本来今天想介绍下最近超火的Vibe codeing，结果阿里团队凌晨悄悄开源了一个新的图像模型：
Qwen-image
。正好昨天才讲完Wan2.2，趁热打铁，我们就来先来看看Qwen-image吧。
可以看出来，图片中中英文字体都能很好的显示，哪怕是比较小的字体，都显示得非常清晰，笔画也没有出现变形。
目前市面上最好的中文类文字图像生成模型，莫过于即梦与豆包（其实两者用的是同一个图像底模），但它们是闭源模型。以前快手也开源过可图模型，能生成中文文字，不过效果一般。一直以来开源社区都缺少一个能很好的生成中文的图像模型，如今 Qwen-Image终于来了！
Qwen-Image 作为通义千问系列的首个开源图像模型，拥有20B参数量（200亿） ，采用了MMDiT架构， 它最大亮点是对中文文本渲染的突破性优化，在复杂文本渲染和精确图像编辑方面取得了显著进展。我们来看下它的主要特点：
复杂文本渲染能力
：Qwen-Image 在处理复杂文本渲染任务时展现卓越性能，具备
多行排版、段落级内容生成及精细化细节
展示能力。无论处理英文还是中文内容，都能达到高质量的输出效果。
一致性的图像编辑能力
：借助先进的多任务联合训练方法，Qwen-Image 在执行编辑操作时能够有效
维持修改过程的连贯性和稳定性
。
强大的跨基准性能表现
：通过在多项权威基准测试中的全面评估验证，Qwen-Image 在各种
生成和编辑任务上均达获得了SOTA
，证明其作为图像生成基础模型的强劲实力。
黄老师小课堂：1.
20B是指模型参数量，1B代表十亿(billion)，所以20B就代表200亿参数。
2.
SOTA就是State-of-the-Art(顶尖水平)的缩写，指的是在某一特定领域或某些参数测试中，当前性能最优的模型或方法。
3.
MMDiT是目前文生图和文生视频领域的主流模型架构，在SD3时首次提出，后续SD3.5、Flux、CogVideoX都采用了这个架构；
它的一个突出特点是能够在
各种图像中实现高保真的文本渲染
。无论是像英语这样的字母语言，还是像中文这样的表意文字，Qwen-Image都能准确地保留
排版细节、布局一致性和上下文和谐性
。文本不仅仅是叠加在图像上，而是无缝地融入到视觉结构中。
目前模型对显存要求高，暂不支持本地运行，等待量化版模型。
https://qwen.ai/ 首页登录选择图像生成。（速度快，2分钟一张图）
哩布哩布也上线了Qwen-image，可以在LiblibAI在线体验：https://www.liblib.art/models/Qwen-Image
RH 使用comfyui尝鲜，（速度慢，非48G会员的话，5分钟一张图），但可以加入其它节点组合玩出更多花样。
通义千问Qwen-image（带反推生图）工作流：
https://www.runninghub.cn/post/1952606121850810369/?inviteCode=116b720f
推荐大家使用RH在线体验，注册绑定我账号免费赠送1000积分（当然我也能得1000积分），每天还送100积分，够体验一段时间了：
https://www.runninghub.cn/?inviteCode=116b720f 邀请码：116b720f
我在工作流中还加入了图片反推功能，你可以把即梦的图片扔进去反推后生图，但速度会更慢。
横向并列的四联幅中国传统风格插画，整体布局典雅古朴，具有水墨画意境。画面从左至右依次为“梅、兰、竹、菊”四幅独立但风格统一的插画，每幅画之间以淡墨留白或轻描云纹自然分隔，形成连贯的视觉韵律。第一幅：上方中央，用遒劲洒脱的毛笔书法竖向书写一个大字“梅”，下方小字：寒枝破雪吐芳华，冷蕊凝香透碧纱。不与群英争暖日，孤山月下自横斜。”，第二幅：上方中央毛笔书法字“兰”，下方小字：“幽谷无人自吐芳，素心如雪映苍茫。清风拂过香盈袖，不向朱门媚艳阳。" ，第三幅：上方中央毛笔书法字“竹”，下方小字："虚心劲节立苍苔，雨洗青衣翠作堆。纵使狂风摇万叶，此身不折向尘埃。"，第四幅：上方中央毛笔书法字““菊”，下方小字："霜庭篱落绽金英，冷露无声浸玉英。宁可枝头抱香死，何曾吹落北风中。"整体画面采用宣纸质感背景，色彩以水墨为主，辅以淡彩渲染，营造传统文人画的静谧与哲思氛围。题字与诗句均以毛笔手写风格呈现，避免印刷体，增强艺术感染力。
企业级高质量PPT页面，整体采用简约现代的风格，主题颜色是蓝紫色，背景用线条和粒子营造科技感，页面顶部左侧清晰展示“AI智识新语”文字LOGO。主标题位于画面中央偏上，文字内容为“最新的AI资讯和知识分享”，字体规整简介，突出技术感。主标题下方放两张图，一张是线下讲课的画面，黑白上有小字“Comfyui商业课”，另一张体现AI编程，有完整的代码显示。
一个穿汉服的美女正在写字，用数位笔在空中的书写“AI智识新语”，下面有文字：”Qwen-Image，这是Qwen系列中的一个图像生成基础模型，在复杂文本渲染和精确图像编辑方面取得了显著进展。“，文字显示在空气投影投出的透明屏幕上，高科技和古风相融合
做一张美食海报，一份精致的草莓奶油蛋糕，上面写着”美味即刻到来！“下方用小箭头指向蛋糕，写着：”纯动物奶油“，最下方是促销信息：”原价：28元“”活动价：9.9元“
一张电商产品宣传海报，产品是一把智能梳子，小米科技风，纯白配色，上方有细细的蓝色电路若隐若现，半透明的手柄。标题为：”智能生发梳“，小标题写着：”每天梳一梳，秀发长出来“。下方有”早鸟价：399元“ ，”扫描二维码预约“，旁边放着二维码。
Qwen-image 是一个优秀的
中文文字渲染模型
，能生成完整的中文文字同时有很好的语义理解能力，是目前顶级的中文开源模型，期待后续在comfyui社区的支持下开发出更多的新功能和新用法！
视觉基础模型？难道还有高手？这个8月份是越来越有意思了，关注我，第一时间给你带来更多AI新知识与资讯。
如果这篇文章对你有帮助，记得点个赞。我是黄彬，我们下次再见。
