Qwen-Image-Edit veröffentlicht: 20B Basis, zweisprachige zweisprachige genaue Wortänderung und vollständige Analyse der semantischen Bildbearbeitung auf Erscheinungsebene. Qwen-Image-Edit ist ein Bildbearbeitungsmodell, das auf einem Qwen-Image-Sockel im Maßstab 20B gestartet ist. Das Modell unterstützt eine präzise Textbearbeitung in Chinesisch und Englisch, wobei "Hinzufügen, Löschen und Ändern" im Vordergrund steht, während die ursprüngliche Schriftart und das Layout beibehalten werden. Das Modell unterstützt sowohl die Bearbeitung auf semantischer Ebene (z. B. Objektrotation, Stilübertragung und fortlaufende IP-Erstellung) als auch die Bearbeitung auf Darstellungsebene (z. B. Hinzufügen/Löschen/Ändern von Objekten, Ändern von Farben, Ändern von Hintergründen und Detailreparatur) und bietet Online-Erfahrung, Open-Source-Gewichtung und Cloud-API-Zugriff.
1. Kernfunktionen
1) Zweisprachige Textbearbeitung: Unterstützen Sie das Hinzufügen, Löschen und Ersetzen von chinesischem und englischem Text in Bildern und versuchen Sie, die ursprüngliche Schriftart, Schriftgröße und den ursprünglichen Stil konsistent zu halten.
2) Bearbeitung auf semantischer Ebene: Unterstützt die Drehung der Objektperspektive um 90°/180°, die Stilübertragung, die Zeichenkonsistenz und die kontinuierliche IP-Erstellung, wobei betont wird, dass die Semantik mit dem Gesamtstil konsistent bleibt.
3) Bearbeitung auf Darstellungsebene: Unterstützt das Hinzufügen/Löschen/Ändern, Ändern von Farben, Ändern von Hintergründen, Entfernen von Schmutz und Reparieren von Details, während irrelevante Bereiche unverändert bleiben.
4) Pipeline-Idee (laut offiziellem Material): Das Eingabebild wird gleichzeitig in den Kanal für die visuelle semantische Steuerung und die Rekonstruktion des Erscheinungsbilds eingespeist, um ein Gleichgewicht zwischen "inhaltlicher Konsistenz" und "Pixeltreue" herzustellen.
5) Ökologische Integrität: Bietet Web-Erfahrung, Open-Source-Modelle und Inferenzbeispiele sowie produktionsorientierte Cloud-APIs.
2. Anwendbare Szenarien
- E-Commerce/Marke: direkte Korrektur von Tippfehlern von Plakaten, sprachübergreifende Lokalisierung und schnelle Aktualisierung von Werbeplakaten.
- Social Media/Kurzvideos: Stilmigration, Batch-Generierung von Emoticons und Avataren.
- Grafikdesign: Schilder fügen realistische Reflexionen hinzu und erzeugen sie, entfernen Schmutz und reparieren lokale Details.
- Post-Image-Phase: Charakterkleiden, Hintergrundwechsel, Anpassung der Haltung und Perspektive.
3. Schnellstart (online und lokal)
1) Online-Erfahrung: Wählen Sie im offiziellen Chat-Portal "Bildbearbeitung" aus, laden Sie ein Bild hoch und beschreiben Sie die Änderungsanforderungen auf Chinesisch und Englisch, um Ergebnisse zu erzielen.
2) Hugging Face Inference: Bietet ein lokales Inferenzbeispiel für QwenImageEditPipeline, das Gewichtungen in einer GPU-Umgebung laden, Bild + Eingabeaufforderung eingeben und Parameter wie Schritte, zufällige Startwerte und negative Eingabeaufforderungen konfigurieren kann.
3) ModelScope: Stellen Sie Modellseiten und Erlebniseingänge gleichzeitig bereit, was für den Zugriff und das Herunterladen in der häuslichen Netzwerkumgebung bequem ist.
4. Alibaba Cloud Model Studio API-Zugriffspunkte
- Modellname:
qwen-image-edit. - Schnittstellenpfad: Die HTTP-Schnittstelle der internationalen Station unterstützt multimodale Generierungsdienste unter Verwendung des JSON-Anforderungstexts und der Authentifizierung des Bearer-API-Schlüssels.
- Eingabestruktur:
input.messages[0].contententhält{"image": "<URL oder Base64>"}und{"text": "< chinesische und englische Eingabeaufforderungen>"}. - Feldeinschränkungen: Der
Textder Eingabeaufforderung ist bis zu ca. 800 Zeichen lang. Negative Eingabeaufforderungennegative_promptbis zu ca. 500 Zeichen lang. Intelligentes Umschreibenvon prompt_extendermöglichen;watermarksteuert den Wasserzeichenschalter "Qwen-Image" in der unteren rechten Ecke. - Einschränkungen für Bilder: JPG/JPEG/PNG/BMP/TIFF/WEBP; Breite und Höhe 512–4096; Einzelbild ≤10MB; URLs dürfen kein Chinesisch enthalten. Der Ergebnislink ist 24 Stunden lang gültig.
- Abrechnung und Limit (Singapur): Ungefähr 0,045 USD/Graph; 100 kostenlose Credits (gültig für 180 Tage nach der Aktivierung); Commit RPS=5, Parallelität=2.
- Rückgabeergebnis: Die Ausgabe ist ein strukturiertes Ergebnis mit Bildverknüpfungen; Es wird empfohlen, dass Sie Ihren eigenen Speicher sofort nach der Implementierung der Business-Seite herunterladen und übertragen.
5. Praktische Bedienungs- und Workflow-Vorschläge
1) Die Kettenbearbeitung ist stabiler: Zerlegen Sie komplexe Ziele in mehrstufige Feinabstimmungen (Frame-Auswahl, Wort-für-Wort-/Zonen-für-Bereichs-Korrektur) und konvergieren Sie allmählich zum gewünschten Effekt.
2) Priorität der Regionalisierungssteuerung: Bei Änderungen auf Darstellungsebene grenzen Sie zunächst die Bereiche ab, die geändert werden müssen oder unverändert bleiben, um irrelevante Pixelabweichungen zu reduzieren.
3) Die Eingabeaufforderungswörter sollten überprüfbar sein: klare Objekte, Positionen, Farben, Mengen und Stile; Kooperieren Sie bei Bedarf mit negativen Aufforderungen, um unerwünschte Elemente zu entfernen.
4) Caching und Fehlertoleranz: Die Aktualität von Cloud-Ergebnislinks ist begrenzt, daher müssen Download- und Caching-Richtlinien in Kombination mit Objektspeicher, Whitelisting und Wiederholungswarteschlangen entworfen werden.
5) Zusammenarbeit im Team: "Textbearbeitung", "semantische Bearbeitung" und "Erscheinungsbildbearbeitung" sind in verschiedene Vorlagen unterteilt, um die Wiederverwendung von Bedienung und Design zu erleichtern.
6. Vergleich und Positionierung (gemäß offiziellem und Community-Material)
- Chinesische Textbearbeitung freundlich: Es hat eine starke Fähigkeit, die Form in kleinen chinesischen Schriftgrößen und komplexen Satzszenarien beizubehalten.
- Dual-Control-Idee für Semantik + Erscheinungsbild: Behalten Sie gleichzeitig "inhaltliche Konsistenz" und "regionale Invarianz" im Auge, um das Risiko von Stilabweichungen zu verringern.
- Ökologische Abdeckung: Webseiten-Demos, Open-Source-Gewichtungen und APIs auf Unternehmensebene werden parallel ausgeführt, um den Weg von der Erfahrung bis zur Implementierung zu verkürzen.
7. Einschränkungen und Risikowarnung
- Die Benchmark-Ergebnisse und "SOTA"-Ausdrücke stammen aus offiziellen Materialien, und das tatsächliche Geschäft muss anhand eigener Stichproben überprüft werden.
- Extreme Szenarien (ultrakleine Schriftgröße, starke Perspektive/Reflexion, komplexe Hintergründe) können fehlschlagen und erfordern eine Feinabstimmung mehrerer Ketten.
- Wenn es um Marken, Porträts, bestimmte Stile und IPs geht, stellen Sie sicher, dass Sie das Urheberrecht und die Plattformspezifikationen einhalten.
Q&A FAQ
F: Welche Kernprobleme löst Qwen-Image-Edit?
A: Qwen-Image-Edit löst das Problem der Verfügbarkeit von chinesischen und englischen "Wortänderungen" in Bildern und erreicht eine Balance zwischen semantischer und visueller Bearbeitung.
F: Wie kann man es online erleben?
A: Wählen Sie im offiziellen Chat-Portal "Bildbearbeitung", laden Sie das Bild hoch und geben Sie die Änderungsanweisungen auf Chinesisch und Englisch ein, um das Erlebnis zu starten.
F: Wie sieht lokales Denken aus?
A: Laden Sie QwenImageEditPipeline in Hugging Face, geben Sie image + prompt ein und konfigurieren Sie Parameter wie Schritte, negative Eingabeaufforderungen, zufällige Startwerte usw.
F: Was sind die wichtigsten Parameter der Cloud-API?
A: Sie müssen model=qwen-image-edit, Bild und Text in Nachrichten angeben; Optionale negative_prompt, prompt_extend、Wasserzeichen; Bilder müssen Format-, Größen- und Größenbeschränkungen erfüllen.
F: Wie werden Preise und Quoten berechnet?
A: Der Preis in Singapur liegt bei etwa 0,045 $/Chart; 100 kostenlose Credits (gültig für 180 Tage nach der Aktivierung); Commit RPS=5, Parallelität=2.
F: Warum verfallen Links?
A: Der in der Cloud zurückgegebene Bildlink ist 24 Stunden lang gültig und muss so schnell wie möglich heruntergeladen und auf Ihren eigenen Speicher übertragen werden.
Referenzen
Offizieller Blog (Englisch/Chinesische Übersetzung): https://qwenlm.github.io/blog/qwen-image-edit/
Modellkarte "Hugging Face" (mit QwenImageEditPipeline-Beispiel und -Lizenz): https://huggingface.co/Qwen/Qwen-Image-Edit
Online-Demo von Hugging Face (Weltraum): https://huggingface.co/spaces/Qwen/Qwen-Image-Edit
Alibaba Cloud Model Studio · Qwen-Image-Edit (API/Preis/Parameter/Beispiele): https://www.alibabacloud.com/help/en/model-studio/qwen-image-edit
Qwen Chat: https://chat.qwen.ai/?inputFeature=image_edit
GitHub · Qwen-Image Repository (Apache-2.0): https://github.com/QwenLM/Qwen-Image
Qwen-Image Technischer Bericht (arXiv): https://arxiv.org/abs/2508.02324
ModelScope Model-Seite: https://modelscope.cn/models/Qwen/Qwen-Image-Edit
