《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 人工智能 > 業(yè)界動態(tài) > 阿里通義千問首個圖像生成基礎(chǔ)模型Qwen-Image開源

阿里通義千問首個圖像生成基礎(chǔ)模型Qwen-Image開源

支持中文高保真輸出
2025-08-05
來源:IT之家
關(guān)鍵詞: 通義千問 Qwen

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(chǔ)模型,其在復(fù)雜文本渲染和精確圖像編輯方面取得了顯著進展。

000.png

Qwen-Image 的主要特性包括:

文本渲染能力:Qwen-Image 在復(fù)雜文本渲染方面表現(xiàn)出色,支持多行布局、段落級文本生成以及細粒度細節(jié)呈現(xiàn)。無論是英語還是中文,均能實現(xiàn)高保真輸出。

一致性的圖像編輯能力:通過增強的多任務(wù)訓(xùn)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(xiàn):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(wù)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(jié)果表明,Qwen-Image 在文本渲染方面表現(xiàn)尤為出色,特別是在中文文本渲染上,大幅領(lǐng)先現(xiàn)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(shù)風(fēng)格。從照片級寫實場景到印象派繪畫,從動漫風(fēng)格到極簡設(shè)計,該模型能夠靈活響應(yīng)各種創(chuàng)意提示。

在圖像編輯方面,Qwen-Image 支持風(fēng)格遷移、增刪改、細節(jié)增強、文字編輯,人物姿態(tài)調(diào)整等多種操作。這讓普通用戶也能實現(xiàn)專業(yè)級的圖像編輯。


Magazine.Subscription.jpg

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權(quán)者。如涉及作品內(nèi)容、版權(quán)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(jīng)濟損失。聯(lián)系電話:010-82306118;郵箱:aet@chinaaet.com。