Qwen-Image发布，复杂文字渲染成为图像模型新突破
8月4日，通义千问团队发布Qwen-Image。这是一款200亿参数的MMDiT图像基础模型，重点提升复杂文字渲染、通用图像生成和图像编辑能力，并同步提供在线体验、模型权重与技术资料。
文字一直是生成式图像中的难点。模型不仅要画出字形，还要理解多行排版、段落语义、字体结构和画面位置。根据官方介绍，Qwen-Image对中文、英文及复杂版式进行了专门训练，可用于海报、信息图、商品图和视觉概念稿等场景。
模型同时支持内容一致性编辑，能够在调整风格或局部元素时尽量保持原图主体和语义关系。对于企业内容生产而言，这意味着图像生成正在从“提供氛围参考”进一步进入带有文字和版式要求的正式素材制作环节。
不过，生成文字即使更清晰，也仍需逐字校对。涉及品牌名称、价格、合同信息和公开宣传语时，建议保留人工排版与审核步骤，避免将生成结果直接作为最终成品。
*本文为基于官方发布信息的中文摘要，详情以原文链接为准。