• โมเดลนี้สามารถแสดงข้อความที่ซับซ้อนด้วยความแม่นยําสูงในภาพที่สร้างขึ้น
• เป็นโมเดลรากฐานในอุดมคติในการพัฒนาเนื้อหาภาพที่สร้างสรรค์ โดยวางรากฐานสําหรับการพัฒนาแอปพลิเคชันที่ขับเคลื่อนด้วย AI

อาลีบาบาเปิดตัว Qwen-Image ซึ่งเป็นโมเดลพื้นฐานการสร้างภาพแบบใหม่ที่ประสบความสําเร็จอย่างมากในการแสดงข้อความที่ซับซ้อนและการแก้ไขภาพที่แม่นยําโมเดลที่หนาแน่นพร้อมพารามิเตอร์ 20 พันล้านรายการ บรรลุประสิทธิภาพที่โดดเด่นในงานสร้างและแก้ไขรูปภาพที่หลากหลาย

โมเดลนี้ได้รับการโอเพ่นซอร์สบน Hugging Face, GitHub และ ModelScope ชุมชนโอเพ่นซอร์สของ Alibaba และเข้าถึงได้บน Qwen Chat ภายใต้โมเดล “การสร้างภาพ”รายงานทางเทคนิคฉบับเต็มมีให้ทางออนไลน์

ด้วยแนวทางที่เป็นนวัตกรรมใหม่เช่นวิศวกรรมข้อมูลที่ครอบคลุมกลยุทธ์การเรียนรู้แบบก้าวหน้ากระบวนทัศน์การฝึกอบรมแบบมัลติทาสก์ที่ได้รับการปรับปรุงและการเพิ่มประสิทธิภาพโครงสร้างพื้นฐานที่ปรับขนาดได้ Qwen-image มอบความแม่นยําเป็นพิเศษในการแสดงผลข้อความที่ซับซ้อนภายในภาพที่สร้างขึ้น มีความเป็นเลิศในสถานการณ์ที่ท้าทายซึ่งเกี่ยวข้องกับเลย์เอาต์หลายบรรทัดความหมายระดับย่อหน้าและรายละเอียดภาพที่ละเอียด โมเดลนี้ยังแสดงให้เห็นถึงประสิทธิภาพที่เหนือกว่าในการแก้ไขภาพที่สอดคล้องกัน โดยรักษาทั้งความสมบูรณ์ของความหมายและความสมจริงของภาพได้อย่างมีประสิทธิภาพตลอดกระบวนการแก้ไข

Qwen-Image ประสบความสําเร็จอย่างน่าทึ่งในสองประเด็นหลัก: การสร้างภาพคุณภาพสูงที่มีความหลากหลายทางโวหารจากข้อความแจ้งที่ซับซ้อน และการเปิดใช้งานการแก้ไขภาพที่รับรู้บริบท ความสามารถในการแก้ไขรวมถึงการถ่ายโอนสไตล์การแก้ไขข้อความการเปลี่ยนพื้นหลังการเพิ่มวัตถุการลบหรือการแทนที่และการจัดการท่าทางเป็นต้น ด้วยความเข้าใจอย่างลึกซึ้งเกี่ยวกับโครงสร้างทางภาษาที่ซับซ้อนโมเดลนี้สามารถสร้างผลลัพธ์ที่น่าสนใจและถูกต้องตามความหมาย

Qwen-Image เป็นโมเดลพื้นฐานในอุดมคติสําหรับการพัฒนาเนื้อหาภาพที่สร้างสรรค์ ซึ่งปูทางให้นักพัฒนาในการสร้างแอปพลิเคชันที่สร้างสรรค์และขับเคลื่อนด้วย AI รุ่นต่อไป