开源就1500 star！阿里Qwen-Image模型火了！支持中英文字生成、编辑、表现堪称颠覆级！

8 月 5 日，阿里巴巴通义千问团队宣布开源 Qwen-Image

这是通义千问系列中首个图像生成基础模型！

作为一个 200 亿参数的 MMDiT（多模态扩散 Transformer）模型，它在复杂文本渲染和精准图像编辑领域实现了重大突破，尤其在中文场景下的表现堪称 “颠覆级”

复杂文本渲染：让 AI 写出 “真文字”

Qwen-Image 支持多行布局、段落级文本生成，尤其在中文处理上表现突出。

它支持多种语言，包括字母语言（如英语）和表意文字语言（如中文）。

尤其在中文文本生成方面，Qwen-Image 展现了无与伦比的精度，能够生成清晰、格式正确的文本图像，适用于广告设计、宣传海报等场景。

在 LongText-Bench、ChineseWord 等中文专项测试中，其得分较第二名提升超 15%，创下新纪录。即使是英文场景，模型也能为每本书生成风格化封面，书名文字与画面主题高度契合。

提示词：

一个穿着“QWEN”标志的T恤的中国美女正带着黑色的马克笔面相镜头微笑。她三分之一的玻璃板上手写体写着“一、Qwen-Image的技术路线：探索视觉生成基础模型的极限，预设理解与生成一体化的未来。二、Qwen-Image的模型特色：1、复杂文字渲染。支持中英渲染、自动布局； 2、精准图像编辑。支持文字编辑、工件增减、风格变换。三、Qwen-Image的未来愿景：赋能专业内容创作、助力生成式AI发展。”

效果：

玻璃上的文字生成很自然和准确

再增加一些难度，试一试生成双语

这个就很厉害了，模型能够同时生成中英文两种语言在一个图片中

精准图像编辑：从 “局部修改” 到 “全局一致”

通过增强的多任务训练范式，Qwen-Image 在编辑过程中能保持语义与视觉的一致性。

将皮卡丘改为动漫风格，背景和主题都自然过渡，模型不仅调整光影色调，还会添加动画风格的植被

其支持的操作包括风格迁移、物体增减、姿态调整、文字修改等，非目标区域能保持稳定不变。

多风格生成：从写实到艺术的自由切换

模型支持写实、动漫、赛博朋克、水墨等几十种风格，可灵活控制图像主体、构图、色调。

在 GenEval（通用图像生成）、GEdit（图像编辑）等六大国际基准测试中，Qwen-Image 均获得 SOTA（最佳性能）。

例如，在 TextCraft 基准的中文场景测试项，其 FID 分数较 Stable Diffusion 3 提升 37%，文字可读性达到印刷标准。

如何使用？

如果你只想体验图像生成或简单编辑，无需复杂操作，通过以下渠道即可快速上手：

1. 在线 Demo 直接用
   访问官方提供的 Demo 页面（可通过 ModelScope 或 Hugging Face 平台的 Qwen-Image 模型页进入）

2. 微信 / 社交平台直达
   扫描官方提供的微信二维码加入体验群，或通过 Discord 社区链接进入交流区

3. Qwen Chat 集成工具
   在通义千问的聊天界面（chat.qwen.ai）中，切换至 “图像生成” 模式

想本地部署的，可以看以下教程，5分钟搞定

pip install git+https://github.com/huggingface/diffusers 
pip install transformers accelerate safetensors   

2、加载模型并生成图像
复制以下代码，替换 “你的文字描述” 为具体指令（比如 “生成一张中式茶馆的海报，招牌上写‘清风茶舍’四个毛笔字”），运行后即可在当前目录生成图像文件：

from diffusers import DiffusionPipeline  import torch  # 加载模型（首次运行会自动下载，约需占用10GB存储空间）  pipeline = DiffusionPipeline.from_pretrained(      "Qwen/Qwen-Image",      torch_dtype=torch.float16  ).to("cuda")  # 若没有NVIDIA显卡，可替换为"cpu"（生成速度会较慢）  # 生成图像  prompt = "你的文字描述"  image = pipeline(prompt).images[0]  # 保存图像  image.save("qwen_image_result.png")  

模型地址：

https://modelscope.cn/models/Qwen/Qwen-Image

代码仓库：

https://github.com/QwenLM/Qwen-Image