Qwen-Image：具备精确文字渲染能力的图像生成模型

阿里巴巴（通过其 Qwen 团队）发布了 Qwen-Image——一款基于 MMDiT 架构、拥有 200 亿参数的基础图像生成模型。其核心能力包括：卓越的文字渲染（支持多行布局、段落、字母语言和语标语言）、保持语义与真实感的一致性图像编辑，以及在公开基准测试（GenEval、DPG、OneIG-Bench、GEdit、ImgEdit、GSO、LongText-Bench、ChineseWord、TextCraft）中的强劲表现——该模型超越了现有同类产品。演示案例展示了精准生成中文汉字（出现在招牌、卷轴、书籍、海报等场景中）以及英文文本（包括在狭小空间内呈现的长篇幅内容）的实例。该模型支持海报与演示文稿创作、多种艺术风格适配，以及编辑操作（风格化、添加/移除对象、修改文字与姿态）。