Qwen-Image开源文生图模型

阿里巴巴发布了一款全新的多模态模型Qwen-Image，这款模型拥有200亿参数，专为解决“图中写字”这一难题而生。 Qwen-Image是一个200亿参数的MMDiT模型，可生成写实、动漫、赛博朋克、科幻、极简、复古、超现实、水墨等几十种类型的图片，支持图片的风格迁移、增删改、细节增强、文字编辑，人物姿态调整等常规操作。 在复杂文本渲染和精准图像编辑方面取得了显著进展。实验表明，该模型在图像生成和编辑方面均具有强大的通用能力，并且在文本渲染方面表现出色，尤其对中文文本渲染尤为出色。 Qwen-Image也可以生成OpenAI的GPT-4o爆火全网的吉卜力风格图片。根据「AIGC开放社区」实际测试二者差距很小，尤其是在超复杂中文提示词理解、文字嵌入方面Qwen-Image更好。 根据阿里公布的测试数据显示，Qwen-Image在GenEval、DPG、OneIG-Bench以及GEdit、ImgEdit和GSO测试中，图片生成、编辑能力非常出色，大幅度超越了文生图开源大黑马FLUX.1 [Dev]，成为中文最好的文生图模型。