我要投稿

有点东西！Qwen开源会写中文的生图模型Qwen-Image

发布日期：2025-08-05 15:27:31 浏览次数： 7107

作者：字节笔记本

微信搜一搜，关注“字节笔记本”

会写中文，这基本上是开源图片生成模型的独一份了。

这次开源的Qwen-Image 的最大卖点是“像素级文字生成”。它能直接在像素空间内完成排版：从小字注脚到整版海报均可清晰呈现，且同时支持英文字母与汉字。

以下图片均来自官网的生成演示。

官方在技术博客中称，它专为复杂文字渲染与精准图像编辑而生，将生成与编辑两条链路纳入统一架构，意在向开发者与设计师提供“一站式视觉创作底座” 。

基准显示，在 LongText-Bench、ChineseWord 等评测里，英文渲染可比肩 GPT-4o，中文更是当前开源最佳，不管是人物风景还是字体色彩，整体上都饱和度非常的高，比较的悦目。

海报、招贴、信息图等场景下文字边缘锐利、排版稳定，很少会出现叠图层常见的错位或锯齿问题。

在图像能力上，模型仍保持全能属性。得益于扩散-Transformer 结构与多任务训练，它可在写实、印象派、二次元、极简等风格间自由切换。

宽高比与分辨率设定灵活，可覆盖社媒封面、竖屏短视频首图乃至 4K 宽幅海报，很适合于作为自媒体宣传材料使用。

里面最值得提的就是它的丰富的“正向/负向提示词魔法”，进一步降低了非专业用户的上手门槛，基本上不需要特别复杂的提示词就可以生成比较精美的图片。

除了生成，Qwen-Image 还原生集成了精准编辑工具链：支持文字替换、物体增删、风格迁移、姿态调整和超分辨率放大。

简单在其官网试用了一下，整体的风格和效果还不错，主体艺术是没有什么问题，字体都比较的锐利清晰，但如果是遇到小字，可能会产生变形无法辨认。

目前模型采用 Apache-2.0 许可证发布，权重已同步上传至 Hugging Face 与 ModelScope，并在 GitHub 提供示例脚本。

部署要求方面，Qwen官方建议使用 transformers≥4.51.3 与 diffusers 最新版，一张 40 GB 显存的 GPU 即可跑通推理；若想微调，可按需求水平扩展多卡或使用 A100 80 GB 以上设备

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-12-24

被 Gemini 官方推荐为下一代Agent！Eigent 如何实现企业级浏览器自动化？

2025-12-24

教你从零“手搓”一个大模型，别再只会调用API了

2025-12-24

DeepSeek-V3.2 128K 推理秒开？百度百舸开源 CP 上下文并行方案

2025-12-24

突然，被GLM-4.7的Coding交付能力惊到了

2025-12-23

我把Claude Code换成GLM-4.7用了6小时，我竟然没发现明显区别

2025-12-23

通义百聆语音交互模型开源，创新架构可节省近50%GPU计算！

2025-12-23

OxyGent 多智能体协作框架新版本发布

2025-12-23

MinIO 停更仅维护！Milvus 对象存储替代方案怎么选

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

如愿以偿！Qwen3-VL再开源30B-A3B，附实测！

2025-10-03

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

DeepSeek-V3.2-Exp开源，附论文细节解读！

2025-09-29

最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

2025-11-07

大家都在问

被 Gemini 官方推荐为下一代Agent！Eigent 如何实现企业级浏览器自动化？

2025-12-24

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

埃森哲的大裁员，向市场发出了什么信号？

2025-10-13

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部