近日，阿里巴巴推出了Qwen-Image-Edit，這是一款基于其先前發布的Qwen-Image圖像生成基礎模型的圖像編輯版本。這一新工具的問世，或許預示著圖像處理領域將迎來一場革新。
Qwen-Image-Edit依托于一個擁有200億參數的Qwen-Image模型進行進一步訓練，將原本用于文本渲染的能力擴展至圖像編輯領域。它不僅能夠實現圖像中文字的精準編輯，還通過結合Qwen2.5-VL（用于視覺語義控制）和VAE Encoder（用于視覺外觀控制），賦予了用戶同時進行語義與外觀編輯的能力。
在實際應用中，Qwen-Image-Edit展現了其強大的雙重編輯功能。用戶不僅能夠進行低階的視覺外觀編輯，如添加、刪除或修改圖像元素，同時保持其他區域不變；還能實現高階的視覺語義編輯，比如IP創作、物體旋轉、風格遷移等，這些操作允許整體像素變化，但語義保持一致。例如，用戶可以在一張風景照中添加一塊指示牌，并指定牌上的文字為“Welcome to Penguin Beach”，Qwen-Image-Edit不僅能準確生成指示牌，還會為其添加自然的倒影。
Qwen-Image-Edit還支持中英文雙語文字編輯，用戶可以直接在圖片上增減或修改文字，同時保留原有字體、字號和風格。這一特性使得圖像中的文字編輯變得更加靈活和精確。
在多個公開基準測試中的評估顯示，Qwen-Image-Edit在圖像編輯任務上具備最佳表現（SOTA）性能。目前，用戶可以通過訪問Qwen Chat（chat.qwen.ai）并選擇“圖像編輯”功能來體驗這一強大的圖像編輯基礎模型。實測表明，Qwen-Image-Edit在文字生成、視角切換、場景創設、背景變幻等方面都能生成較為精準的結果，并且主體保持較高的一致性，光線和質感也會隨場景自然變化。
Qwen-Image-Edit的語義編輯功能在IP內容創作方面展現出巨大潛力。通過輸入簡單的文字提示，用戶可以輕松生成不同場景下的IP形象，這些形象在形態上保持一致，但背景和動作卻豐富多樣。例如，以Qwen的吉祥物水豚為例，用戶可以通過輸入對應的文字提示，生成水豚在不同場景下的圖片，這些圖片雖然像素大部分不同，但水豚的形態一致性得到了完美保留。
除了語義編輯外，Qwen-Image-Edit的外觀編輯功能也同樣強大。用戶可以在不改變圖像其他區域的前提下，添加、移除或修改特定元素。例如，用戶可以從圖像中去除細發絲或其他小物體，或者修改圖像中特定字母的顏色。外觀編輯在調整人物背景或更換服裝等場景中也有廣泛應用。
Qwen-Image-Edit的精準文本編輯能力也是其一大亮點。這得益于Qwen-Image在文本渲染方面的深厚功底。用戶可以直接在圖像上編輯中英文文本，無論是大標題還是細小復雜的文本元素，都能進行精確調整。這一特性使得圖像中的文字編輯變得更加簡單和高效。
盡管Qwen-Image-Edit在圖像編輯方面展現出了強大的能力，但目前其使用次數仍有限制，不能無限使用。在連續多輪修改中，其編輯的精準性和一致性仍有待提高。尤其是在處理更復雜字體如草書時，Qwen-Image-Edit仍存在一定的局限性。然而，隨著這一能力的持續迭代和優化，我們有理由相信，Qwen-Image-Edit將推動圖像生成領域的發展，降低視覺內容創作的技術門檻，并激發更多創新應用。
