12月2日，阿里巴巴發(fā)布了圖片生成及編輯模型Qwen-Image的重磅更新。新模型在圖像編輯中維持了更高的一致性，并在多視角轉(zhuǎn)換、多圖像融合、多模態(tài)推理等方面取得突破進(jìn)展，可廣泛用于概念創(chuàng)意、工業(yè)設(shè)計(jì)、日常修圖等諸多場景。目前，新版本Qwen-Image已首發(fā)接入千問APP，用戶可無限次免費(fèi)使用。

Qwen-Image-Edit 基于20B的 Qwen-Image 模型進(jìn)一步訓(xùn)練，相較于上個(gè)版本，新的Qwen-Image-Edit模型還進(jìn)行多項(xiàng)關(guān)鍵性能增強(qiáng)：在圖片編輯中，新模型大幅減輕了主體偏移問題，生圖不模糊、更穩(wěn)定；同時(shí)提升了主體一致性，使得多張圖片中的人物可順暢融合為一張合照。Qwen-Image-Edit新模型在工業(yè)設(shè)計(jì)場景著重進(jìn)行了優(yōu)化，輕松實(shí)現(xiàn)變顏色、變視角、局部修改、材質(zhì)替換等常用功能；新模型的推理能力也有大幅提升，特別是在幾何推理方面，可直接在幾何圖上生成新的輔助線等效果。

此前，Qwen-Image基礎(chǔ)版在用于通用圖像生成的GenEval、DPG和OneIG-Bench，以及用于圖像編輯的GEdit、ImgEdit和GSO等多個(gè)基準(zhǔn)測試中均取得了最先進(jìn)的性能，展現(xiàn)出其在圖像生成與圖像編輯方面的強(qiáng)大能力。此外，在用于文本渲染的LongText-Bench、ChineseWord和TextCraft上的結(jié)果表明，Qwen-Image在文本渲染方面表現(xiàn)尤為出色。

Qwen-Image系列模型自開源發(fā)布以來，即刻成為全球AI社區(qū)最火熱的開源視覺基礎(chǔ)模型，當(dāng)前總下載量已突破300萬次。在全球最大的AI開源社區(qū)HuggingFace的“圖生圖”榜單前15中，有13個(gè)都是Qwen-Image的原生或衍生模型，網(wǎng)友們紛紛基于Qwen-Image魔改出各種新版本等，比如鏡頭控制lora效果，可實(shí)現(xiàn)圖片的多角度重新編輯，目前仍高居HuggingFace的演示空間（Space）榜單第一。如今，開源社區(qū)的優(yōu)秀創(chuàng)意也已吸納到新改版的Qwen-Image-Edit模型中，基模上就可實(shí)現(xiàn)打光、換視角等特色效果。

Qwen-Image衍生模型霸榜開源社區(qū)

目前，Qwen-Image-Edit最新模型已經(jīng)在千問App全面上線，普通用戶也可免費(fèi)使用這一新模型。用戶只需在千問APP對話界面輸入指令，即可自動(dòng)調(diào)用Qwen-Image系列模型的強(qiáng)大能力，實(shí)現(xiàn)生圖、修圖、多圖融合等操作。例如，輸入“生成圖1和圖2的人物合照”，模型能高效、精準(zhǔn)地生成符合語義的圖像，效果直觀且富有創(chuàng)意。

此外，結(jié)合千問App上接入的萬相Wan2.5視頻生成能力，用戶還可實(shí)現(xiàn)生圖、生視頻的無縫串聯(lián)：先生成人物圖像，再一鍵實(shí)現(xiàn)“一張照片就跳舞”或“對口型唱歌”等功能，瞬間將靜態(tài)畫面轉(zhuǎn)化為動(dòng)態(tài)視頻，真正實(shí)現(xiàn)從圖像生成到創(chuàng)意表達(dá)的全新創(chuàng)作方法。