實測|AI可將圖片分層了!通義千問推Qwen-Image-Layered,如何將圖片「剝洋蔥」分離素材?
實測|AI可將圖片分層了!通義千問推Qwen-Image-Layered,如何將圖片「剝洋蔥」分離素材?

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
只改背景
圖/ Qwen
  1. 把人物從女生換成男生
只改人物
圖/ Qwen
  1. 直接改文字層內容
只改字
圖/ Qwen
  1. 乾淨刪掉不需要的物件
刪去多餘物件
圖/ Qwen
  1. 在不變形的前提下縮放物件
縮放物件
圖/ Qwen
  1. 把物件在畫布上自由拖移
自由拖移物件
圖/ Qwen

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)。

Demo介面:可將圖層分拆並下載
一般用戶若使用Demo版,AI會自動將圖片分拆圖層。
圖/ Qwen
Demo介面:素材範例
素材會被AI分離出來,並可以下載取用。
圖/ Qwen

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。

延伸閱讀:實測|阿里巴巴推AI圖像生成模型Qwen-Image:效果如何?繁體中文能用嗎?

資料來源:Qwen

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #ai人工智慧
往下滑看下一篇文章
從新零售到新商務,騰雲科技以兩大策略打造新世代成長引擎
從新零售到新商務,騰雲科技以兩大策略打造新世代成長引擎

騰雲科技持續展現強勁成長,不僅連續五年維持雙位數的營收增幅,更於 2025 年前三季累計營收來到 5.47 億元、淨利 1.03 億元,年成長率高達 67%,顯示騰雲科技已從智慧零售解決方案供應商擴展成為智慧社區、智慧城市解決方案供應商,並持續發揮高毛利、高成長、以智慧場域資料為核心驅動的代理式 AI 解決方案全方位供應商。

騰雲科技是怎麼辦到的?

騰雲科技董事長暨總經理梁基文不藏私分享兩大關鍵:「首先是以 AI 賦能的產品與服務,協助客戶提升效率、優化營收;其次是透過騰雲孵化器與其生態系中新創夥伴協作,打造零售、不動產、製造與數位保險等產業所需的新商務服務。」

以 AI 賦能全產品線,強化客戶黏著度、深化長期關係

梁基文表示:「AI 不是單一產品或立即變現的技術,要能有效消除資訊不對等,需協助企業先將散落的資料整合成數據資產,才能找出能驅動決策的洞察。」因此,要讓 AI 真正落地,需要同時理解產業現況與營運痛點的夥伴,才能把技術與數據轉化為具體價值,成為企業成長的新引擎。

有鑑於此,騰雲科技的策略是推出 AI Agent 平台 –TrendVotex,由深耕百貨零售、商業不動產等產業的專業團隊協助打造符合場景需求的 AI 代理服務。

例如,為百貨零售打造的「AI 品牌行銷專家」透過市場輿論進行趨勢及同業動態分析、以口碑行銷進行品牌塑造、針對會員數據進行自動化文案生成及傳播、針對行銷成果進行效益分析等自動化決策,「AI 招商助理」則能整合商圈熱度、樓層營運狀態等資訊,提出精準的櫃位調整與招商策略。至於針對複合式商業不動產管理場景推出「AI 能源智慧管理」服務,導入 AIoT 終端裝置佈署並運用其感測數據與歷史異常紀錄,預測設備故障風險,協助排程維修,降低停機時間,大幅提升營運績效。

梁基文補充說明:「除了協助企業打造專屬 AI 代理與串接代理式工作流程(Agentic Workflow),我們也推出 Marketing、Content、Sales、Manufacturing 等跨產業可重複使用的 AI 代理模組,加速零售、不動產、製造、旅遊與數位保險服務等產業的導入腳步。」

值得注意的是,為真正發揮、極大化 AI 價值,騰雲科技不僅提供技術,也協助企業梳理流程、整合分散數據,打造可支撐多場景的數據驅動營運中台。

梁基文表示,不只零售業正加速虛實通路整合,製造與金融服務業也十分重視「全通路數據」,例如製造業需要即時掌握生產過程關鍵數據指標與庫存狀況以確保良率及產能、數位保險業則積極深化對顧客旅程的掌握以完善服務能量等,騰雲科技推出「隨開即用」、雲地整合的 AI 平台,讓企業能在多場景中無縫串接數據並兼顧資訊安全,充分展現「From Insight to Intelligence」價值。

例如,協助數位保險整合顧客的「線上資料(如客戶資料、風險判斷」與「線下數據(如客戶活動數據、場域營運數據)」,透過 AI 進行產品推薦、簡化內部核保作業流程,並提供更加順暢的一致體驗,讓保險也能像零售一樣真正做到懂顧客。

「接下來,我們會把在百貨零售與商業不動產驗證過的技術,進一步擴大到製造、數位保險等產業,讓價值放到最大。」梁基文如是說道。

騰雲科技
騰雲科技董事長暨總經理梁基文
圖/ 數位時代

五大技術、四大產業,騰雲科技以孵化器成就下一個十年

梁基文表示:「過去 10 年,我們專注在『新零售・新生活』;接下來將延伸至『新商務・新生活』,透過收購、合資、投資等方式與外部夥伴共創新的成長動能。」

具體做法是以 ABCDE(AI、Blockchain、Cloud、Data、Experience)五大技術為核心,鎖定零售、不動產、製造與金融服務四大產業,透過外部合作與孵化機制強化解決方案的廣度與深度:整合現場設備、門市裝置、POS、排隊系統、取貨流程、感測器與後勤運作,推出 AIoT 智慧場域管理方案,滿足跨場域、跨產業與跨國企業的需求。

例如,協助泰國五星級酒店導入 AIoT 智慧場域管理方案以優化能源設備管理、降低營運成本並提升使用者體驗等。明(2026)年,騰雲科技計畫將 AIoT 智慧場域管理方案推向製造業廠房,協助客戶管理冷氣、燈光等能源設備並進行碳管理,同時,透過監控產線設備的振動與溫度等數據,提供 AI 預判的設備維修時機(Preventive Maintenance),擴大數位與綠色雙軸轉型的綜效。

除以集團力量推廣 AIoT 智慧場域管理方案,騰雲科技亦積極擴大相應的生態體系發展:首先是與跨業夥伴一同延伸 AIoT 智慧場域管理方案 的應用範疇,如與保險業者合資成立數位保險公司以提供 AI-Ready 數位應用方案;其次是建立消費者生態體系以發揮「新商務‧新生活」的相互影響綜效。例如,騰雲科技子公司騰加數位將擴大 AIoT 平台運營版圖,深入零售、商辦與飯店等多元場景,並以此為載體整合數位支付、會員數據與數位內容傳播等應用,藉此強化場域的智慧化能力,以及拓展騰雲解決方案的落地深度與廣度。

「透過 AIoT 智慧場域管理方案、營運中台與 TrendVotex 等產品與服務,我們不僅能更精準回應台灣、日本與東南亞市場在流程自動化、營運效率提升上的需求,也能同步改善大眾的日常體驗,真正落實『新商務・新生活』的共好價值。」關於未來的發展,梁基文如是總結。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
進擊的機器人
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓