阿里通义发布开源文生图模型 Qwen-Image

阿里通义千问团队开源了其首个图像生成基础模型Qwen-Image。该模型是一个拥有200亿参数的MMDiT（多模态扩散Transformer）模型，基于Apache 2.0许可证开源。

Qwen-Image在复杂文本渲染和精确图像编辑方面取得了显著进展，尤其在中文文本渲染上表现卓越。

Qwen-Image的主要特性包括：

• 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。

如需体验 Qwen-Image，访问 QwenChat（chat.qwen.ai) 并选择“图像生成”功能。同时该模型已在魔搭社区与 Hugging Face 开源。

ModelScope：https://modelscope.cn/models/Qwen/Qwen-Image
Hugging Face：https://huggingface.co/Qwen/Qwen-Image
GitHub：https://github.com/QwenLM/Qwen-Image
Technical report：https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-Image/Qwen_Image.pdf
Demo: https://modelscope.cn/aigc/imageGeneration?tab=advanced

示例展示

宫崎骏的动漫风格。平视角拍摄，阳光下的古街热闹非凡。一个穿着青衫、手里拿着写着“阿里云”卡片的逍遥派弟子站在中间。旁边两个小孩惊讶的看着他。左边有一家店铺挂着“云存储”的牌子，里面摆放着发光的服务器机箱，门口两个侍卫守护者。右边有两家店铺，其中一家挂着“云计算”的牌子，一个穿着旗袍的美丽女子正看着里面闪闪发光的电脑屏幕；另一家店铺挂着“云模型”的牌子，门口放着一个大酒缸，上面写着“千问”，一位老板娘正在往里面倒发光的代码溶液。