Shopify
WooCommerce2026年9月20日、AlibabaのQwenチームがQwen-Image-2.1をオープンソース化しました。これは、生成と編集を単一のパイプラインで処理する7Bの画像モデルです。最大10枚の参照画像を処理可能で、想定用途としてバーチャル試着を挙げています。
当社がすべてのエンジンのテストに使用している、人物と衣服の8つのペアデータを用いて、商用オプションとして最も一般的なGoogleのVertex AI上のバーチャル試着モデルと比較テストを行いました。写真もプロンプトのパイプラインも同一にし、ファインチューニングは一切行っていません。
Qwen-Image-2.1とは？
Qwen-Image-2.1は、以前の3つのモデル（生成用Qwen-Image、編集用Qwen-Image-Edit、透過用Qwen-Image-Layered）を1つのチェックポイントに統合したものです。
- 生成コンポーネントに7Bパラメータ（32層のシングルストリームDiT）。Qwen3-VL 8Bがプロンプトと入力画像を読み取ります。
- 1回の編集で最大10枚の参照画像を利用可能。リリースノートには「バーチャル試着では、5つの入力（モデル、服、靴、バッグ、帽子）を組み合わせて完全なコーディネートを作成できる」と記載されています。
- 領域編集。 変更したい部分を丸で囲んだり、塗りつぶしたり、別個のマスクを渡すだけで、その領域のみを変更できます。
- 人物や商品の忠実度が学習目標として明記されています。編集後も顔の印象は変わらず、商品の「テキスト、質感、形状」が維持されます。
- ネイティブの透過処理。 プロンプトからRGBA出力を行ったり、写真から被写体を抽出して透過レイヤーにしたりできます。
- 効率的な推論。 入力画像と指示を一度エンコードすると、すべてのノイズ除去ステップでキャッシュされるため、10枚の参照画像を使った編集でも、ステップあたりのコストは1枚の参照画像を使った場合とほぼ同じです。
Qwenチーム独自のベンチマーク「Qwen-Image-Bench」ではスコア60.28を記録し、29モデル中7位となっています。上位6モデルはクローズドモデル（GPT Image 2.5が67.01でトップ）で、オープンウェイトモデルの中では大差をつけての1位です。
なお、これはチームによる自己申告のベンチマークであり、編集ではなく生成の性能を測定したものです。ウェイトはHugging FaceとModelScopeで公開されており、初日からDiffusers、ComfyUI、vLLM-Omni、SGLangをサポートしています。
ライセンスは「非商用目的のみ」とするQwen Research Licenseです。商用利用する場合は、Alibabaと個別の契約を結ぶ必要があります。詳細は後述します。
バーチャル試着に使えるのか？
ゼロショットで十分に機能します。
設定：当社が公開している試着サンプルのうち8ペアを使用しました。それぞれ、鏡越しの自撮り写真と、マーチャントがアップロードするような商品画像（平置きのパックショットまたはモデル着用写真）の組み合わせです。Qwen-Image-2.1はComfy Cloud上で16ステップで実行。Vertex AIはAPI経由で実行しました。どちらも同じプロンプトパイプラインを通し、LoRAや後処理は行っていません。各パネルは左から右へ、買い物客の写真、商品画像、Qwen-Image-2.1、Google Vertex AIとなっています。
冒頭にあるサッカーシャツの画像は、テキストのテスト結果です。どちらのモデルもスポンサーのロゴとエンブレムを所定の位置で読みやすく維持しており、買い物客の手、スマートフォン、背景は変更されていません。
Qwenが優れている点。 アバヤの写真は、クリーム色のスカーフを巻いたモデルのものです。Vertexは衣服と一緒にスカーフも引き継ぎましたが、Qwenはアバヤだけを変更し、他の部分は一切変えませんでした。
Qwenが劣っている点。 パックショットはふくらはぎ半ばの丈です。Vertexはその長さを維持していますが、Qwenは膝丈になっています。ベルト、留め具、襟元はどちらも正しく再現されています。着丈の長い衣服での裾の長さは一貫して失敗しており、これはティアードマキシドレスでも同様の傾向が見られました。
残りの5ペア（花柄のミディ丈、ネオンカラーのパーカー、ツーピースのサリー、プラスサイズのマキシ丈、レースのウェディングドレス）については、甲乙つけがたい結果でした。どちらもサリーのブラウスと縁取りを再現し、ミディ丈のプリントの縮尺も正確で、顔が改変されることもありませんでした。
Qwen-Image-2.1 対 Google Vertex AI 試着
| Comfy Cloud上のQwen-Image-2.1 | Google Vertex AIバーチャル試着 | |
|---|---|---|
| 処理完了ペア数 | 8/8 | 8/8 |
| 試着あたりの処理時間（中央値） | 9.9秒 | 9.3秒 |
| 試着あたりのコスト | 約0.005ドル（GPU時間） | 0.06ドル（定価） |
| 品質（並べて比較） | 引き分け6、勝ち1、負け1 | 引き分け6、勝ち1、負け1 |
| ウェイト | オープン（ファインチューニング可能） | クローズドAPI |
| ライセンス | 研究用のみ（商用は個別契約） | 商用可能 |
Qwenの処理時間には、Comfy Cloudでの約3秒の待機時間が含まれています。Qwenのコストはモデル単体でのGPU時間であり、実際の試着リクエスト全体では、さらに衣服の分類、プロンプトの構築、品質チェックの処理が走ります。
注意点
ライセンス。 Qwen-Image-2.1は、Qwen-Image-Edit-2511のようなApache 2.0ではなく、Qwen Research License Agreementの下で提供されています。ライセンスファイルには「非商用目的のみ」での利用が許可されるとあり、これを研究または評価と定義しています。商用利用する場合は、Alibabaにライセンスを申請するよう求めています。ストアへの「試着する」ボタンの設置は商用利用に該当します。セルフホストする場合も、この契約が必要です。
2つの失敗傾向。 着丈の長い衣服での裾の長さと、一部の複数パーツからなる商品でのサブパーツの欠落。どちらもシステム上の問題であり、まさにLoRAが解決できる領域です。7Bのモデルであれば、1基のGPUを使って数時間でアダプターの学習が完了します。ModelScopeのDiffSynth-Studioは初日から2.1のLoRA学習をサポートしており、ComfyUIは標準ノードでアダプターを読み込めます。学習データにはモデル着用写真とそれに合致するパックショットのペアを使用しますが、ファッションカタログにはすでにこれらが揃っています。衣服のカテゴリー、留め具、長さを指定するプロンプトを使えば、裾の失敗の大部分はそれだけで修正でき、残りはLoRAでカバーできます。
Genlookへの影響
Qwen-Image-2.1は、当社のテスト用ペアデータにおいて、画像あたりのコストを大幅に抑えつつ、商用試着APIと同等の性能に達した初のオープンモデルです。当社では、どのようなモデルを使うにしても必要となる衣服の分類、プロンプトの構築、品質チェックをベースとしつつ、Qwenの強みが活きる部分については、Genlookの試着パイプラインをアップデートし、採用していく予定です。これにより、すべてのプロダクトタイプにおいて最高品質の試着体験を提供します。前述した2つの失敗傾向への対応は、今回のパイプライン改修で最初に取り組むべき課題です。
開発者向けとして、Genlook Try-On APIは、あらゆるプロダクトタイプに対応する単一のエンドポイントを提供しています。1回の試着で1クレジットを消費します。料金は従量課金制で0.04ドル、月額プランなら0.015ドルからご利用いただけます。パックのクレジットには有効期限がなく、新規アカウントには無料クレジットが付与されます。クイックスタートに記載の通り、商品の作成、写真のアップロード、生成、結果の取得という4つのコールで完結します。
まとめ
- リリースの概要: 生成、最大10枚の参照画像を使った編集、透過処理を1つのチェックポイントで行う7Bのオープンウェイトモデル。開発チームのベンチマークにおいてオープンモデルのトップ。
- 試着性能: 8ペア中6ペアでGoogleのVertex AIモデルと互角のゼロショット性能。衣服以外のアイテムをそのまま維持する点では優れていますが、着丈の長い衣服の裾の長さの再現では劣ります。
- コスト: 画像あたりのGPU時間が約0.005ドル（Vertexは0.06ドル）。
- 注意点: セルフホストの場合は研究用ライセンスとなり、2つの失敗傾向についてはLoRAでの修正が必要です。
Genlook Try-On APIを使用するにはplatform.genlook.appでAPIキーを取得してください。ストアへのバーチャル試着機能の追加については、こちらをご覧ください。
FAQ