> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/fr/modeles/qwen-image-2.1.md).

# Qwen-Image-2.1 : comment l’exécuter en local

Exécutez Qwen-Image-2.1 en local avec les quantifications FP8 et GGUF d’Unsloth.

**Qwen-Image-2.1** est un nouveau **paramètre 7B** génération texte-vers-image et [édition d'images](#image-editing) modèle de Qwen qui s'exécute localement sur **11 Go de VRAM** avec des GGUF et 24 Go avec INT8/FP8. Ce guide vous montre comment exécuter Qwen-Image-2.1 pour la génération d'images, ainsi que les besoins mémoire, les réglages recommandés et plus encore.

{% columns %}
{% column width="50%" %}
Qwen-Image-2.1 combine un générateur d'images 7B avec un **encodeur Qwen3-VL 8B**. Le modèle prend en charge la génération native en 2K, le rendu de texte, les images transparentes et l'édition avec jusqu'à 10 images de référence.

Les quantifications utilisent [Unsloth Dynamic](https://unsloth.ai/docs/basics/dynamic-3.0-ggufs) une méthodologie qui remonte les couches importantes à une précision plus élevée pour plus de précision. Exécutez-les dans [Unsloth Desktop](/docs/fr/desktop.md), diffusers, stable-diffusion.cpp et plus encore. **Téléversements d'Unsloth :** [GGUF](https://huggingface.co/unsloth/Qwen-Image-2.1-GGUF) • [FP8](https://huggingface.co/unsloth/Qwen-Image-2.1-FP8)
{% endcolumn %}

{% column width="50%" %}

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F8E4zaQZmeYBhYIXkvveM%2F01-2edit-multi-image.webp?alt=media&amp;token=ad7d102c-b304-4c75-b66d-4a68cd518a37" alt=""><figcaption><p>Édition d'images par FP8 Qwen-Image-1.2 via Unsloth</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

### 🖥️  Configuration mémoire requise

Utilisez le tableau ci-dessous pour choisir une configuration de départ pour votre matériel. Générez une image à la résolution indiquée, puis augmentez-la si la mémoire le permet.

Les quantifications FP8 sont recommandées pour les GPU avec 24 Go de VRAM ou plus. Elles peuvent également être préférables pour toute configuration avec GPU, car elles peuvent offrir une inférence plus rapide que les modèles GGUF, même avec déchargement. Assurez-vous simplement d'avoir assez de RAM pour le déchargement.

Utilisez surtout des modèles GGUF si vous disposez de RAM CPU, ou utilisez un système à mémoire unifiée comme un Mac.

**Les valeurs de mémoire sont des estimations, pas des minimums testés.** L'utilisation mémoire varie selon la résolution et les réglages de déchargement.

| Matériel disponible                              | Configuration de départ                                                                                                 |
| ------------------------------------------------ | ----------------------------------------------------------------------------------------------------------------------- |
| **12–16 Go de VRAM**                             | GGUF **Q4\_K\_M**, 1024×1024, lot 1                                                                                     |
| **24 Go de VRAM**                                | <p><strong>INT8/FP8 :</strong> 512 × 512<br><strong>GGUF Q4\_K\_M :</strong> 1024 × 1024</p>                            |
| **6 Go de VRAM**                                 | Vous pouvez exécuter FP8 **avec seulement 6 Go de VRAM en utilisant le déchargement**. L'inférence sera <2x plus lente. |
| **CPU uniquement : 12–16 Go de RAM**             | GGUF **Q4\_K\_M** avec l'encodeur de texte Q4\_K\_XL                                                                    |
| **Apple Silicon : 12–16 Go+ de mémoire unifiée** | GGUF avec un backend natif compatible                                                                                   |

Le déchargement CPU peut aider lorsque la VRAM est limitée, mais il nécessite de la RAM système supplémentaire et peut ralentir la génération.

### Analyse de quantification

Nous montrons que INT8 a le LPIPS raisonnable le plus faible (plus bas = mieux) même par rapport à FP8, donc nous utilisons INT8 par défaut.

| schéma | taille du fichier | moyenne LPIPS | LPIPS max | moyenne SSIM |
| ------ | ----------------- | ------------: | --------: | -----------: |
| int8   | 7,26 Go           |         0.064 |     0.167 |        0.936 |
| fp8    | 7,12 Go           |         0.112 |     0.329 |        0.899 |

### ⚡ Démarrage rapide

{% stepper %}
{% step %}

#### Configurer Unsloth

La façon la plus simple de commencer est de télécharger l’ [application Unsloth Desktop](/docs/fr/desktop.md). Fonctionne sur [macOS](/docs/fr/commencer/install/mac.md), [Windows](/docs/fr/commencer/install/windows-installation.md), et [Linux](/docs/fr/commencer/install/linux.md).

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Télécharger Unsloth</a>

* <i class="fa-apple">:apple:</i> [Télécharger pour macOS](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Télécharger pour Windows](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Télécharger pour Linux](https://unsloth.ai/download/linux)

Ou, si vous préférez l’installer manuellement :

macOS, Linux, WSL :

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

PowerShell Windows :

```bash
irm https://unsloth.ai/install.ps1 | iex
```

{% endstep %}

{% step %}

#### Configurer Qwen-Image-2.1

Dans cette version, Qwen-Image-2.1 est disponible dans Unsloth uniquement pour la génération texte-vers-image.

Sélectionnez **Images** dans la barre latérale. Le **Créer** un flux de travail d'image s'ouvre par défaut.

Ouvrez-y Sélectionner un modèle d'image ou allez dans Model hub et recherchez la quantification GGUF ou FP8 souhaitée de Qwen-Image-2.1 dans le sélecteur, ce qui téléchargera le modèle.

<div><figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FEFCApsTzrL81lOcdd298%2Fimage.png?alt=media&amp;token=07fa0438-55f4-46ec-b055-2f4b6532df96" alt="" width="563"><figcaption></figcaption></figure> <figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FHjN84g8IYe9eRSRO4wGe%2Fqwenimage2.1.png?alt=media&amp;token=73f99133-f0d0-47c8-aaa4-a0097b5ff7b4" alt="" width="563"><figcaption></figcaption></figure></div>

<figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FuWMvSNEkp7lnr2es7v32%2FScreenshot%202026-09-22%20at%206.23.20%E2%80%AFAM.png?alt=media&amp;token=570e743c-b6b9-4fa2-b06d-b6e4c955424a" alt=""><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Générez votre image

Décrivez l'image que vous souhaitez générer. Vous pouvez conserver les réglages recommandés pour votre première image.

Cliquez sur **Générer**. La première génération peut prendre plus de temps pendant le téléchargement et le chargement du modèle. Votre résultat apparaîtra dans la galerie, où vous pourrez afficher ses réglages ou le télécharger.

<div><figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FrX8YDJ91NTwNVtFpERXX%2Fimage.png?alt=media&amp;token=fee9d4b5-cca3-4054-ad50-6aa1beba5a50" alt="" width="563"><figcaption></figcaption></figure> <figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F0JAa73bhb2PAD0692XqI%2F1000007556.jpg?alt=media&amp;token=c725d011-01c2-4a56-96bb-31034ecb77cf" alt="" width="375"><figcaption></figcaption></figure></div>
{% endstep %}
{% endstepper %}

### Édition d'images

Vous pouvez aussi facilement modifier des photos avec arrière-plan transparent à l'aide de Qwen-Image-2.1. Supprimez des éléments, ajoutez des éléments, changez l'ambiance tout en conservant la même base/structure. Sélectionnez simplement l'onglet Éditer dans Unsloth et rédigez votre prompt.

<div><figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FNA6VP3yqmBZhR4qVE90I%2F02-localized-annotation.webp?alt=media&amp;token=a42e809a-f4ea-4779-9213-606c772e9422" alt=""><figcaption></figcaption></figure> <figure><img src="https://550366147-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FS0j84jGUey0dnoQgEQzm%2F03-transparent-edit.webp?alt=media&amp;token=ce337489-f698-4c25-9c3b-3fd77bc2e48d" alt=""><figcaption></figcaption></figure></div>

### ⚙️ Réglages recommandés

**Utilisez la recette correspondant au backend qui exécute réellement le modèle**, et pas seulement son extension de fichier FP8/GGUF.

| Réglage                             | Unsloth GPU / Diffusers                                  | stable-diffusion.cpp natif                                        |
| ----------------------------------- | -------------------------------------------------------- | ----------------------------------------------------------------- |
| **Étapes**                          | **40** - base Qwen/Diffusers                             | **20** - valeur par défaut de la CLI et test enregistré d'Unsloth |
| **Guidage / CFG**                   | **1.0** - CFG désactivé                                  | **6.0** - exemple sd.cpp en amont                                 |
| **Prompt négatif**                  | Laissez vide ; réglez le guidage sur `1.0` explicitement | Laissez vide pour reproduire l'exemple                            |
| **Échantillonneur / planificateur** | Conservez le planificateur du pipeline du modèle         | **Euler**                                                         |
| **Décalage de flux**                | Conservez la configuration du planificateur du pipeline  | **Automatique ; omettez `--flow-shift`**                          |
| **Résolution au premier lancement** | `1024×1024`                                              | `1024×1024`                                                       |
| **Taille de lot**                   | `1`                                                      | `1`                                                               |
| **Graine**                          | `42`, ou une autre graine fixe de comparaison            | `42`, ou une autre graine fixe de comparaison                     |

#### Résolution et ratios d'aspect

Utilisez des dimensions divisibles par **32**. Les [préréglages natifs](https://huggingface.co/Qwen/Qwen-Image-2.1#supported-aspect-ratios) incluent :

| Forme                | Taille de test réduite | Préréglage natif Qwen |
| -------------------- | ---------------------- | --------------------- |
| **Carré**            | `1024×1024`            | `2048×2048`           |
| **Paysage 4:3**      | `1152×864`             | `2400×1792`           |
| **Portrait 3:4**     | `864×1152`             | `1792×2400`           |
| **Photo 3:2**        | `1248×832`             | `2528×1696`           |
| **Portrait 2:3**     | `832×1248`             | `1696×2528`           |
| **Écran large 16:9** | `1536×864`             | `2752×1536`           |
| **Vertical 9:16**    | `864×1536`             | `1536×2752`           |

Unsloth prend en charge des dimensions allant jusqu'à **2048 pixels par côté**. Commencez à **1024 × 1024** et augmentez la résolution si la mémoire le permet. Réduire le nombre d'étapes accélère la génération mais peut ne pas résoudre les limites de mémoire.

#### LoRA et ControlNet

Chargez des LoRA compatibles pour ajouter un personnage, un sujet ou un style visuel à vos générations. Ajustez le poids du LoRA pour contrôler à quel point il influence le résultat.

Les modèles pris en charge peuvent également utiliser ControlNet pour guider la structure d'une image. Ajustez sa force pour contrôler à quel point le résultat suit l'image de guidage.

#### Galerie

Les images générées sont enregistrées dans la galerie locale. Ouvrez un résultat pour voir son prompt et ses réglages, puis sélectionnez **Recette** pour restaurer sa configuration de génération ou télécharger l'image.

### Modèles et flux de travail pris en charge

| Ce que vous voulez faire          | Modèles pour commencer            |
| --------------------------------- | --------------------------------- |
| Générer ou transformer des images | Z-Image, Qwen-Image, FLUX.1, SDXL |
| Modifier à l'aide d'instructions  | Qwen-Image-Edit, FLUX.1 Kontext   |
| Utiliser des images de référence  | FLUX.2 klein                      |

D'autres modèles sont disponibles dans le sélecteur de modèles. Les formats et les flux de travail varient selon le modèle, et les flux de travail non pris en charge sont masqués automatiquement.

### Réglages de génération

Les réglages par défaut constituent un bon point de départ. Cependant, il est possible d'ajuster les réglages pour obtenir le meilleur résultat ; voici les principaux paramètres que vous voudrez peut-être modifier :

| Réglage                          | Ce que cela change                                                                                                   |
| -------------------------------- | -------------------------------------------------------------------------------------------------------------------- |
| **Prompt**                       | Décrit l'image que vous voulez créer. Dans **Édition**, cela devient l'instruction à suivre.                         |
| **Ratio d'aspect et résolution** | Définissez la forme et la taille de l'image. Les grandes images utilisent plus de mémoire et prennent plus de temps. |
| **Étapes**                       | Contrôlez le temps que le modèle consacre à la génération. Davantage d'étapes n'améliorent pas toujours le résultat. |
| **Guidage**                      | Contrôle à quel point le prompt guide le résultat. Certains modèles fonctionnent mieux à `0`.                        |
| **Graine**                       | Aide à recréer un résultat. Laissez-le vide pour utiliser une graine aléatoire.                                      |

<details>

<summary>Réglages de génération avancés</summary>

Ces commandes modifient la façon dont le modèle s'exécute sur votre appareil. Ajustez-les pour réduire l'utilisation de mémoire, améliorer les performances ou résoudre les problèmes de génération.

| Réglage              | Ce que cela change                                                                                                                                                                        |
| -------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Vitesse**          | Contrôle la compilation et les optimisations de performance. Les modes compilés peuvent prendre plus de temps lors de la première génération.                                             |
| **Précision**        | Modifie le format numérique utilisé pour exécuter le modèle. Une précision plus faible peut réduire l'utilisation de mémoire. Les options disponibles dépendent du modèle et du matériel. |
| **Attention**        | Sélectionne l'implémentation d'attention utilisée pendant la génération.                                                                                                                  |
| **Mémoire**          | Équilibre la vitesse de génération par rapport à l'utilisation de la mémoire GPU. Essayez **Faible VRAM** si un modèle est proche de votre limite mémoire.                                |
| **Cache d'étapes**   | Réutilise certains calculs entre les étapes de diffusion pour améliorer la vitesse de génération.                                                                                         |
| **Déchargement CPU** | Déplace des parties du modèle dans la mémoire système. Cela réduit l'utilisation de la mémoire GPU mais peut ralentir la génération.                                                      |

</details>

### ⚠️ Dépannage

<details>

<summary>Les images n'apparaissent pas</summary>

Mettez à jour vers la dernière version, puis redémarrez l'application. Voir [Mise à jour d'Unsloth](https://unsloth.ai/docs/get-started/install/updating) pour les instructions.

</details>

<details>

<summary>Un modèle ne se télécharge pas ou ne se charge pas</summary>

Certains modèles d'images sont volumineux et prennent du temps à télécharger. Vérifiez que vous disposez de suffisamment d'espace libre et d'une connexion Internet stable.

Certains modèles exigent également que vous acceptiez leur licence sur Hugging Face et que vous ajoutiez un jeton Hugging Face avant de les télécharger.

</details>

<details>

<summary>Le modèle manque de mémoire</summary>

Essayez une quantification GGUF plus petite ou une version 4 bits du modèle. Pour les modèles GGUF, commencez par la taille marquée **recommandé**.

Vous pouvez aussi :

* Réduire la résolution de l'image.
* Conservez la taille de lot à `1`.
* Fermez les autres applications utilisant le GPU.
* Choisissez un modèle plus petit.

Un **TIGHT** modèle peut utiliser la mémoire système et s'exécuter plus lentement. Un modèle marqué **OOM** a peu de chances de tenir.

</details>

<details>

<summary>Un flux de travail est manquant</summary>

Les flux de travail disponibles dépendent du modèle chargé. Les flux de travail non pris en charge n'apparaîtront pas.

Par exemple, l'édition basée sur des instructions nécessite un modèle tel que Qwen-Image-Edit ou FLUX.1 Kontext.

</details>

### ❓ FAQ

<details>

<summary>La génération d'images s'exécute-t-elle localement ?</summary>

Oui. Une fois qu'un modèle est téléchargé, la génération d'images s'exécute sur votre appareil.

</details>

<details>

<summary>Quelle est la différence entre Transformer et Éditer ?</summary>

**Transformer** redessine une image existante à l'aide d'un prompt qui décrit le résultat complet.

**Édition** suit des instructions telles que changer un arrière-plan ou ajouter un objet. Cela nécessite un modèle d'édition compatible.

</details>

<details>

<summary>Puis-je entraîner mon propre LoRA d'image ?</summary>

Oui. Affinez un modèle pris en charge sur vos propres images, puis chargez le LoRA terminé dans **Créer**.

Voir Affiner un modèle d'image pour en savoir plus.

</details>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://unsloth.ai/docs/fr/modeles/qwen-image-2.1.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.