8 月 5 日消息，阿里通義千問團隊今日宣布開源 Qwen-Image，這是一個 20B 的 MMDiT 模型，也是通義千問系列中首個圖像生成基礎模型，其在復雜文本渲染和精確圖像編輯方面取得了顯著進展。
Qwen-Image 的主要特性包括：
文本渲染能力：Qwen-Image 在復雜文本渲染方面表現出色，支持多行布局、段落級文本生成以及細粒度細節呈現。無論是英語還是中文，均能實現高保真輸出。
一致性的圖像編輯能力：通過增強的多任務訓練范式，Qwen-Image 在編輯過程中能保持編輯的一致性。
跨基準性能表現：在多個公開基準測試中的評估表明，Qwen-Image 在各類生成與編輯任務中均獲得 SOTA。
通義千問團隊在多個公開基準上對 Qwen-Image 進行了全面評估，包括用于通用圖像生成的 GenEval、DPG 和 OneIG-Bench，以及用于圖像編輯的 GEdit、ImgEdit 和 GSO。
Qwen-Image 在所有基準測試中均取得了最先進的性能。此外，在用于文本渲染的 LongText-Bench、ChineseWord 和 TextCraft 上的結果表明，Qwen-Image 在文本渲染方面表現尤為出色，特別是在中文文本渲染上，大幅領先現有的最先進模型。
除了文本處理，Qwen-Image 在通用圖像生成方面支持多種藝術風格。從照片級寫實場景到印象派繪畫，從動漫風格到極簡設計，該模型能夠靈活響應各種創意提示。
在圖像編輯方面，Qwen-Image 支持風格遷移、增刪改、細節增強、文字編輯，人物姿態調整等多種操作。這讓普通用戶也能實現專業級的圖像編輯。
本站內容除特別聲明的原創文章之外，轉載內容只為傳遞更多信息，并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如涉及作品內容、版權和其它問題，請及時通過電子郵件或電話通知我們，以便迅速采取適當措施，避免給雙方造成不必要的經濟損失。聯系電話：010-82306118；郵箱：aet@chinaaet.com。