重點一:阿里巴巴(Alibaba)旗下的「通義千問」(Qwen Team)團隊發表了開源的AI圖像生成模型「Qwen-Image」,其最大特色在於能準確呈現圖像中的文字,特別是複雜的中文排版與雙語內容,有效解決了過往生成式AI的痛點。
重點二:Qwen-Image 在多項公開基準測試中表現優異,其在中文文字渲染方面的能力顯著超越其他現有模型,並且在人類評估的AI Arena排行榜上,是排名最高的開源模型,證明其強大的生成能力。
重點三:Qwen-Image 採用 Apache 2.0 許可證,允許商業與非商業用途,為企業提供了一個低成本的開源選擇,適用於內部行銷、零售與電子商務等多元應用,但需注意其並未提供著作權侵權賠償。
阿里巴巴(Alibaba)旗下的通義千問(Qwen Team)團隊近期推出開源圖像生成模型 Qwen-Image。
這款模型的最大亮點在於其卓越的文字渲染能力,能夠精準地在生成的圖像中呈現清晰、符合語義的文字,有效解決了許多AI模型在處理文字時,常出現亂碼或模糊不清的問題。
Qwen-Image 支援英文字母與漢字等不同文字系統,並能處理多行排版、段落層級語義,甚至是中英雙語內容,因此適用於電影海報、簡報投影片、社群貼文等需要呈現精準文字的應用情境。
領先業界的文字渲染與綜合效能
根據通義千問發布的技術報告, Qwen-Image 主要透過「漸進式學習」(progressive learning)與「多模態任務校準」(multi-modal task alignment)的方式進行訓練,訓練資料庫包含數十億組圖文配對,涵蓋自然圖像、人物肖像、設計內容(如海報與UI版面)以及自行生成的合成文字資料。
Qwen-Image 在多項嚴格的公開基準測試中展現了卓越的綜合能力。無論是評估提示語遵循度的 GenEval 和 DPG 測試,還是版面佈局的精確度 OneIG-Bench、TIIF 測試,其表現均能媲美甚至超越領先的閉源模型,如 GPT Image 1 High、Seedream 3.0 和 FLUX.1 Kontext Pro。
Qwen-Image 出色的表現也獲得了社群的高度認可,使其在 AI Arena 的人工評比中,成為排名最高的開源模型,總排名更是一舉衝進前三名。
Qwen-Image商用注意事項
Qwen-Image 模型採用 Apache 2.0 授權,允許商業與非商業用途,開發者可以自由地使用、再發布與修改模型,僅需在衍生作品中註明來源並附上授權條文。對於尋求開源圖像生成工具的企業來說,是個極具吸引力的選擇,能夠大幅降低授權成本,用於製作內部文件、廣告傳單、電子報等。
不過,Qwen-Image訓練資料的來源並未完全公開,仍與多數領先的AI圖像生成模型一樣,屬於保密資訊。此外,不同於 Adobe Firefly 或 OpenAI 的 GPT-4o 服務,阿里巴巴並未提供任何著作權侵權賠償(Indemnification),這意味著若使用者因生成內容產生著作權糾紛,使用者需自行承擔法律風險。
實測:Qwen生圖好用嗎?
文字渲染能力
Qwen最被推廣的為其文字渲染能力,號稱能夠精準地在生成的圖像中呈現清晰、符合語義的文字,同時還支援漢字與英文2種不同的語意系統。
為了測試這項功能,我們在對話框中輸入以下Prompt:
生成一張電影海報,標題是「夢想追逐者 The Dream Chaser」,下方寫著「上映日期:2025年8月5日」
從Qwen的生成結果上來看,除了「上映日期」生成了「上映日間」,這張圖片大致上是有符合指令需求的,不僅能生成繁體中文,同時英文、數字也能完整地在同一張圖片上呈現,證明了 Qwen 能夠處理多語系以及其宣稱的強大文字渲染能力。
提示詞理解
為了測試Qwen是否能夠包含多個元素、場景、顏色和動作元素的複雜提示,並遵照指令生成圖片,我們在對話框輸入:
一個穿著紅色外套的小女孩,在下雪的森林裡,身旁有一隻白色的狐狸,遠處有座小木屋,小木屋亮著燈,煙囪冒著煙,畫面要溫馨。
從Qwen生成的結果來看,這張圖片在整體氛圍與細節處理上表現得相當出色,充分展現了 Qwen 在圖像風格掌握與多物件生成方面的能力。
多文字呈現
我們想了解Qwen一次在圖片中生成多個文字的能力,因此對AI輸入了以下指令:
設計一張社群貼文,內容要包含以下文字:
AI提示詞公式:
角色設定:要 LLM 調度哪些領域知識
任務:你想完成什麼目標
背景:任務的起源/目標的限制/涉及的人士...等
格式:輸出類型、編排格式
從生成的結果來看,在多文字輸出上,Qwen對於繁體中文字型的處理能力是不足的,不僅直接將繁體中文以簡體中文呈現,甚至在左上角的地方還出現了不明的崩壞文字。
總結來說,Qwen-Image在生成圖片文字以對於提示詞的理解有優異的表現,但對於多行的繁體中文處理仍不足,其開源的 Apache 2.0 授權雖為企業提供了低成本的選擇,但使用者也需自行承擔潛在的著作權侵權風險,使用者可評估以後,依據自身的需求做選擇。
延伸閱讀:AI深度研究實測大PK:ChatGPT、Gemini、Perplexity、Claude,誰是最強報告神器?
影片|GPT-4o生圖大進化!如何用它製作個人公仔、LINE貼圖、四格漫畫...?生成教學一次看
參考資料:Venturebeat