重點一：Qwen 推出 Qwen‑Image‑Layered，影像自動分層可獨立編修。
重點二：Qwen‑Image‑Layered 支援可變與遞迴分層，物件可移動、重色、縮放、刪除。
重點三：Qwen‑Image‑Layered 採 Apache‑2.0 開源，Hugging Face 月下載逾 1.3 萬。
中國阿里巴巴集團旗下Qwen（通義千問）推出全新影像模型 Qwen‑Image‑Layered（分層影像模型），主打把單張圖片拆成多個具透明度的 RGBA 分層，讓編修只作用在指定分層、其他內容不受牽連。
模型示範包含重著色、替換人物、修改文字、刪除物件、無失真縮放與自由移動物件，並支援可變層數與「一層再分解」的遞迴流程，強化影像編修的一致性與高保真度。
官方現於 Hugging Face（模型平台）開源該模型，並採 Apache‑2.0（授權條款）。
分層編修可以怎麼用？
Qwen‑Image‑Layered 核心概念頗為直覺，其會把圖片拆成多個語義或結構分層，最終以透明度疊合還原原圖。好處是每層都能獨立處理，不會「牽一髮動全身」。官方展示的案例包括：
1.只改變指定物件的顏色，背景完全不動
2.把人物從女生換成男生
3.直接改文字層內容
4.乾淨刪掉不需要的物件
5.在不變形的前提下縮放物件
6.把物件在畫布上自由拖移
更重要的是層數不固定，像 3 層或 8 層都可以；若編修需要更細，也能把某一層再往下分解，形成「分層中的分層」的迭代工作流。對設計、影像合成、行銷素材產出與後製場景，都能提升一致性與可控性，減少常見的語義漂移與幾何失真。
在開源與落地方面，Qwen‑Image‑Layered 以 Apache‑2.0（授權條款）釋出，方便研究與商用導入。Hugging Face 頁面顯示，過去一個月下載量為 13,246，代表已有一定的社群關注度。
官方亦提供 Python 程式碼，透過 QwenImageLayeredPipeline 載入模型，指定層數（例如 4 層）、解析度（例如 640），即可輸出分層結果，再逐層存成 PNG。
平台目前標示「尚無推理供應商部署」， 若要雲端即用，可能需自行在本地或自有算力環境實作；官方同時提供 Demo（線上展示），協助使用者快速感受分層編修的效果。
換言之，一般用戶最簡單的方式是不寫程式，直接用官方提供的頁面操作：上傳你的圖片，選擇層數與推理步數，提交後即可下載多個 RGBA 圖層檔，每層可獨立編修。若你有 GPU、熟悉 Python，再依「Quick Start」安裝 diffusers 與載入 QwenImageLayeredPipeline 本地執行；否則用網頁 Demo 就足夠且最快。
官方Demo網址請點我（有Hugging Face帳號可免費試用）
實測：可以拆出特定素材，可與其他AI混用
經過《數位時代》測試Demo版，雖然介面並未支援分層編輯，但確實可以把一張圖的素材拆分出來。本次測試一張隨機生成的圖片，就成功把一張圖分拆為4層，包括背景及3個素材（書堆+貓咪、魔法書、魔法桌）。
因此，凡是需要在「不影響整張圖」的前提下，精準、可控地變更局部元素的人與團隊，這項分層編修能力都能帶來顯著效率與一致性提升。
資料來源：Qwen
本文初稿為AI編撰，整理．編輯/ 李先泰
