Qwen-Image-2.1-PE-T2I输出格式全解析：如何正确读取rewritten_prompt与wh_ratio

【免费下载链接】Qwen-Image-2.1-PE-T2I项目地址https://ai.gitcode.com/hf_mirrors/Qwen/Qwen-Image-2.1-PE-T2I点击查看免费下载Qwen-Image-2.1-PE-T2I 是一个开源的文生图提示词改写模型Prompt Rewriting Model输入一句简短的作图请求它输出一段包含rewritten_prompt与wh_ratio两个字段的 JSON 对象。本文完整拆解它的输出格式带你用最快速度正确读取这两个字段。 先搞懂Qwen-Image-2.1-PE-T2I 是什么它不是一个直接画图的模型而是 Qwen-Image-2.1 出图流程中的「提示词扩写器」——基于 Qwen3.5-VL 9B 微调把任意语言的短请求哪怕只有 3 个词扩写成一段 400~500 词的详细英文画面描述并推荐一个合适的画面比例。典型工作流是两段式Qwen-Image-2.1-PE-T2I本文主角短提示词 → 详细英文提示词 宽高比Qwen-Image-2.1出图模型拿着上一步的rewritten_prompt和wh_ratio生成图片模型权重约 18.8GBbfloat16共 4 个分片。仓库内各文件的作用如下文件说明README.md官方用法示例、输出格式定义config.json模型架构配置Qwen3_5ForConditionalGeneration32 层bfloat16system_prompt.txt系统提示词定义了改写规则与输出格式契约chat_template.jinja对话模板含think推理开关generation_config.json生成默认参数model-00001.safetensors 等 4 个分片模型权重总计约 18.8GB模型文件也可通过git clone https://gitcode.com/hf_mirrors/Qwen/Qwen-Image-2.1-PE-T2I获取。 输出的完整结构先是推理块再是一行 JSON模型不会直接吐出 JSON。完整原始输出长这样think 这里是模型的推理过程逐条分析画面元素、位置、光线…… end think {rewritten_prompt: The image is a wide cinematic photograph of a corgi playing guitar in the rain, ..., wh_ratio: 16:9}拆解成三层看层级内容读取建议第一层think推理块模型的思考过程内容不固定直接丢弃不要传给下游第二层换行 JSON一行严格合法的 JSON 对象解析目标第三层JSON 字段rewritten_prompt、wh_ratio真正要用的数据system_prompt.txt 中对输出契约的定义是单行、严格合法的 JSON前后不能有任何其他内容。这也是解析时敢直接json.loads的底气所在。 字段一rewritten_prompt 详解rewritten_prompt是一段以观察者视角描述成图的英文段落。它的写法由 system_prompt.txt 中的八步规则约束拆需求用户明确给出的文字内容、数量、颜色、比例逐字保留没说的由模型补全定画幅决定横竖与比例比例只写入wh_ratio不写进描述开场句约 20 词交代媒介、风格、主体、背景列清单先盘点画面元素与可读文字走画面按区域或主体顺序描述约 1/3 句子以位置短语开头写文字图中可读文字保留原语言中文仍是中文带引号书写单独立光给光源、方向、阴影单独一句话收尾句以 The overall composition … 总结构图与氛围对使用者来说这意味着它总是英文图中文字除外可以直接喂给任何英文出图模型短请求也会得到完整长描述不需要你自己补细节描述里永远不会出现 masterpiece、8K 之类的画质堆砌词也永远不会出现比例或分辨率数字长度稳定在 20 句左右、400~500 词便于下游做 token 预算️ 字段二wh_ratio 详解与比例清单wh_ratio是字符串形式的宽高比如16:9、3:2。它的取值规则见 system_prompt.txt用户指定了比例就照用没指定时横向主体默认3:2纵向主体默认2:3方形徽章/图标用1:1电影感宽幅用16:9手机竖屏/长条 Banner 用9:16或1:2偶见4:3、2:1、21:9等小众值拿到比例后需要映射成实际像素尺寸才能出图。README.md 给出的常用映射表wh_ratio宽 × 高像素典型场景1:12048 × 2048头像、专辑封面3:22528 × 1696横向默认2:31696 × 2528纵向默认4:32400 × 1792常规横图3:41792 × 2400常规竖图16:92752 × 1536电影感宽幅、演示画面9:161536 × 2752手机竖屏、短视频封面⚠️ 注意模型理论上可能返回映射表之外的值如21:9健壮的做法是查不到时回退到2048 × 2048。⚡ 最快解析方法三步从原始输出到 JSON完整推理示例见 README.md核心解析只有三步见 README.md第 1 步按end think切分丢弃推理块thinking, _, answer gen.partition(end think)第 2 步解析 JSONanswer可能带前后空白先stripimport json result json.loads(answer.strip())第 3 步取字段使用prompt result[rewritten_prompt] # 传给 Qwen-Image-2.1 出图 width, height WH_RATIO_TO_SIZE.get(result[wh_ratio], (2048, 2048))两个容易忽略的调用细节构建输入时apply_chat_template要传enable_thinkingTrue见 chat_template.jinja否则输出里没有推理块结构切分逻辑会失效生成参数建议照官方示例max_new_tokens16256, do_sampleTrue, temperature1.0, top_p0.95, top_k20其中max_new_tokens必须给足否则长描述中途截断JSON 直接不闭合⚠️ 常见坑与排查现象原因解法json.loads报错没剥离think块或输出被截断先partition(end think)调大max_new_tokens解析出的字段为空或异常未加载系统提示词必须把 system_prompt.txt 内容作为system消息传入wh_ratio查不到尺寸返回了小众比例如21:9映射表查不到时回退(2048, 2048)显存不足模型约 18.8GBbfloat16加载时加device_mapauto多卡自动分配想关闭推理块提速设置了enable_thinkingFalse不建议官方流程依赖think/end think结构做切分总结Qwen-Image-2.1-PE-T2I 的输出格式可以一句话记住end think之前的推理块全部丢弃之后是一行 JSONrewritten_prompt拿去出图、wh_ratio换算尺寸。掌握「切分 → 解析 → 映射」这三步就能把它稳稳接进你的文生图工作流。赞分享【免费下载链接】Qwen-Image-2.1-PE-T2I项目地址https://ai.gitcode.com/hf_mirrors/Qwen/Qwen-Image-2.1-PE-T2I点击查看免费下载相关推荐拆解 Qwen-Image-2.1-PE-I2I 三大输出字段rewritten_prompt、wh_ratio 与 ratio_follow 完全指南拆解 Qwen Image 2.1 PE I2I 三大输出字段rewritten_prompt、wh_ratio 与 ratio_follow 完全指南 QwQwen-Image-2.1-PE-I2I 画布尺寸智能推断wh_ratio 与 ratio_follow 比例规则完整指南Qwen Image 2.1 PE I2I 画布尺寸智能推断wh_ratio 与 ratio_follow 比例规则完整指南 Qwen Image 2.1 P如何正确解析MechVL-4B-RL的答案think与answer输出格式完全指南如何正确解析MechVL 4B RL的答案think与answer输出格式完全指南 使用 MechVL 4B RL 时你是否遇到过模型输出了一大段推理却上一篇【亲测免费】 推荐使用SQL格式化工具 - sql-formatter下一篇2025 全攻略用 Rust scraper 库实现专业级 HTML 解析与数据提取创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考