Обзор новой модели Qwen Image 2.1 для генерации и редактирования изображений в VeoSuno. Показываем примеры, делимся промптами и рассказываем, как писать русский текст на фото.
В VeoSuno появилась Qwen Image 2.1 — новая модель генерации изображений, которую команда Qwen выпустила 21 сентября 2026 года. Она рисует картинку по текстовому описанию и редактирует готовые фотографии в одном и том же окне, а одна генерация стоит 8 ₽ за 1K и 16 ₽ за 2K. В списке моделей раздела «Создать фото» она обозначена как Qwen 2.1.
Разбираемся, что модель делает хорошо, и показываем примеры с промптами — их можно скопировать и повторить.
Qwen Image 2.1 — модель генерации изображений от команды Qwen, в которой генерация и редактирование объединены в один инструмент. Раньше для правки готового снимка требовалась отдельная версия модели, теперь оба сценария работают в одном окне: вы или описываете картинку словами, или загружаете исходники и объясняете, что с ними сделать.
Генеративная часть модели — 7 миллиардов параметров. Нативное разрешение 2048×2048 пикселей, максимум по ширине — 2752×1536. Разработчики выделяют три вещи, над которыми работали отдельно: типографика, работа с несколькими референсами сразу и фактура в портретах. Ниже проверяем каждую.
Текст на картинке — слабое место большинства генераторов, особенно кириллица: буквы плывут, превращаются в похожие символы или в орнамент. Мы попросили модель нарисовать концертный плакат с заголовком на русском.
A bold retro concert poster pasted on a brick wall at dusk, large clean Cyrillic headline "ЗВУК ИЗ НИЧЕГО" across the top, a smaller line "VeoSuno" along the bottom edge, torn paper corners, rain marks and street grime on the print, warm sodium streetlight raking across the surface, 50mm lens, subtle film grain, shot on 35mm film
Заголовок встал сжатым гротеском, без единой искажённой буквы, мелкая строка внизу тоже читается. Это открывает практичные сценарии: афиши, обложки, постеры, карточки для соцсетей — всё, где надпись должна быть не украшением, а текстом. Если собираетесь делать обложку для трека, у нас есть отдельный разбор с примерами.
Совет из практики: пишите нужную надпись в кавычках и отдельно указывайте, что она кириллическая. Так модель понимает, что это текст для отрисовки, а не описание сцены. И берите 2K — на 1K мелкие строки размазываются.
Второй сценарий — редактирование. В форму генерации можно загрузить до четырёх изображений и объяснить, что с ними делать: перенести человека в другую обстановку, примерить одежду, собрать групповой кадр, подставить предмет в интерьер.
Работает это так: каждый референс модель разбирает отдельно, а в промпте вы ссылаетесь на них по номерам — «человек с первого референса», «помещение со второго». Мы взяли два наших старых кадра: портрет девушки у диджейского пульта и тёмный зал с винтажным микрофоном.
Waist-up portrait of the same woman as in the first reference, unchanged, singing into the vintage chrome microphone from the second reference. Her appearance, face and tattoos must match the first reference exactly, with no restyling. She wears the same white top with the "I love VeoSuno" print, the lettering stays sharp and readable. Her right hand grips the microphone stand at chest height, her left arm hangs relaxed along her side with loose fingers. She is standing in an empty dark hall, there is no DJ console, no desk and no table anywhere in the frame, nothing in front of her. Warm key light from the left, cold blue rim light from the right, haze in the air, dark scuffed wall far behind her. No text anywhere except the print on the top.
Лицо, татуировки и надпись на топе перенеслись без изменений, а обстановка сменилась полностью. Два наблюдения, которые экономят попытки. Первое: не описывайте внешность словами, если она уже есть на референсе — текстовое описание перебивает картинку, и модель перерисует человека под текст. Второе: прямо перечисляйте, чего в кадре быть не должно. Поза на исходнике опиралась на пульт, и без запрета модель дорисовывала опору в новой сцене.
Третье, что заявлено в этой версии, — детализация кожи и поведение света на лице.
A close-up portrait of a woman astronaut inside a cramped station module right after a shift, sweat on her temples, visible skin texture and stray hairs, warm instrument lights reflecting in the visor resting beside her, dust motes floating in the air, natural uneven colour, 85mm lens, soft film grain, shot on 35mm film
Видны поры и испарина, отдельные выбившиеся пряди, тёплые огни приборов отражаются в стекле шлема. Модель откликается на слова об оптике и плёнке: «85mm lens», «soft film grain», «natural uneven colour» заметно сдвигают картинку от гладкого рендера к фотографии.
У Qwen Image 2.1 семь соотношений сторон: 1:1, 3:2, 2:3, 4:3, 3:4, 16:9 и 9:16. Самый широкий кадр — 16:9, в 2K это 2752×1536 пикселей.
A rally car sliding through a gravel corner in late afternoon light, stones and dust thrown toward the camera, mud crusted on the bodywork, a weathered VeoSuno sticker on the rear quarter panel, motion blur on the wheels, low camera angle close to the ground, lens flare across the frame, 35mm lens, visible grain, shot on 35mm film
Качество переключается двумя кнопками: 1K и 2K. Разница не только в размере файла — на 2K аккуратнее выходят мелкие детали и любой текст в кадре. Под соцсети и превью хватает 1K, под печать, обложки и плакаты берите 2K.
Одна генерация в 1K стоит 8 ₽, в 2K — 16 ₽. Цены приводим на сентябрь 2026 года. Загрузка референсов на стоимость не влияет: четыре исходника в форме стоят столько же, сколько генерация по одному описанию.
Минимальное пополнение баланса — 50 ₽, этого хватает на шесть генераций в 1K или на три в 2K. Удобная стратегия для начала: подобрать композицию на 1K, а понравившийся вариант повторить тем же промптом в 2K.
Попробовать модель можно в разделе генерации изображений, а общие вопросы по интерфейсу собраны в документации VeoSuno.
Генерируйте фото с реалистичным светом, переносите персонажей и добавляйте текст на картинку в студии VeoSuno.
8 ₽ в качестве 1K и 16 ₽ в 2K по ценам на сентябрь 2026 года. Загруженные референсы стоимость не меняют. Минимальное пополнение баланса 50 ₽ даёт шесть генераций в 1K.
Да. В нашем примере с концертным плакатом кириллический заголовок отрисовался без искажений. Надпись стоит указывать в кавычках и отдельно отмечать, что она на русском. Для мелких строк выбирайте 2K.
До четырёх изображений в одной генерации. В промпте на них ссылаются по порядку: первый референс, второй и так далее. Порядок загрузки важен, иначе модель перепутает, что откуда брать.
2752×1536 пикселей в формате 16:9 при качестве 2K. Нативный квадрат — 2048×2048. Всего доступно семь соотношений сторон.
Размером изображения и проработкой деталей. На 2K чище выходят мелкие элементы, фактуры и текст в кадре. Для соцсетей обычно достаточно 1K, для печати и обложек лучше 2K.
Загрузите его фото референсом и напишите, что внешность должна совпадать с референсом без изменений. Важно не описывать внешность словами: текстовое описание перебивает картинку, и модель перерисует человека под текст.
Войти через Яндекс
Войти через Telegram
Войти через Gmail
или войти через VK ID с использованием данных из сервера
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
Neque porro quisquam est qui dolorem ipsum quia dolor sit amet, consectetur ipsum dolor, sit amet consectetur adipisicing elit. Aspernatur, voluptatibus!
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.
