我们很高兴开源 Qwen-Image，一个20B的MMDiT模型。这是通义千问系列中首个图像生成基础模型，其在复杂文本渲染和精确图像编辑方面取得了显著进展。
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，欢迎访问 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，欢迎体验。
相关链接： 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
性能表现
我们在多个公开基准上对Qwen-Image进行了全面评估，包括用于通用图像生成的GenEval、DPG和OneIG-Bench，以及用于图像编辑的GEdit、ImgEdit和GSO。Qwen-Image在所有基准测试中均取得了最先进的性能，展现出其在图像生成与图像编辑方面的强大能力。此外，在用于文本渲染的LongText-Bench、ChineseWord和TextCraft上的结果表明，Qwen-Image在文本渲染方面表现尤为出色，特别是在中文文本渲染上，大幅领先现有的最先进模型。这凸显了Qwen-Image作为先进图像生成模型的独特地位，兼具广泛的通用能力与卓越的文本渲染精度。
示例展示
Qwen-Image的突出能力之一是能够在不同场景中实现高保真的文本渲染。
中文渲染 case1
我们来看下面这个中文渲染的case：
一副典雅庄重的对联悬挂于厅堂之中，房间是个安静古典的中式布置，桌子上放着一些青花瓷，对联上左书“义本生知人机同道善思新”，右书“通云赋智乾坤启数高志远”， 横批“智启通义”，字体飘逸，中间挂在一着一副中国风的画作，内容是岳阳楼。
模型准确了绘制了左右联和横批，并且使用了书法效果，并在中间准确的生成了岳阳楼。桌子上放着的青花瓷也看着非常真实。
英文渲染 case1
那么，模型在英文上的能力如何呢？
让我们来看一个英文渲染的case：
A man in a suit is standing in front of the window, looking at the bright moon outside the window. The man is holding a yellowed paper with handwritten words on it: "A lantern moon climbs through the silver night, Unfurling quiet dreams across the sky, Each star a whispered promise wrapped in light, That dawn will bloom, though darkness wanders by." There is a cute cat on the windowsill.
在这个case中，纸张不足整个画面的十分之一，而且段落文字也比较长，模型还是准确的生成了纸张地上的文字。
更多文字 case
那如果是更多的文字呢？让我们试一个更难的case：
一个穿着"QWEN"标志的T恤的中国美女正拿着黑色的马克笔面相镜头微笑。她身后的玻璃板上手写体写着 "Meet Qwen-Image -- a powerful image foundation model capable of complex text rendering and precise image editing. 欢迎了解Qwen-Image, 一款强大的图像基础模型，擅长复杂文本渲染与精准图像编辑"
可以看到，模型在双语间也可以随时切换。
海报 case
Qwen-Image的文字能力使得其可以轻松的制作一些海报，比如
既然可以制作海报，当然我们也可以直接制作PPT啦,我们看一个中文制作PPT的case：
中文PPT case
其实，除了文本处理，Qwen-Image 也会在通用图像生成方面也表现出色，支持多种艺术风格。从照片级写实场景到印象派绘画，从动漫风格到极简设计，该模型能够灵活响应各种创意提示，成为艺术家、设计师和故事创作者的多功能工具。
在图像编辑方面，Qwen-Image支持风格迁移、增删改、细节增强、文字编辑，人物姿态调整等多种操作。这让普通用户也能轻松实现专业级的图像编辑。这些我们在技术报告中会详细描述。
未来展望
综上，我们希望Qwen-Image能够进一步推动在图像生成领域的发展，降低视觉内容创作的技术门槛，激发更多创新应用的可能。同时，我们也期待社区的积极参与与反馈，共同构建开放、透明、可持续发展的生成式AI生态。
我们很高兴开源 Qwen-Image，一个20B的MMDiT模型。这是通义千问系列中首个图像生成基础模型，其在复杂文本渲染和精确图像编辑方面取得了显著进展。
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，欢迎访问 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，欢迎体验。
相关链接： 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
性能表现
我们在多个公开基准上对Qwen-Image进行了全面评估，包括用于通用图像生成的GenEval、DPG和OneIG-Bench，以及用于图像编辑的GEdit、ImgEdit和GSO。Qwen-Image在所有基准测试中均取得了最先进的性能，展现出其在图像生成与图像编辑方面的强大能力。此外，在用于文本渲染的LongText-Bench、ChineseWord和TextCraft上的结果表明，Qwen-Image在文本渲染方面表现尤为出色，特别是在中文文本渲染上，大幅领先现有的最先进模型。这凸显了Qwen-Image作为先进图像生成模型的独特地位，兼具广泛的通用能力与卓越的文本渲染精度。
示例展示
Qwen-Image的突出能力之一是能够在不同场景中实现高保真的文本渲染。
中文渲染 case1
我们来看下面这个中文渲染的case：
一副典雅庄重的对联悬挂于厅堂之中，房间是个安静古典的中式布置，桌子上放着一些青花瓷，对联上左书“义本生知人机同道善思新”，右书“通云赋智乾坤启数高志远”， 横批“智启通义”，字体飘逸，中间挂在一着一副中国风的画作，内容是岳阳楼。
模型准确了绘制了左右联和横批，并且使用了书法效果，并在中间准确的生成了岳阳楼。桌子上放着的青花瓷也看着非常真实。
英文渲染 case1
那么，模型在英文上的能力如何呢？
让我们来看一个英文渲染的case：
A man in a suit is standing in front of the window, looking at the bright moon outside the window. The man is holding a yellowed paper with handwritten words on it: "A lantern moon climbs through the silver night, Unfurling quiet dreams across the sky, Each star a whispered promise wrapped in light, That dawn will bloom, though darkness wanders by." There is a cute cat on the windowsill.
在这个case中，纸张不足整个画面的十分之一，而且段落文字也比较长，模型还是准确的生成了纸张地上的文字。
更多文字 case
那如果是更多的文字呢？让我们试一个更难的case：
一个穿着"QWEN"标志的T恤的中国美女正拿着黑色的马克笔面相镜头微笑。她身后的玻璃板上手写体写着 "Meet Qwen-Image -- a powerful image foundation model capable of complex text rendering and precise image editing. 欢迎了解Qwen-Image, 一款强大的图像基础模型，擅长复杂文本渲染与精准图像编辑"
可以看到，模型在双语间也可以随时切换。
海报 case
Qwen-Image的文字能力使得其可以轻松的制作一些海报，比如
既然可以制作海报，当然我们也可以直接制作PPT啦,我们看一个中文制作PPT的case：
中文PPT case
其实，除了文本处理，Qwen-Image 也会在通用图像生成方面也表现出色，支持多种艺术风格。从照片级写实场景到印象派绘画，从动漫风格到极简设计，该模型能够灵活响应各种创意提示，成为艺术家、设计师和故事创作者的多功能工具。
在图像编辑方面，Qwen-Image支持风格迁移、增删改、细节增强、文字编辑，人物姿态调整等多种操作。这让普通用户也能轻松实现专业级的图像编辑。这些我们在技术报告中会详细描述。
未来展望
综上，我们希望Qwen-Image能够进一步推动在图像生成领域的发展，降低视觉内容创作的技术门槛，激发更多创新应用的可能。同时，我们也期待社区的积极参与与反馈，共同构建开放、透明、可持续发展的生成式AI生态。
