V rychlé zprávě jsme psali, že Qwen Image 2.1 spojuje tvorbu a úpravy obrázků v jednom modelu. Na první pohled to zní jako další položka v dlouhém seznamu generátorů. Důležitější je ale něco jiného: hranice mezi „vygeneruj mi obrázek“ a „uprav mi tento konkrétní vizuál“ se začíná rozpadat.
Qwen Image 2.1 není jen nástroj, který z textu vyrobí nový obrázek. Podle oficiálního repozitáře Qwen má jeho vizuální generovací část sedm miliard parametrů, umí pracovat s běžnými i průhlednými RGBA obrázky, přijmout až deset referenčních obrázků a provádět lokální úpravy pomocí kruhů, malovaných poznámek nebo masek. To je kombinace, která je pro grafickou práci zajímavější než další působivé demo.
Generátor, editor a kompozitor v jednom
Klasický generátor obrázků začíná prázdným plátnem. Napíšete prompt, vyberete výsledek a potom řešíte, co s ním dál. Chybí logo, postava má jiný účes, produkt má špatnou barvu nebo je potřeba vyměnit pozadí. V takovém momentu se práce přesouvá do editoru, kde už nejde jen o nápad, ale o masky, vrstvy, výběry a přesné retuše.
Qwen se snaží tyto kroky spojit. Může vytvořit nový obraz, ale také dostat existující fotografii nebo několik referencí a podle instrukce je přetvořit. Neznamená to, že z něj automaticky vzniká plnohodnotná náhrada Photoshopu, Affinity Photo nebo jiného editoru. Znamená to ale, že řada mezikroků může proběhnout přímo v modelu místo ručního přenášení objektů mezi několika nástroji.
Průhlednost není drobný bonus
Nativní průhlednost je praktická vlastnost, která se v ukázkách často ztratí pod efektními scénami. Pro grafika je ale rozdíl mezi obrázkem s jednolitým pozadím a skutečným RGBA výstupem zásadní. Samostatný objekt lze vložit na web, do prezentace, na obal, do příspěvku na sociální síti nebo do další kompozice bez toho, aby se nejdřív ručně odstraňovalo pozadí.
Qwen Image 2.1 podle dokumentace umí průhledný obrázek přímo generovat, upravovat transparentní vrstvy a z fotografie vyříznout objekt do vrstvy s alfa kanálem. To je užitečné třeba při rychlé tvorbě samolepek, ikon, produktových výřezů, jednoduchých ilustrací nebo podkladů pro bannery. Nejde jen o úsporu několika kliknutí. Odpadá i část práce s hranami, vlasy, srstí a dalšími místy, kde ruční výběr bývá nejotravnější.
Současně je potřeba zůstat opatrný. Průhledné pozadí neznamená automaticky čistou masku. U složitých hran může model část objektu ubrat, přidat zbytky původního pozadí nebo změnit drobné detaily. Výsledek proto stále potřebuje kontrolu na světlém i tmavém podkladu.
Deset referencí mění práci s vizuálním zadáním
Největší praktický posun může představovat práce s více referenčními obrázky. Model podle zveřejněné dokumentace přijme až deset referencí. Uživatel tak nemusí všechno popsat slovy. Může dodat fotografii člověka, kus oblečení, boty, tašku, místo nebo barevnou inspiraci a říct, jak je chce spojit.
Pro ilustrátora to může znamenat rychlejší sestavení návrhu postavy z několika podkladů. Pro e-shop zase vytvoření scény, ve které se objeví konkrétní produkt a přesně zadané prostředí. Fotograf nebo social media grafik může dodat původní snímek, referenci světla a požadovaný styl. Model potom neslouží pouze jako automat na náhodné nápady, ale jako nástroj pro práci s art direction.
To samozřejmě není totéž jako přesné vložení objektu do vrstvy. Generativní model si pořád může některé části domyslet, změnit proporce nebo posunout identitu člověka. U vizuálů, kde musí zůstat výrobek, obličej nebo značka přesně stejná, bude proto nutná kontrola a někdy i klasická ruční úprava. Výhoda spočívá hlavně v rychlosti prvních variant a v tom, že člověk nemusí každou možnost vyrábět od nuly.
Lokální úpravy místo nového obrázku od začátku
Další důležitá vlastnost jsou lokální editace. Kruh, malovaná poznámka nebo samostatná maska umožní modelu říct, kde má zasáhnout. V ideálním případě tak není nutné znovu generovat celou scénu jen proto, že je potřeba změnit rukáv, barvu vlasů, hodinky nebo část pozadí.
Právě tady se může měnit každodenní workflow. Grafik nejprve vytvoří několik větších variant, vybere nejslibnější základ a potom ho postupně opravuje. Místo desítek promptů typu „stejný obrázek, ale tentokrát bez…“ může označit konkrétní oblast a popsat změnu. U opakovaných úprav to znamená méně náhodného přepisování částí obrazu, které už byly v pořádku.
Ani tady ale nejde o záruku nedestruktivní editace ve smyslu klasických vrstev. Model může při lokální změně pohnout i okolními pixely. Pokud je důležité zachovat přesné rozměry, typografii nebo produktový detail, je bezpečnější výsledek uložit jako jednu z variant a finální kompozici dokončit v běžném grafickém programu.
Co z toho mají lidé, kteří chtějí dělat grafiku
Pro většinu lidí nebude největší přínos v tom, že Qwen vyrobí „hezčí obrázek“ než jiný model. Přínos může být v kratší cestě od nápadu k použitelnému podkladu. To je rozdíl hlavně pro lidi, kteří grafiku potřebují, ale nejsou profesionálními ilustrátory nebo retušéry.
- Obsah na sociální sítě: rychlé varianty motivu pro různé formáty, změna pozadí, doplnění rekvizit a příprava průhledných prvků.
- Malé značky a e-shopy: produktové scény, jednoduché reklamní vizuály a kombinace konkrétního výrobku s několika referencemi prostředí.
- Prezentace a weby: ilustrace, ikonky, výřezy objektů a obrazové podklady, které není nutné hledat ve fotobance.
- Koncepty a storyboardy: rychlé ověřování nálady, kostýmu, kompozice nebo směru kampaně ještě před finální výrobou.
- Výuka a hobby: převod vlastního nápadu, skici nebo fotografie do několika stylových variant bez toho, aby člověk musel nejdřív ovládat celý grafický software.
Společným jmenovatelem je iterace. AI nemusí dodat hotové dílo. Může zlevnit a zrychlit fázi, ve které člověk zkouší, co vůbec funguje. U některých projektů je právě tato fáze nejdražší, protože se v ní vyrábí mnoho slepých cest, které se nakonec nepoužijí.
Je to levnější? Jen někdy
Qwen Image 2.1 je zveřejněný model a jeho váhy jsou dostupné přes GitHub, Hugging Face a ModelScope. To může snížit závislost na jednom webovém generátoru a otevřít cestu k lokálnímu provozu nebo vlastnímu workflow. Neznamená to ale, že generování obrázků je najednou zdarma.
Kdo používá cloudovou službu, platí předplatné nebo jednotlivé generace. Kdo chce model provozovat sám, platí hardware, elektřinu, čas na instalaci a řešení kompatibility. Sedm miliard parametrů ve vizuální části není drobný plugin do kancelářského počítače. Výhodou lokálního provozu může být soukromí, kontrola nad soubory a možnost upravit si workflow. Finanční návratnost ale není automatická – podobně jako u jazykových modelů ji ovlivňuje skutečný objem práce, rychlost a cena zařízení. Na Radyzu jsme tenhle rozdíl rozebírali u lokální AI.
Důležité jsou také licenční podmínky. Repozitář Qwen odkazuje na Qwen Research License Agreement. Před použitím v placené kampani, při práci pro klienta nebo při distribuci výstupů je potřeba přečíst aktuální licenci a podmínky konkrétní platformy. „Open source“ nebo zveřejněné váhy samy o sobě neříkají, že každé komerční použití je bez omezení.
Proč to není konec grafických editorů
Generativní model umí rychle navrhovat, kombinovat a přepisovat. Grafický editor ale pořád nabízí přesnost, opakovatelnost, typografii, mřížku, vrstvy, barvy a kontrolu nad každým detailem. U loga, obalu, reklamního formátu nebo vizuální identity je tato kontrola často důležitější než rychlost prvního návrhu.
Qwen Image 2.1 proto dává větší smysl jako další vrstva workflow než jako náhrada celého grafického řemesla. Může vytvořit základ, připravit varianty, odstranit rutinní maskování nebo pomoci s hledáním směru. Člověk potom rozhodne, co je použitelné, co odporuje zadání a co musí být opraveno ručně.
To je možná méně působivá, ale realističtější představa. AI nepřebírá odpovědnost za vizuální komunikaci. Přesouvá část práce z kreslení a retuše k výběru referencí, formulaci záměru a kontrole výstupu. Kdo umí dobře zadat scénu, poznat chybu a dotáhnout výsledek v editoru, získá větší náskok než člověk, který jen slepě přijímá první generaci.
Nejdůležitější změna je v očekáváních
Qwen Image 2.1 ukazuje směr, ve kterém se obrazové modely přestávají dělit na generátory a editory. Jeden systém má rozumět novému zadání, existujícímu obrázku, referencím, masce i průhledné vrstvě. Pro uživatele to znamená méně přepínání mezi nástroji a více možností, jak se k výsledku dostat.
Pro lidi, kteří chtějí dělat grafiku, je to dobrá zpráva hlavně tehdy, pokud AI použijí jako urychlovač práce, ne jako automat na hotové pravdy. Největší užitek nebude v jedné dokonalé generaci. Bude v tom, že během krátké doby vyzkouší více směrů, levněji připraví podklady a více času věnují rozhodování o tom, co má vizuál skutečně sdělovat.
Obrázek tak přestává být jednorázový soubor, který vznikne na konci promptu. Stává se pracovním materiálem, který lze dál skládat, upravovat a vracet do modelu. A právě v tom je Qwen Image 2.1 zajímavější než další generátor hezkých obrázků.
Zdroje
