実際に使える文字入り画像を作る
生成画像には見栄えだけでなく、読める見出し、崩れないレイアウト、意図を保つ再編集が必要です。Qwen-Imageは、複雑な2言語テキスト描画と高精度な編集に向けた20B MMDiT画像基盤モデルです。
中核機能
複雑な中国語・英語テキスト
複数行、段落レベルの意味、細部を高精度に描画し、英語などのアルファベット言語と中国語などの表語文字に対応します。
編集時の一貫性
強化されたマルチタスク学習により、意味と写実性を維持しながら正確に変更できます。
生成・編集ベンチマーク
複数の公開ベンチマークで幅広い生成・編集モデルを上回り、新たな基準となる強力な基盤を確立しています。
技術性能
- 一般画像生成：GenEval、DPG、OneIG-Bench
- 画像編集：GEdit、ImgEdit、GSO
- テキスト描画：LongText-Bench、ChineseWord、TextCraft
特に中国語生成で強く、多言語制作に重要な能力を検証しています。主な仕様は20Bパラメータ、MMDiTアーキテクチャ、マルチタスク学習、多言語対応です。
事例
中国語テキスト
例1：宮崎作品風の場面
宮崎アニメ風の場面
「云存储」「云计算」「云模型」の看板、自然な被写界深度、正確な人物ポーズを描画。
宮崎アニメ風の画面に「云存储」「云计算」「云模型」、酒甕の「千问」を正確に描き、被写界深度、ポーズ、表情も維持しています。
例2：中国の伝統的な対聯
中国の伝統的な対聯
書道効果を施した対聯と中央の岳陽楼。
左右の対聯と横額、中央の岳陽楼、卓上の青花磁器を写実的に生成しています。
英語テキスト
例3：書店のショーウィンドウ
書店のショーウィンドウ
“New Arrivals This Week”と“The light between worlds”“When stars are scattered”“The silent patient”“The night circus”を正確に生成。
見出しと4冊の表紙文字を正確に出力しています。
例4：複雑なインフォグラフィック
心の健康に関するインフォグラフィック
アイコン、見出し、説明を持つ6つのサブモジュール。
6つの各モジュールを美しく配置しています。
小さな文字と2言語
例5：手書きの詩
紙に書かれた手書きの詩
画像の10分の1未満を占める長い手書き文も正確に描画。
例6：2言語コンテンツ
2言語の手書きコンテンツ
英語と中国語を滑らかに切り替えて描画。
制作への応用
映画ポスター
映画ポスター：“Imagination Unleashed”
題名、副題、出演者、監督、公開情報を含む複雑なポスター。
プロ向けプレゼン
プロ向けPPTデザイン
Alibabaのブランド、技術内容、中国の伝統文化を含む企業品質のPPT。
高度な機能
写実、印象派、アニメ、ミニマルデザインなど幅広い一般画像生成に対応します。編集では、スタイル変換、追加と削除、細部の強化、テキスト編集、人物のポーズ調整が可能で、一般利用者もプロ水準の編集を行えます。
主な利用者と用途
- クリエイティブ制作：ポスター、プレゼン、書籍表紙、SNS。
- 商用：ブランドを正確に反映したマーケティング、商品画像、ブランド要素、文字入り広告。
- 教育：教材、インフォグラフィック、手順図、多言語コンテンツ。
- 娯楽：ゲーム素材、アニメーション、正確な吹き出しの漫画、文字入り挿絵。
選ばれる理由
- 優れたテキスト描画：複数行、多言語、細部、フォントとスタイル。
- 高度な画像編集：オブジェクト操作、スタイル変換、細部強化、意味の維持。
- 複数ベンチマークで高性能：最先端で一貫し、信頼性と再現性が高い結果。
- 使いやすいUI：Qwen Chatから複雑な設定なしで直感的に利用可能。
始め方
- Qwen Chatへアクセスし、“Image Generation”を選び、文章で生成。
- テキスト描画を試す：中国語・英語、複雑なレイアウト、各種スタイル。
- 画像編集を試す：多様な操作、スタイル変換、プロ品質の制作。
Qwen-Imageで制作を始める
Qwen-Imageは、優れたテキスト描画、強力な編集、複数ベンチマークでの性能を兼ね備え、クリエイター、企業、開発者に有用です。ポスター、プレゼン、2言語キャンペーンなど具体的な成果物から始め、必須文をそのまま記載し、視覚階層とスタイルを定義して、細部の前に文字を確認してください。
画像生成の発展、制作の技術障壁の低減、新しい応用の創出に貢献し、コミュニティと共に開かれた透明で持続可能な生成AIエコシステムを築くことを目指します。
