Qwen-Image-Edit
详情
下载文件
关于此版本
模型描述
我们很高兴推出 Qwen-Image-Edit，这是 Qwen-Image 的图像编辑版本。基于我们的 20B Qwen-Image 模型，Qwen-Image-Edit 成功将 Qwen-Image 独特的文本渲染能力扩展至图像编辑任务，实现精准的文本编辑。此外，Qwen-Image-Edit 同时将输入图像送入 Qwen2.5-VL（用于视觉语义控制）和 VAE 编码器（用于视觉外观控制），从而兼具语义与外观编辑能力。
核心功能：
语义与外观编辑：Qwen-Image-Edit 支持低级视觉外观编辑（如添加、删除或修改元素，要求图像其他区域完全不变）和高级视觉语义编辑（如 IP 创作、物体旋转和风格迁移，允许整体像素变化但保持语义一致性）。
精准文本编辑：Qwen-Image-Edit 支持中英文双语文本编辑，可在保留原始字体、大小和样式的同时，直接对图像中的文本进行添加、删除和修改。
强大的基准表现：在多个公开基准上的评估表明，Qwen-Image-Edit 在图像编辑任务中达到业界领先（SOTA）水平，确立了其作为图像编辑强大基础模型的地位。
功能展示
Qwen-Image-Edit 的亮点之一在于其强大的语义与外观编辑能力。语义编辑指在保留原始视觉语义的前提下修改图像内容。为直观展示这一能力，我们以通义的吉祥物——水豚为例：
可以看到，尽管编辑后的图像（右图）大部分像素与输入图像（最左图）不同，但水豚的角色一致性却完美保留。Qwen-Image-Edit 强大的语义编辑能力，使得原创 IP 内容的生成变得轻松而多样。此外，在通义千问聊天中，我们围绕 16 种 MBTI 人格类型设计了一系列编辑提示词。借助这些提示词，我们成功基于水豚吉祥物创建了一套 MBTI 主题表情包，轻松拓展了 IP 的传播与表达形式。
此外，新视角合成是语义编辑的另一关键应用场景。如下图所示，Qwen-Image-Edit 不仅能将物体旋转 90 度，还能实现完整的 180 度旋转，使我们能直接看到物体的背面：
语义编辑的另一个典型应用是风格迁移。例如，给定一幅肖像输入，Qwen-Image-Edit 可轻松将其转换为吉卜力工作室等各类艺术风格。这一能力在虚拟头像创作等场景中具有重要价值：
除了语义编辑，外观编辑是另一类常见的图像编辑需求。外观编辑强调在添加、删除或修改特定元素的同时，保持图像某些区域完全不变。下图展示了一个在场景中添加招牌的案例。如图所示，Qwen-Image-Edit 不仅成功插入了招牌，还生成了相应的倒影，展现出卓越的细节处理能力。
下面另一个有趣的例子展示了如何从图像中移除细发丝等小物体。
此外，图像中某个字母 "n" 的颜色也可以被精确修改为蓝色，实现对特定元素的精准编辑。
外观编辑在调整人物背景或更换服装等场景中也有广泛应用。下面三张图分别展示了这些实用案例：
Qwen-Image-Edit 的另一大亮点是其精准的文本编辑能力，这源于 Qwen-Image 在文本渲染方面的深厚积累。如下图所示，以下两个案例生动展示了 Qwen-Image-Edit 在编辑英文文本方面的强大表现：
Qwen-Image-Edit 还能直接编辑中文海报，不仅可修改大标题文字，还能对细微复杂的文字元素进行精准调整。
最后，让我们通过一个具体的图像编辑示例，展示如何利用链式编辑方式逐步修正通义生成的书法作品中的错误：
在这幅作品中，几个汉字存在生成错误。我们可以利用 Qwen-Image-Edit 逐步修正。例如，可在原始图像上绘制边界框，标记需要修正的区域，并指示 Qwen-Image-Edit 修复这些特定部分。此处，我们希望红色框内的“稽”字正确书写，蓝色区域内的“亭”字准确呈现。
但实际中，“稽”字较为生僻，模型一次未能准确修正。该字的右下部分应为“旨”，而非“日”。此时，我们可以进一步用红色框标出“日”部分，指示 Qwen-Image-Edit 细调该细节，将其替换为“旨”。
是不是很神奇？通过这种链式、逐步的编辑方式，我们可以持续修正文字错误，直至获得理想的最终效果。
最终，我们成功获得了一份完全正确的《兰亭集序》书法版本！总而言之，我们希望 Qwen-Image-Edit 能进一步推动图像生成领域的发展，真正降低视觉内容创作的技术门槛，激发更多创新应用。
许可协议
Qwen-Image-Edit 采用 Apache 2.0 许可证。