Qwen-Image-Edit-2509 发布: 多图编辑支持，单图一致性提升-低调大师

Qwen-Image-Edit-2509 发布: 多图编辑支持，单图一致性提升

2025-09-23 170

阿里通义 Qwen 团队宣布推出 Qwen-Image-Edit-2509，作为 Qwen-Image-Edit 的月迭代版本。

相比于8月发布的 Qwen-Image-Edit，Qwen-Image-Edit-2509 的主要特性包括：

多图编辑支持: 对于多图输入，Qwen-Image-Edit-2509 基于 Qwen-Image-Edit 结构，通过拼接方式进一步训练，从而进行了支持。提供“人物+人物”，“人物+商品”，“人物+场景” 等多种玩法。
单图一致性增强: 对于单图输入，Qwen-Image-Edit-2509 显著提高了一致性，主要体现在以下方面：
- 人物编辑一致性增强: 增强人脸ID保持，支持各种形象照片、姿势变换；
- 商品编辑一致性增强: 增强商品ID保持，支持商品海报编辑；
- 文字编辑一致性增强: 除了支持文字内容修改外，还支持多种文字的字体、色彩、材质编辑；
原生支持ControlNet: 包括深度图、边缘图、关键点图等

Qwen-Image-Edit-2509 的首要更新是支持了多图输入。

先看一个“人物+人物”的例子：

再看一个“人物+场景”的例子：

下面是一个“人物+物体”的例子：

值得一提的是，文字的编辑常常也可以和图像的编辑交融在一起，比如下面这个海报编辑的例子：

Qwen-Image-Edit-2509 还有一个值得关注的更新是原生支持了ControlNet的常用的图像条件，比如关键点控制、草图等。

如需体验最新模型，访问Qwen Chat并选择“图像编辑”功能。

微信关注我们

原文链接：https://www.oschina.net/news/373866

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

阿里通义发布旗舰语音合成模型 Qwen3-TTS-Flash

阿里通义Qwen团队宣布推出旗舰级多语言多音色文本转语音模型Qwen3-TTS-Flash，该模型支持多语言、多音色及多种汉语方言，在seed-tts-eval与MiniMax多语测试集上取得了SOTA级别的稳定性和相似度，并同步上线了API、Demo与多段音频样例。官方团队称他们对Qwen3-TTS-Flash在语音稳定性和音色相似度方面进行了全面评估，结果显示其在多项指标上都达到了SOTA性能。具体来说，在seed-tts-eval test set上，Qwen3-TTS-Flash在中英文的语音稳定性表现上均取得了SOTA成绩，超越了SeedTTS、MiniMax和GPT-4o-Audio-Preview。此外，在MiniMax TTS multilingual test set上，Qwen3-TTS-Flash在中文、英文、意大利语和法语的WER均达到了SOTA，显著低于MiniMax、ElevenLabs和GPT-4o-Audio-Preview。在说话人相似度方面，Qwen3-TTS-Flash在英文、意大利语和法语均超过了上述模型，在多语言的语音稳定性和音色相似度上...

2025-09-23

153

智元机器人 GO-1 （Genie Operator-1）通用具身基座大模型宣布全面开源。 “这标志着全球首个采用Vision-Language-Latent-Action (ViLLA)架构的通用具身智能模型向全球开发者免费开放，将极大降低具身智能的技术门槛，推动行业快速发展。” 根据介绍，GO-1采用的Vision-Language-Latent-Action (ViLLA)架构是具身智能领域的重大技术突破。与传统的Vision-Language-Action (VLA)架构相比，ViLLA通过引入隐式动作标记，成功弥合了图像-文本输入与机器人执行动作之间的语义鸿沟。这一创新使得机器人能够更好地理解人类意图，并将其转化为精确的动作执行。 ViLLA架构的核心在于其三层协同设计。VLM多模态理解层基于InternVL-2B构建，能够处理多视角视觉图片、力觉信号、语言输入等多模态信息，为整个系统提供强大的场景感知和指令理解能力。Latent Planner隐式规划器通过预测隐式动作标记，实现了对复杂操作任务的高层次规划和理解。Action Expert动作专家则基于扩散模型，能够生成高...

2025-09-23

135

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。