Qwen-Image-3.0 支持哪些图像输入格式

Qwen-Image-3.0 能接收哪种图像输入，通常由模型外层封装决定，而不是模型本身单独定义。在本地推理框架（如 Transformers、Diffusers）里，模型一般直接吃解码后的 RGB 数组；在 HTTP 服务里，图像往往以 Base64 字符串或公网 URL 传进去。所以先确认你是在跑本地脚本还是在调 API，再判断格式。

没有明确文档时，优先准备 JPEG、PNG、WebP 三种常见位图格式。图像通常以 Base64 编码或 URL 方式传输，模型内部会统一转成 RGB 数组再计算。若接口报格式错误，优先检查编码是否完整、文件是否损坏、尺寸是否超限，并用最小测试图逐类验证。

先分清：本地推理 vs API 调用

如果你用 Python 直接加载权重，常见做法是用 PIL 打开图像，再转成 numpy 数组或 tensor。这个环节里，PIL 能打开的文件格式基本就是模型入口支持的格式，比如 PNG、JPEG、BMP、WebP、TIFF。你需要提前做一次 .convert('RGB')，避免出现 RGBA 或灰度图导致维度报错。

如果你走的是 API 接口，服务端一般会定义图像字段为 image 或 image_url。有的实现只接受 Base64 字符串，有的同时接受 HTTP/HTTPS 链接。这两种方式对文件格式没有额外限制，因为服务端拿到后再解码，最终都变成像素数组。

常见格式的技术边界

JPEG/JPG：最通用，压缩后体积小，但可能有有损压缩痕迹。API 传输时优先选这个，解码快、失败率低。
PNG：无损，支持透明通道。若输入带 alpha，注意模型是否需要忽略透明度；通常要转成 RGB。
WebP：体积比 JPEG 更小，兼容性中等。如果平台支持，可以直接传；不确认时先转成 PNG/JPEG。
BMP/TIFF：本地推理常见，但 API 端不一定支持。建议先压缩转换。
GIF、SVG、ICON：GIF 一般只能取第一帧，SVG 必须先栅格化，ICON 极少见。不要直接传原文件。

自己搭本地推理时，用一段脚本验证

如果你能加载模型但不确定格式，可以用下面这个骨架跑一遍。重点是把图片转成模型最终需要的张量格式，不同模型要求略有差异，但核心路径基本一致。

from PIL import Image
import torch

"""
假设你已有 model 和 processor，或者手动做预处理。
这里演示如何从不同格式文件得到 RGB 张量。
"""
def load_as_rgb(path):
    img = Image.open(path)
    img = img.convert("RGB")
    return img

# 逐个测试
for p in ["/tmp/test.jpg", "/tmp/test.png", "/tmp/test.webp", "/tmp/test.bmp"]:
    try:
        im = load_as_rgb(p)
        # 继续走你们模型要求的 preprocess，例如 resize、归一化
        print(p, "-> OK", im.size)
    except Exception as e:
        print(p, "-> FAIL", e)

执行后看哪几个能通过。失败原因通常是“无法识别图像文件”，说明该格式在 PIL 层就解不开；如果是“尺寸过大”或“channel 不匹配”，则需要调整预处理步骤。

API 接入时，先按 Base64 或 URL 各测一次

很多接口支持两种方式，但个别环境只开通其中一种。如果你拿不准，先造一个 1x1 像素的 PNG，分别用 Base64 和 URL 试提交一次。参考请求骨架如下（具体字段名以你的服务端为准）：

POST /v1/vision
Content-Type: application/json

{
  "model": "qwen-image-3.0",
  "image": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAQAAAC1HAwCAAAAC0lEQVR42mP8/x8AAwMCAO+/p9sAAAAASUVORK5CYII="
}

把 Base64 换成下面的 URL 形式，看接口是否识别：

{
  "model": "qwen-image-3.0",
  "image_url": "https://example.com/test.png"
}

如果都返回 200，说明服务端对两种方式都接受。如果其中一个报错，就以可用方式提交。注意 URL 必须是公网可访问的，否则服务端拉取不到图片。

验证清单：按顺序排查

先确认入口是本地函数还是 HTTP API。
本地直接用 PIL 打开测试图，确认格式能解码。
API 接口先用 1x1 最小 PNG 试通。
再换正常尺寸的 JPEG、WebP 各测一次。
如果某格式报错，把报错信息中的 MIME 类型或编码错误记录，反向调整输入。

常见问题

能传 GIF 动图吗？

通常只能取第一帧。如果模型是视频模型或专门处理动图的，可能有额外通道；普通图像模型不支持多帧输入。

支持 SVG 矢量图吗？

不支持直接输入。SVG 需要先渲染成位图（PNG/JPEG）再传给模型。本地用 cairosvg 或 PIL 的 ImageOpen 按需转换。

图像大小有限制吗？

有限制。API 端常要求图像编码后不超过 20MB，分辨率也要低于模型训练尺寸。用大图前建议先缩放，避免超限后报错。

明确你的部署形态后，先用最小样例验证，再逐步叠加真实图片。如果格式报错，优先检查编码完整性，而不是立刻换另一种格式。这样能最快定位问题。