알리바바, Qwen 팀 공개 Qwen-Image-Edit 19년 2025월 20일 - XNUMXB Qwen-Image 백본을 기반으로 구축된 이미지 편집 변형으로, 정밀한 이중 언어 텍스트 편집, 듀얼 모드 의미론 + 모양 제어, SOTA 벤치마크 성능을 약속합니다. 아키텍처, 기능, 사용법에 대해 자세히 설명하겠습니다.
Qwen-Image-Edit은 무엇이고 왜 중요한가요?
Qwen-Image-Edit은 알리바바 Qwen 팀이 19년 2025월 20일에 출시한 이미지 편집 기반 모델로, XNUMXB 매개변수 Qwen-Image 백본을 기반으로 구축되었습니다. Qwen-Image의 고급 텍스트 렌더링 기능을 대화형 이미지 편집으로 확장하여 이미지 내 이중 언어(중국어/영어) 텍스트 편집, 세부적인 모양 편집(삭제/추가/보정), 그리고 고차원적인 의미 변환(객체 회전, 새로운 뷰 합성, 스타일 변환) 기능을 제공합니다. Qwen-Image-Edit 팀은 이 모델이 이미지를 시각 언어 인코더와 VAE 인코더 모두에 제공하여 의미와 모양을 독립적으로 제어한다는 점을 강조합니다.
이는 명시적으로 설계되었습니다 지시 중심 이미지 편집: 입력 이미지와 자연어 지침(영어와 중국어 지원)을 제공하면 모델은 정확한 텍스트 편집, 객체 추가/제거, 스타일이나 색상 조정, 심지어 시각적 일관성을 유지하면서 더 높은 수준의 의미 변환까지 수행할 수 있는 편집된 이미지를 반환합니다.
이것이 중요한 이유 : 이미지 편집은 더 이상 단순히 "페인트나 마스크, 합성"에 그치지 않습니다. Qwen-Image-Edit과 같은 모델을 사용하면 자연어로 편집 내용을 설명하고, 타이포그래피와 레이아웃을 그대로 유지하며, 이전에는 신중한 포토샵 작업이 필요했던 작은 영역까지 수정할 수 있습니다. 이러한 조합은 프로그래밍 방식의 반복 가능한 시각적 편집이 필요한 크리에이티브 전문가, 전자상거래, 마케팅 팀, 그리고 자동화 파이프라인에 특히 유용합니다.
Qwen-Image-Edit을 실제로 어떻게 사용하나요? 개발자 경로는 무엇인가요?
사용 가능한 곳
다음을 통해 Qwen-Image-Edit을 실험해 볼 수 있습니다.
- 웬 채팅 (공식 웹 데모) 대화형 편집을 위한 것입니다.
- 허깅 페이스 모델 페이지 / 스페이스 — 빠른 체험을 위해 공개 모델과 데모 공간이 마련되어 있습니다.
- 알리바바 클라우드 모델 스튜디오/DashScope API — 자동화된 사용을 위한 문서화된 엔드포인트, 가격 및 할당량을 갖춘 프로덕션 API(HTTP + SDK)
시도할 수 있는 빠른 방법
- 일회성 또는 실험적 목적으로는 Hugging Face Space나 Qwen Chat을 이용하세요.
- 통합(웹앱, 배치 파이프라인 또는 백엔드 서비스)의 경우, 제공된 HTTP API 또는 DashScope SDK(Python/Java)를 사용하여 DashScope 엔드포인트(Alibaba Cloud Model Studio)를 호출합니다. Model Studio 문서에는 이미지 URL 또는 Base64 입력, 부정 프롬프트, 워터마크 옵션 및 결과 검색 흐름에 대한 curl 및 SDK 예제가 포함되어 있습니다.
Qwen-Image-Edit은 어떻게 구성되어 있나요? 그리고 어떤 기능이 포함되어 있나요?
이중 경로 입력: 의미론 + 모양
공식 설명에 따르면 Qwen-Image-Edit은 다음을 통해 입력 이미지를 동시에 처리합니다.
- Qwen2.5-VL(시각 언어 인코더) — 의미적 이해와 고수준 편집(객체 회전, 뷰 합성, 콘텐츠 변경)을 구동합니다.
- VAE 인코더/잠재 출현 경로 — 낮은 수준의 시각적 모양(텍스처, 지역적 편집을 위한 정확한 픽셀 보존)을 보존하거나 조작합니다.
이러한 분할을 통해 모델은 대상 영역에 대해 광범위한 의미 재구성이나 픽셀 보존적 편집을 수행할 수 있습니다.
20B 이미지 기반 구축
편집 모델은 20B Qwen-Image 생성 모델(텍스트 렌더링 기능은 Qwen-Image의 핵심 기능)을 확장하여, 강력한 레이아웃/텍스트 이해 및 고충실도 이미지 사전 정보를 상속합니다. Qwen-Image 저장소와 블로그는 이미지 코드베이스에 Apache-2.0 라이선스가 적용되어 커뮤니티 채택이 가속화되었음을 보여줍니다.
파이프라인 및 실제 흐름
일반적인 파이프라인(상위 수준):
- 입력 이미지(공개 URL 또는 Base64)와 텍스트 지침/프롬프트, 그리고 타겟 편집을 위한 선택적 마스크/경계 상자.
- 모델은 두 인코더에 이미지를 수집합니다. 시각 언어 인코더는 맥락에 맞는 프롬프트를 해석하고 의미 변환을 제안합니다. VAE 경로는 모양 제약 조건을 인코딩합니다.
- 이러한 방식을 결합하여 디코더는 편집된 이미지를 생성합니다. 편집된 이미지는 전역적으로 변경(시맨틱 편집)되거나 로컬로 수정(외관 편집)되지만, 마스크된 영역은 그대로 유지됩니다. 출력은 제한된 TTL을 갖는 OSS 링크(알리바바 클라우드 사용 시)로 저장됩니다.
편집 과정에서 Qwen-Image-Edit은 동일한 입력 이미지를 두 채널에 모두 공급하여 구조를 변경할지, 아니면 모양을 유지할지 결정합니다. 이 두 트랙 아키텍처는 픽셀 단위의 정확한 국소 제거(예: 인접 픽셀을 건드리지 않고 머리카락 한 가닥 제거)부터 피사체의 정체성을 일관되게 유지하면서 근본적인 의미적 변경(예: 포즈 변경 또는 새로운 시점 생성)까지 다양한 작업을 가능하게 합니다. 또한, 팀은 고급 확산 도구와 신속한 향상 유틸리티를 활용하여 체인 편집을 안정화했습니다.
Qwen-Image-Edit은 어떤 기능을 제공하나요?
듀얼 트랙 편집: 의미론적 + 모양 제어
Qwen-Image-Edit은 장면/레이아웃/객체를 이해하는 의미론적 인코더와 텍스처, 글꼴, 그리고 세밀한 픽셀 디테일을 보존하는 별도의 외형 경로, 이렇게 두 가지 트랙 편집기로 설계되었습니다. 이러한 설계를 통해 모델은 고수준 구성(포즈, 객체 정체성, 스타일)을 변경할지, 아니면 픽셀 단위로 정확한 로컬 수정(객체 제거, 주변 픽셀 동일 유지)을 수행할지 결정할 수 있습니다. 이러한 분리는 최근 많은 고성능 편집기의 핵심적인 아키텍처 아이디어이며, Qwen 릴리스 노트에서도 강조되어 있습니다.
실제적인 의미: "로고를 건드리지 않고 왼쪽 아래의 워터마크를 제거해 주세요" 또는 "손 자세를 바꿔 주세요"라고 요청하면 모델은 각 작업에 대해 다른 내부 전략을 적용하여 건드리지 않은 영역의 부수적 아티팩트를 줄여줍니다.
텍스트 인식 이미지 편집 및 이중 언어 지원
이 모델의 주요 기능 중 하나는 다음과 같습니다. 정확한 텍스트 편집 — 중국어와 영어 텍스트 요소 모두에서 텍스트를 추가/제거/수정하는 동안 글꼴, 획, 간격 및 레이아웃을 유지하려고 합니다. 이는 단순히 새 텍스트를 렌더링하는 것이 아니라 원본 타이포그래피를 일치시키려는 시도입니다. Qwen 팀은 설명서와 모델 카드에서 이 기능을 반복적으로 강조합니다.
실제적 의미: 패키징, 포스터, UI 스크린샷 및 간판 워크플로를 자동화할 수 있습니다. 특히 정확한 글꼴 일치와 이중 언어 편집이 중요한 경우에 그렇습니다.
마스킹, 지역 프롬프트 및 진행형 편집
기능에는 명시적 마스크 입력(인페인팅/아웃페인팅), 영역 인식 프롬프트(바운딩 박스 X 내에서만 변경 적용), 다중 회전/연쇄 편집 지원(출력을 반복적으로 개선)이 포함됩니다. API와 디퓨전 파이프라인은 네거티브 프롬프트와 가이드 스케일과 유사한 컨트롤을 지원하여 편집 내용의 보수적/굵은 정도를 조정합니다. 이러한 기능은 프로덕션 중심 편집 파이프라인의 표준이며 Qwen 툴에도 포함되어 있습니다.
멀티태스킹 트레이닝: 업계 최고 수준의 편집 일관성
Qwen-Image-Edit은 향상된 멀티태스크 학습 패러다임을 통해 텍스트-이미지 변환(T2I), 이미지-이미지 변환(I2I), 텍스트 기반 이미지 편집(TI2I) 등 다양한 작업을 지원합니다. 특히 Qwen-Image-Edit의 "체인 편집" 기능은 매우 뛰어납니다. 예를 들어, 서예 수정 시나리오에서 모델은 전체적인 스타일 일관성을 유지하면서 여러 차례의 반복 작업을 통해 잘못된 글자를 점진적으로 수정할 수 있습니다. 이 기능은 창의적인 효율성을 크게 향상시키고 전문적인 시각 콘텐츠 제작의 문턱을 낮춰줍니다.
Qwen-Image-Edit의 성능은 어떤가요? 정말 SOTA인가요?
벤치마크와 주장
Qwen은 여러 편집 벤치마크에서 최첨단 성능을 자랑합니다(팀은 사용자 선호도 테스트와 편집 전용 제품군을 강조합니다). 또한, 커뮤니티에서 GEdit-Bench(영어 및 중국어 버전)로 흔히 불리는 편집 벤치마크에 대한 구체적인 점수를 보고합니다. 한 보고서에 따르면 Qwen-Image-Edit은 영어에서 각각 7.56점, 중국어에서 7.52점을 기록한 반면, GPT Image-1은 영어에서 각각 7.53점, 중국어에서 7.30점을 기록했습니다. 이는 특히 중국어 텍스트 및 의미/모양 혼합 작업에서 Qwen의 우위를 보여줍니다.
Qwen-Image-Edit은 GPT Image-1(OpenAI) 및 FLUX.1Kontext와 어떻게 비교됩니까?
아래에서는 팀이 중요하게 여기는 실용적인 측면을 비교해보겠습니다. 기능, 텍스트 렌더링, 배포, 개방성, 그리고 각 모델의 강점/약점이 어디에 있는지 살펴보겠습니다.
- Qwen-Image-Edit — 듀얼 트랙 아키텍처, 강력한 이중 언어 텍스트 편집, 개방형 가중치(Apache-2.0), 20B 이미지 백본, 혼합 의미 및 모양 편집에 맞게 명시적으로 조정됨. 온프레미스 제어나 중국어/영어 타이포그래피 충실도가 필요한 경우 좋은 옵션입니다.
- gpt-image-1(OpenAI) — OpenAI API를 통해 제공되는 고성능 멀티모달 생성기/편집기입니다. 일반 이미지 생성, 텍스트 렌더링 및 통합(Adobe/Figma 파트너십)에 탁월합니다. 폐쇄형 가중치, 관리형 API, 광범위한 생태계 통합 및 제품 개선 기능을 제공합니다. OpenAI 문서에서는 API에서 "기본 멀티모달" 이미지 모델로 설명합니다.
- FLUX.1컨텍스트 — 다양한 모델(Dev/Pro/Max)을 갖춘 텍스트 중심 이미지 편집 제품으로 포지셔닝되었습니다. 공급업체는 특정 편집을 허용하면서도 특성/일관성을 유지하는 워크플로우를 강조합니다. 호스팅 UI와 Pro 티어를 통해 상용 제품 지향성을 보여줍니다. 공개된 기술 정보(예: 매개변수 개수)는 Qwen에 비해 제한적입니다.
역량 및 품질：
- 텍스트 및 타이포그래피: Qwen은 이중 언어 텍스트 충실도를 명시적으로 홍보합니다. OpenAI의 gpt-image-1은 정확한 텍스트 렌더링을 강조하며 이미 디자인 도구에 통합되어 있습니다. 실질적인 차이는 OCR 측정 정확도와 코퍼스에 대한 글꼴 매칭 테스트에 달려 있습니다. FLUX는 강력한 타이포그래피 제어 기능을 제공하지만, 직접 비교 수치 벤치마크는 더 적습니다.
- 의미적 편집(포즈/시점): 세 제품 모두 고수준 편집을 지원합니다. Qwen의 이중 경로 접근 방식은 이러한 혼합을 위해 설계되었습니다. OpenAI의 모델은 뛰어난 성능을 자랑하며 대규모 제품 수준의 신속한 엔지니어링을 통해 이점을 얻습니다. FLUX는 사용자 친화적인 편집 흐름을 목표로 합니다. GEdit-Bench 스냅샷 수치를 보면 Qwen이 지금까지 보고된 벤치마크의 종합 점수에서 약간 앞서 있음을 알 수 있습니다.
실용적인 선택 목록(개발자 지침):
- 왼쪽 메뉴에서 Qwen-Image-Edit 영어+중국어 이중 언어 텍스트 편집, 시맨틱+디자인 통합 워크플로, 그리고 간편한 클라우드 데모/통합이 중요하다면. 지역 맞춤형 UI 및 포스터 제작에 적합한 최고의 선택입니다.
- 왼쪽 메뉴에서 GPT-이미지-1 입증된 지침 준수 및 주류 디자인 도구(Adobe, Figma)와의 통합을 원하고 단일 단계의 창의적 변형을 우선시하는 경우 보존과 관련된 균형을 염두에 두십시오.
- 왼쪽 메뉴에서 FLUX.1Kontext / 미세 조정된 FluxKontext 만약: 미세 조정이 가능한 스택(개인 코퍼스에서 재교육하거나 조정할 수 있음)이 필요하고 데이터 세트 큐레이션에 투자할 준비가 되어 있다면, 최근 연구에 따르면 미세 조정 후 경쟁력 있는 점수가 나오는 것으로 나타났습니다.
CometAPI를 통한 시작하기
CometAPI는 OpenAI의 GPT 시리즈, Google의 Gemini, Anthropic의 Claude, Midjourney, Suno 등 주요 공급업체의 500개 이상의 AI 모델을 단일 개발자 친화적인 인터페이스로 통합하는 통합 API 플랫폼입니다. CometAPI는 일관된 인증, 요청 형식 지정 및 응답 처리를 제공하여 애플리케이션에 AI 기능을 통합하는 과정을 획기적으로 간소화합니다. 챗봇, 이미지 생성기, 음악 작곡가 또는 데이터 기반 분석 파이프라인 등 어떤 제품을 구축하든 CometAPI를 사용하면 AI 생태계 전반의 최신 혁신 기술을 활용하면서 반복 작업을 더 빠르게 수행하고 비용을 관리하며 공급업체에 구애받지 않을 수 있습니다.
최신 통합 Qwen-Image-Edit이 곧 CometAPI에 등장할 예정이므로 계속 지켜봐 주세요! Qwen-Image-Edit 모델 업로드를 마무리하는 동안 다음과 같은 다른 이미지 편집 모델을 살펴보세요. 시드림 3.0,FLUX.1 컨텍스트 ,GPT-이미지-1 워크플로에서 사용하거나 AI Playground에서 사용해 보세요. 시작하려면 모델의 기능을 살펴보세요. 운동장 그리고 상담하십시오 API 가이드 자세한 내용은 CometAPI를 참조하세요. 접속하기 전에 CometAPI에 로그인하고 API 키를 발급받았는지 확인하세요. 코멧API 공식 가격보다 훨씬 낮은 가격을 제공하여 통합을 돕습니다.
최종 평결: Qwen-Image-Edit이 귀하의 스택에 적합한 곳
Qwen-Image-Edit은 "텍스트 우선" 이미지 편집 워크플로를 향한 중요한 발걸음이며, 타이포그래피와 의미 이해가 중요한 혼합 작업에서 탁월한 성능을 발휘합니다. 클라우드 API를 통해 빠른 통합이 가능하고, 개방형 가중치를 통해 고급 사용자 지정이 가능하여 접근성이 뛰어나지만, 이와 같은 새로운 릴리스는 사용자 도메인에서 신중한 테스트가 필요합니다. 체인 편집, ID 보존, 엣지 글꼴/스크립트 등은 반복 작업과 신속한 엔지니어링이 필요할 수 있습니다. Qwen 팀은 모델을 적극적으로 조정하고 있으며 최신 버전을 사용할 것을 권장합니다. diffusers 최상의 안정성을 위해 커밋하고 즉시 재작성할 수 있는 도구를 제공했습니다.
대규모 프로덕션(높은 처리량, 보장된 지연 시간, 특수 보안) 사용 사례인 경우 클라우드 API를 다른 관리형 ML 서비스와 마찬가지로 취급하세요. 즉, 해당 지역에서 벤치마킹을 수행하고 비용을 계획하며 강력한 캐싱 및 결과 지속성을 구현하세요(OSS TTL 고려 사항).