支援吉卜力風格

阿里巴巴旗下阿里雲宣布，通義千問系列首個圖像生成基礎模型「Qwen-Image」正式開源。這是一款擁有200億參數的MMDiT模型，具備強大的圖像生成與編輯能力，特別在複雜文本渲染與多風格圖像創作上表現突出。

Qwen-Image支援生成多種圖像風格，從寫實攝影、極簡設計到賽博朋克、科幻、水墨畫風，甚至連吉卜力動畫風格也可實現，展現出高度靈活的創作能力。阿里巴巴表示，該模型旨在降低視覺內容創作的技術門檻，推動圖像生成技術的普及與創新應用。

在文本渲染方面，Qwen-Image支援多行排版、段落級文字生成及細節呈現，能高保真處理中英文內容。透過增強的多任務訓練架構，該模型在圖像編輯過程中亦能保持風格與內容一致性。

通義千問團隊也針對多項公開基準進行測試，包括GenEval、DPG、OneIG-Bench、GEdit、ImgEdit及GSO，Qwen-Image在所有測試中均表現出領先效能。阿里雲強調，此次開源將有助於推動多模態AI技術發展，激發更豐富的視覺創作可能。（編輯部）