告别抠图噩梦！阿里开源「AI版PS」，一键智能分层，设计师狂喜

前言

对于设计师而言，图层是创作的基石，是灵感的容器，也是无数次修改的见证者。然而，面对一张复杂的合成图像或AI生成的精美画面，想要精准分离其中的元素进行二次编辑，往往意味着耗时费力的手动抠图。现在，这个痛点有望被彻底解决。阿里通义千问团队刚刚开源了Qwen-Image-Layered模型，它能像Photoshop一样，智能地将一张图片分解成多个可独立编辑的RGBA图层。这不仅是技术的突破，更是对设计工作流的革命性重塑。

正文

模型介绍

🎨 Qwen-Image-Layered 正式发布 —— 原生图像分层，完全开源！

✨ 为何它如此出众？ ✅ Photoshop级别的分层能力 生成物理隔离的RGBA图层，具备真正的原生可编辑性。 ✅ 提示词控制结构 可明确指定生成3-10个图层，从粗略布局到精细细节，尽在掌控。 ✅ 无限分解潜力 持续深入：图层之中还有图层，可挖掘至任何细节深度。

资源直达： 🤗 Hugging Face: https://huggingface.co/Qwen/Qwen-Image-Layered 🧩 ModelScope: https://modelscope.cn/models/Qwen/Qwen-Image-Layered 💻 GitHub: https://github.com/QwenLM/Qwen-Image-Layered 📝 官方博客: https://qwen.ai/blog?id=qwen-image-layered 📄 技术报告: https://arxiv.org/abs/2512.15603 🚀 在线体验 (HF): https://huggingface.co/spaces/Qwen/Qwen-Image-Layered 🚀 在线体验 (ModelScope): https://modelscope.cn/studios/Qwen/Qwen-Image-Layered

模型效果展示：复杂场景的智能分层 分层细节对比：原图与分离出的独立图层 提示词控制示例：通过文字指导分层结构

用途是什么？

图像智能分层对设计师而言，简直是一个“神器”！以下是社区网友发掘的几个高光应用场景。

1. 拆解PPT/演示文稿图片

将AI生成的一整页幻灯片内容图，智能拆解成独立的图片、文字、图形元素，便于在PPT中直接编辑和调整布局。

Quentin Lhoest 🤗 @lhoestq · 12月20日 来得正是时候！开源将修复Google Slide AI Klaas @forgebitz

在谷歌幻灯片里用AI 生成了一页幻灯片 结果它是一张幻灯片“图片”

示意图：将单张幻灯片图像分解为可编辑元素

2. 游戏开发，快速分离场景元素

轻松分离游戏场景原画中的背景、角色、前景物体、UI文字等，极大加速游戏素材的制作与迭代流程。

@nicekate8888 Qwen-Image-Layered 背景分离、文字分离，效果太强了。好适合游戏开发！

游戏场景图分层示例：分离背景、角色、特效等

3. 革命性的设计图层管理与编辑

从根本上改变了“后编辑”AI图像的逻辑，让精准、局部的调整成为可能，而无需担心破坏整体。

** Maki@Sunwood AI Labs. @hAru_mAki_ch** ＜＜Qwen-Image-Layered爆誕＞＞＞ 这个一定要试试！！！ 🎨 将一张图像分解为多个“图层”的革新性AI 🎨 画完后也能自由自在地操作部件 🎨 直观而简单的图像编辑新世界

---

【AI图像编辑的重大烦恼】 ⚠️ 想修改的部分之外也会发生微妙变化 ⚠️ 背景或无关部分会崩坏的现状 ⚠️ 无法100%反映用户意图的课题

---

【为何会产生问题？】 🖼️ 传统的数字图像是“一张画布” 🖼️ 全要素融合的“栅格图像”性质 🖼️ 像素之间紧密结合的缘故

传统编辑 vs 分层编辑对比示意图

1LittleCoder💻 @1littlecoder . @Alibaba_Qwen 这次真的玩大了 🔥 多层分解来了！ 这完全是AI驱动的Photoshop！ QwenImage-Layered是一个端到端的扩散模型，可将单个RGB图像分解为多个语义解耦的RGBA图层。 这意味着，你可以进行针对性编辑，精度更高，且不会干扰其他图层/组件！

精准编辑示例：只修改特定图层（如衣服颜色）

Xavier Mitjana @xavier_mitjana 最后我还是没忍住。 我用最新的Qwen Layered Image模型创建了我的迷你AI Photoshop。 一切简单快速，多亏了Opus 4.5通过 @fal 的API连接模型。

网友自制的AI Photoshop界面演示

如何使用？

除了上文官方提到的使用地址，还有以下地方可以用：

在ComfyUI中使用

该模型已支持ComfyUI工作流。在ComfyUI中运行可以方便地调整尺寸等参数。需要注意的是，直接输出大尺寸（如1152x2016）未量化模型的结果，即使在RTX5090上也可能需要较长时间（约500秒），但相应的，输出质量会非常高。

ComfyUI工作流节点图 在ComfyUI中处理并查看分层结果

在Figma中使用（通过插件）

可以使用作者开发的Figma插件：ComfyUi Image Generator Cloud。该插件最新版本已接入Google的Nano Banana Pro以及这个Qwen-Image-Layered模型。

Figma插件界面截图

直接在Figma中选中想要分层的图片，设置好参数（如图层数量），稍等片刻即可将分好层的图片组导入Figma。

在Figma中调用插件进行分层

分层完成后，稍作处理就能快速制作成海报。下图示例中，只是简单添加了文字并调整了图层样式。

利用分层结果快速合成的海报

局限性

目前模型并非完美，社区用户也指出了其现阶段的一些局限。

Amogh Vaishampayan @amogh42 我对 @Alibaba_Qwen 的Qwen-Image-Layered模型的分析——对于平面设计类图像效果不错，但对于照片（写实图像）就不那么理想了！

主要问题在于提取出一个图层后，填补留下的“空洞”。我预计他们或其他人会对此进行改进，因为现在的修复（Inpainting）模型已经相当好了。

在ComfyUI中使用它，并利用提取的图层作为蒙版进行重新绘制，会得到好得多的结果。

局限性示例：处理写实照片时，背景填补可能不自然

简而言之，该模型在卡通、插画、设计稿等语义和结构清晰的图像上表现优异，但在处理复杂纹理、光影交错的真实照片时，背景修复能力尚有提升空间。结合现有的图像修复模型进行后期处理，是当前获得更佳效果的有效策略。

写在最后

Qwen-Image-Layered的发布，标志着AI向理解图像内部结构迈出了关键一步。它不再将图像视为一个不可分割的整体，而是能够解析其内在的层次与语义。对于设计师来说，这意味着一扇新的大门已经打开：更流畅的AI协作流程、更精准的创意修改、以及从“生成后即固定”到“生成后仍可深度编辑”的范式转变。尽管仍有改进空间，但其开源特性无疑将加速整个生态的进化。不妨现在就尝试一下，亲自感受它将为你的设计工具箱带来的全新可能。

更多 AI 前沿技术与设计灵感，欢迎关注「设计小站」公众号（ID：sjxz00），一起探索科技与设计的融合创新。