Qwen-Image：阿里通义千问推出的图像生成基础模型

Qwen-Image 是什么？

Qwen‑Image 是通义千问团队推出的 20B 参数多模态 Transformer 模型，定位为图像生成基础模型。它专注于复杂文本的高保真渲染，并能够在生成图像的同时进行文字布局、段落排版和细节编辑，适用于中文与英文等多语言场景。在通用生成基准（GenEval、DPG、OneIG‑Bench）和图像编辑基准（GEdit、ImgEdit、GSO）上均达到先进性能。借助更一致的图像编辑能力和跨基准表现，Qwen‑Image 能帮助用户完成宣传海报、图文插画、文档排版等创作任务，并降低专业视觉内容创作门槛。

Qwen-Image 的主要特性

卓越的文本渲染能力: Qwen-Image 在复杂文本渲染方面表现出色，支持多行布局、段落级文本生成以及细粒度细节呈现。无论是英语还是中文，均能实现高保真输出。
一致性的图像编辑能力: 通过增强的多任务训练范式，Qwen-Image 在编辑过程中能出色地保持编辑的一致性。
强大的跨基准性能表现: 在多个公开基准测试中的评估表明，Qwen-Image 在各类生成与编辑任务中均获得SOTA，是一个强大的图像生成基础模型。

Qwen-Image 的性能表现

Qwen-Image在多个公开基准上进行了评估，包括用于通用图像生成的GenEval、DPG和OneIG-Bench，以及用于图像编辑的GEdit、ImgEdit和GSO。Qwen-Image在所有基准测试中均取得了最先进的性能，展现出其在图像生成与图像编辑方面的强大能力。此外，在用于文本渲染的LongText-Bench、ChineseWord和TextCraft上的结果表明，Qwen-Image在文本渲染方面表现尤为出色，特别是在中文文本渲染上，大幅领先现有的最先进模型。

Qwen-Image 的应用场景

创意设计：支持多种艺术风格，从照片级写实场景到印象派绘画，从动漫风格到极简设计，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功能工具。
海报制作：能够根据用户输入的文本和设计要求，生成具有视觉冲击力和艺术感的海报，如电影海报、活动海报等，满足不同风格和主题的需求。
PPT制作：可以生成企业级高质量的PPT页面图像，具备科技感十足的星空蓝主色调，融合流动的发光科技线条与微光粒子特效，营造出专业、现代且富有信任感的品牌氛围，同时支持多种艺术风格和布局要求。