阿里通義千問首個圖像生成基礎模型 Qwen-Image 開源 支持中文高保真輸出
2025-08-05 11:06:52 |
唐薇 |
1147
8月5日，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。
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 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。
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。
特別提醒：本網信息來自于互聯網，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字、圖片等內容的真實性、完整性、及時性本站不作任何保證或承諾，請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時發送相關信息至bireading@163.com，本站將會在48小時內處理完畢。
