在，这一革命性的2步生成模型已经集成到呜哩AI平台上，无论你是专业设计师、内容创作者还是AI爱好者，都能通过呜哩AI平台轻松体验到AI生图的极致效率与魅力。
阿里智能引擎团队的这一突破，无疑为AI生图领域树立了新的标杆。他们用实际行动证明，通过不断创新与优化，AI生图不仅能够更快，还能更好。未来，我们有理由相信，AI生图将在更多领域发挥重要作用，为我们的生活带来更多惊喜与可能。
快速开始
Diffsynth-Engine：https://github.com/modelscope/DiffSynth-Engine Example Code:
import math
from diffsynth_engine import fetch_model, QwenImagePipeline, QwenImagePipelineConfig
# Create pipeline
config = QwenImagePipelineConfig.basic_config(
model_path=fetch_model("Qwen/Qwen-Image-2512", path="transformer/*.safetensors"),
encoder_path=fetch_model("Qwen/Qwen-Image-2512", path="text_encoder/*.safetensors"),
vae_path=fetch_model("Qwen/Qwen-Image-2512", path="vae/*.safetensors"),
offload_mode="cpu_offload",
)
pipe = QwenImagePipeline.from_pretrained(config)
# Load our turbo LoRA
pipe.load_lora(
path=fetch_model("Wuli-art/Qwen-Image-2512-Turbo-LoRA-2-Steps", path="Wuli-Qwen-Image-2512-Turbo-LoRA-2steps-V1.0-bf16.safetensors"),
scale=1.0,
fused=True,
)
# Change scheduler config
scheduler_config = {
"exponential_shift_mu": math.log(2.5),
"use_dynamic_shifting": True,
"shift_terminal": 0.7155
}
pipe.apply_scheduler_config(scheduler_config)
# Sample image
output = pipe(
prompt="a young girl with flowing long hair, wearing a white halter dress and smiling sweetly. The background features a blue seaside where seagulls fly freely.",
cfg_scale=1,
num_inference_steps=2,
seed=42,
width=1328,
height=1328
)
output.save("output.png")感谢你看到这里，添加小助手 AIGC_Tech 加入官方 AIGC读者交流群，下方扫码加入 AIGC Studio 星球，获取前沿AI应用、AIGC实践教程、大厂面试经验、AI学习路线以及IT类入门到精通学习资料等，欢迎一起交流学习💗～
没有评论:
发表评论