Qwen-Image 发布：双语文字渲染与精准图像编辑

生成真正可用的文字图像

设计师和内容团队需要生成的图像不仅仅是看起来精致：标题必须清晰可读，布局必须完整协调，后续编辑必须保留原始意图。Qwen-Image 是一款 20B MMDiT 图像基础模型，专为复杂的双语文字渲染和精准图像编辑而构建。

核心能力

渲染复杂的中英文文字

Qwen-Image 在复杂文字渲染方面表现出色，包括多行布局、段落级语义和精细细节。该模型对字母语言（如英语）和表意语言（如中文）均具有极高的保真度，使其非常适合需要精确文字呈现的内容创作。

编辑过程中保持一致性

通过增强的多任务训练范式，Qwen-Image 在编辑操作中实现了保持语义含义和视觉真实性的卓越性能。这一能力使用户能够在保持原始图像完整性的同时执行精准修改。

在生成和编辑基准测试中表现优异

在多个公开基准测试中，Qwen-Image 在多样化的生成和编辑任务中持续超越现有模型，确立了图像生成基础模型的坚实地位，并在该领域树立了新标准。

技术性能

基准测试覆盖范围

Qwen-Image 已在多个公开基准测试中进行了全面评估：

• 通用图像生成：GenEval、DPG 和 OneIG-Bench
• 图像编辑：GEdit、ImgEdit 和 GSO
• 文字渲染：LongText-Bench、ChineseWord 和 TextCraft

评估涵盖图像生成和编辑两个方面，在中文文字生成方面表现尤为突出。这些基准测试共同检验了与多语言创意生产最相关的能力。

关键技术特性

• 20B 参数模型：大规模架构带来卓越性能
• MMDiT 架构：先进的 Transformer 设计
• 多任务训练：增强多样化能力的训练范式
• 跨语言支持：无缝处理多种语言

示例与用例

中文文字渲染的卓越表现

示例 1：宫崎骏风格场景

Qwen-Image 的一项出色能力是在不同场景中实现高保真的文字渲染。让我们来看一个中文渲染案例：

该模型不仅准确捕捉了宫崎骏的动画风格，还呈现了"云存储"、"云计算"和"云模型"等店铺招牌以及酒罐上的"千问"字样，所有文字都以真实的景深效果精准渲染。人物的姿态和表情也得到了完美保留。

示例 2：传统中文对联

让我们再看一个中文渲染的示例：

模型准确绘制了左右对联和横批，应用了书法效果，并在中间精准生成了岳阳楼。桌上的青花瓷也非常逼真。

英文文字渲染能力

示例 3：书店橱窗展示

那么，模型在英文方面的表现如何？让我们看一个英文渲染示例：

在这个示例中，模型不仅准确输出了"New Arrivals This Week"，还精准生成了四本书的封面文字："The light between worlds"、"When stars are scattered"、"The silent patient"和"The night circus"。

示例 4：复杂信息图布局

让我们看一个更复杂的英文渲染案例：

在这个案例中，模型需要生成 6 个子模块，每个模块都有各自的图标、标题和相应的介绍文字。Qwen-Image 完美地完成了整个布局。

小字与双语能力

示例 5：手写诗词

更小的文字效果如何？让我们来测试一下：

在这个案例中，纸张面积不到整张图像的十分之一，且文字段落较长，但模型仍然精准地生成了纸上的文字。

示例 6：双语内容

如果是双语内容呢？使用相同的场景，我们来尝试这个提示词：

如您所见，模型在渲染文字时可以随时在两种语言之间进行切换。

创意应用

电影海报创作

Qwen-Image 的文字能力使海报创作变得轻而易举，例如：

专业演示文稿设计

既然能制作海报，当然也能直接制作 PPT。让我们来看一个中文 PPT 的制作案例：

高级能力

通用图像生成

除了文字处理，Qwen-Image 在通用图像生成方面同样表现出色，支持多种艺术风格。从写实场景到印象派画作，从动漫风格到极简设计，模型能够灵活响应各种创意提示，成为艺术家、设计师和故事创作者的多用途工具。

图像编辑功能

在图像编辑方面，Qwen-Image 支持多种操作，包括：

• 风格迁移：将图像转换为不同的艺术风格
• 添加与删除：在图像中添加或移除对象
• 细节增强：提升图像质量和细节
• 文字编辑：修改或添加图像中的文字
• 人物姿态调整：改变姿态和表情

这使得即使是普通用户也能轻松实现专业级的图像编辑。

Qwen-Image 适用于哪些人群

创意内容制作

• 海报设计：制作包含精准文字的营销材料
• 演示图形：生成专业幻灯片和信息图
• 书籍封面：设计具有精确文字渲染的封面
• 社交媒体内容：创作引人注目的视觉内容

商业应用

• 营销材料：生成包含精准品牌标识的推广内容
• 产品可视化：创建带有详细规格的产品图像
• 品牌形象：开发一致的视觉品牌元素
• 广告创意：制作包含文字元素的引人注目的广告视觉

教育内容

• 学习材料：生成带有文字的教育图形
• 信息图：创建富有信息量的视觉内容
• 教程图形：开发分步视觉指南
• 多语言内容：创建多种语言的内容

娱乐

• 游戏素材：生成包含文字元素的游戏图形
• 动画帧：创建包含文字的动画内容
• 漫画创作：开发具有精准对话框的漫画
• 故事插图：生成带有文字的书籍插图

为什么团队选择 Qwen-Image

1. 卓越的文字渲染

   • 复杂的多行布局
   • 多语言支持
   • 精细的细节保留
   • 精准的字体和风格渲染

2. 先进的图像编辑

   • 精准的对象操控
   • 风格迁移能力
   • 细节增强
   • 语义保持

3. 跨基准测试的卓越表现

   • 业界领先的性能
   • 任务一致性质量
   • 强大的基础模型能力
   • 可靠且可复现的结果

4. 用户友好的界面

   • 通过 Qwen Chat 即可访问
   • 无需复杂设置
   • 即时使用各项功能
   • 直观的用户体验

如何开始使用

要体验最新的 Qwen-Image 模型：

1. 访问 Qwen Chat

   • 导航至 Qwen Chat 平台
   • 选择"图像生成"选项
   • 使用文字提示词开始创作

2. 体验文字渲染

   • 尝试中英文文字提示词
   • 测试复杂布局和设计
   • 探索不同的艺术风格

3. 探索图像编辑

   • 测试各种编辑操作
   • 尝试风格迁移
   • 创作专业品质的内容

使用 Qwen-Image 开始创作

Qwen-Image 代表了 AI 图像生成技术的重大进步。其卓越的文字渲染能力，结合强大的图像编辑功能和出色的跨基准测试表现，使其成为创作者、企业和开发者的宝贵工具。

从一个具体的可交付成果开始，如海报、演示视觉素材或双语营销素材。逐字描述所需文字，定义视觉层次和样式，然后在细化次要细节之前先审查排版。这种工作流有助于将 Qwen-Image 的生成和编辑能力转化为可重复的生产流程。

我们希望 Qwen-Image 能进一步推动图像生成技术的发展，降低视觉内容创作的技术门槛，并激发更多创新应用。同时，我们也期待社区的积极参与和反馈，共同构建开放、透明、可持续的生成式 AI 生态系统。