Qwen-Image-2.1は日本語に強いローカル画像生成AI、Macで検証した話

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。今回は、まさおさんの動画で紹介されていたQwen-Image-2.1を、私のMacで試した実践レポートです。

YouTubeの「まさおAIじっくり解説ch」で、このQwen-Image-2.1の解説動画が上がっていたんです。

▶ 【これは良い】ローカル画像モデル「Qwen-Image-2.1」が軽くて日本語も対応してて質が高いので解説します！

この動画のURLをAI秘書に送って、「これ試したい」って頼んだのが始まりです。

調べる・入れる・動かす・測るはAI秘書がやって、私は途中で出てくる選択肢を選びました。この記事の数字や画像は、その検証記録から書いています。

中国のアリババのQwenチームが、2026年9月20日に公開したモデルです。

▶ Qwen/Qwen-Image-2.1（Hugging Face）

前のモデルが200億パラメータだったのが、70億になりました。サイズは3分の1なのに、質は上がっています。

料理で言うと、寸胴鍋いっぱいで作っていた出汁を、片手鍋で同じ味が出せるようになった感じかな。

片手鍋になったから、家庭のキッチン、つまり手元のパソコンでも作れる。そこがローカルで動く画像生成AIの面白いところです。

私のマシンはMacBook Pro、M5 Maxの128GBメモリ。

動かすのに使ったのは mflux というツールです。AppleのMacでこういうモデルを動かすための、有志が作ったツール。Qwenの公式ツールではありません。

実測はこうでした。

まさおさんはM4 Maxの128GBで3分くらいって話していたので、だいたい同じくらいですね。

ここがこの記事の主役。

まず和紙に筆で「AI氣道」って書いてもらいました。縦書きで、旧字体の「氣」で。

一発で出ました。「氣」の中の「米」まで正確です！

次に、長めの文章も試しました。「朝の一杯 お湯は92度 30秒蒸らす」と入れたレシピカード。

これも一字一句そのまま出ました。誤字ゼロ。「蒸」のように画数の多い漢字も崩れていません。数字の92も30も正確。

さらに、できた画像を「直す」のも試しました。先ほどの「AI氣道」の書を渡して、「背景を木の机にして、左から朝日が差すように」って頼んでみたんです。

文字も円相も一切壊さずに、光の陰影だけ足してくれました！ ただ「木の机」への差し替えは効かなくて、和紙のままでした。

書いた文字を守ったまま、雰囲気だけ変えられる。これ、あとの活用アイデアで効いてきます。

さらに試したのが、背景が透明な画像。ステッカーやロゴのように、背景が透けている素材ですね。

最初は背景が紫のまま出てきました。調べてみたら、mfluxが透明の情報を捨てる作りになっていたんです。そこで、mflux本体は1文字も書き換えずに、その情報だけを取り出す小さなスクリプトを足しました。消せば元どおりに戻るやり方です。

そうして作ったのが、このロゴ。灰色の市松模様が見えているところが「透明」。

この9.4%は、筆のかすれた部分が半透明で抜けてるってこと。切り抜きの後処理なしで、作った瞬間から透過素材になっています。

柴犬のステッカーも、白いフチの外側がきれいに抜けました。

ここからが本題。

日本語が書ける。背景を透明にできる。文字を守ったまま直せる。しかも手元のMacだけで、ネットにつながずに動く。

この4つがそろうと、こんな使い道が見えてきます。

ブログ記事

• 記事の見出しごとに、日本語のタイトル入り画像を作る
• 本文の一文を、筆文字の引用カードにする
• 図解の見出し文字を、画像の中に直接書く

スライド

• 表紙と章タイトルを、日本語入りの1枚絵で作る
• 背景が透明なロゴやアイコンを作って、スライドに重ねる
• 同じ絵を「朝の光」「夕方の光」に直して、章ごとに雰囲気を変える

本

• 縦書きの章扉を、筆文字で作る
• 表紙のラフ案を、何十枚でも出して比べる
• 挿絵の中の日本語を、崩さずに入れる

どれも、今回試せたこと（日本語の文字・背景透過・文字を守った編集）の組み合わせです。

記事の画像づくりは、この記事で実際にやってみました。アイキャッチ1枚と見出し画像5枚、合わせて6枚。作り直しも入れて14回生成して、生成にかかった時間は合計で約28分でした。

スライドや本の形に組み上げるところまでは、まだ試していない段階です。

でも、1枚1〜3分で、ネットにもつながずに日本語入りの画像が出てくる。料理で言えば、冷蔵庫の中の材料だけで、もう一品作れる台所が手に入った感じです。その台所で何を作るかは、使う人次第ですね。

いいことばかりではなかったので、書いておきます。

人物の構図が思いどおりにならない。 「40代のビジネスマン2人の握手」を頼んだら、手のクローズアップになりました。顔は入らなかった。

見える範囲で、余分な指や不自然な関節はありませんでした。推測だけど、レンズの指定（85mm、被写界深度浅め）が効きすぎたのかも。

背景をがらっと差し替えるのは苦手。 さっきの「木の机」がそうでしたね。

短い日本語でも、字が抜けることがある。 この記事の見出し画像を作ったとき、頼んだ言葉がそのまま出たのは14回中8回でした。

抜けたのは、例えば「寸胴鍋から片手鍋へ」の「か」です。2回作り直しても、同じ「か」が抜けました。

ほかにも「使う前に確認」の「前」が2回とも抜けたり、「片手鍋で同じ味」の濁点が2つ消えたりしました。言葉を変えたら、ちゃんと出ました。

頼んでいない文字は、それっぽい別の字になる。 紙や画面の上に、頼んでいない文字が勝手に描かれることがあります。これは、漢字に見えるけれど実在しない字でした。

「引用した言葉以外は描かないで」とプロンプトに足したら、ぐっと減りました。ただ、小さな印鑑の中などに残る回はありました。

それから、英語の「Qwen」が「Qwan」になった回もありました。画像に入れる文字は、最後に必ず目で読んで確かめるのがおすすめです。

最初のダウンロードは待つ。 約30GBある。途中で止まったように見えても、ただ時間がかかっているだけのことがあります。AI秘書が「止まった」と判断して3回再起動したら、そのたびにやり直しになりました。放っておいたら普通に終わりました。

ここは大事なので、はっきり書いておきます。

Qwen-Image-2.1のライセンスは「研究と評価の目的でのみ無料」。商用で使うには別の契約が必要って書いてあります。

▶ Qwen Research License（本文）

まさおさんも動画の中で、商用利用は不可になっていること、研究と評価は無償で商用は別契約が必要なことを説明していました。

ライセンスの中で “Materials”（対象物）と呼んでいるのは、モデル本体とドキュメント。生成された画像の使い道を定めた条項は、この文書の中には見当たりませんでした。縛りがかかっているのは「モデルを何の目的で動かすか」だと読めます。

私の読み方はこうです。

つまり、上の活用アイデアを実際の仕事でやるなら、Qwenとの別契約か、別のモデルを使うことになります。

同じQwenでも、ひとつ前のモデル（Qwen-Image-2512）はApache 2.0。商用OKのライセンスです。

▶ Qwen/Qwen-Image-2512（Hugging Face）

ただ、2512で日本語や背景透過がどこまで出るかは、まだ試していません。

私は法律の専門家ではないので、書けるのは「条文にこう書いてあった」「私はこう読んだ」まで。仕事で使うときは、ちゃんと確認してください。

Qwen-Image-2.1は、日本語に強いローカル画像生成AIでした。Macで試したら日本語がきれいに書けた、その結果をまとめます。

1. Qwen-Image-2.1は、手元のMacだけで日本語がきれいに書けた（ただし字が抜ける回もあるので、目で確かめる）
2. M5 Max 128GBで1枚1〜3分
3. 背景透過も、文字を守った編集もできた
4. この記事の画像6枚も手元で作れた。スライドや本にも広げられそう
5. 仕事で使うなら、ライセンスは別契約か商用OKのモデルで

ネットにつながずに、日本語入りの画像が手元で出てくる。あなたなら、何を作りますか？

競争より共創。

まずは手元のパソコンで、一枚の文字から試してみてください。