Qwen-Görüntü bir görüntü oluşturma ve görüntü düzenlemedir temel modeli Qwen ailesinde tasarlanmıştır yüksek doğrulukta metin oluşturma, hassas düzenlemeve genel metinden görüntüye dönüştürme. Performans göstermek üzere tasarlanmıştır metin farkında nesil, iki dilli metin oluşturma (özellikle Çince ve İngilizce'de güçlü) ve ince ayrıntılı bağlam içi düzenlemeBu sürüm, birleşik bir anlamak + üretmek tasarım felsefesi (birleşik bir boru hattında eğitilen görüntü anlama görevleri ve üretken görevler).
anahtar özellikler
- Görsellerin içinde yerel/yüksek kaliteli metin oluşturma — üretilen görsellerde (posterler, ambalajlar, ekran görüntüleri) okunaklı, anlamsal olarak doğru metin üretmede mükemmeldir — daha önceki birçok görsel modelin zorlandığı bir alandır.
- Yüksek doğrulukta çok modlu çıktı — İyi ayrıntı ve dil farkında düzene sahip, fotogerçekçi ve stilize görüntüler üretir.
- Stil aktarımı ve detay geliştirme — Sahne tutarlılığını korurken tutarlı sanatsal stiller uygulayabilir veya yerel ayrıntıları geliştirebilirsiniz.
Teknik detaylar — Qwen-Image nasıl çalışır?
Mimari ve bileşenler (anahtar kelimeler: MMDiT, Qwen2.5-VL). Model bir MMDiT tabanlı görüntü sentezi için difüzyon transformatörü ile birleştirilmiş görsel dil kodlayıcısı (Qwen2.5-VL) istemleri ve görsel bağlamı yorumlamak için. Bu ayrım, modelin anlamsal rehberlik ve piksel görünümü Farklı bir şekilde, metin doğruluğunu ve düzenleme tutarlılığını artırarak. Resmi veri havuzu ve teknik rapor, ana T2I modeli için 20B parametreli bir omurgaya dikkat çekiyor.
Eğitim hattı (anahtar kelimeler: müfredat öğrenimi, veri hattı). Sert metin oluşturmayı çözmek için Qwen-Image bir ilerici müfredat: Daha basit, metin dışı görsellerle başlayıp, daha karmaşık, metin açısından zengin örnekler üzerinde kademeli olarak eğitim alarak paragraf düzeyinde girdilere ulaşıyor. Ekip, modelin eğitim sırasında birçok gerçekçi metin/fotoğraf kompozisyonu görmesini sağlamak için geniş ölçekli toplama, dikkatli filtreleme, sentetik artırma ve dengeleme içeren kapsamlı bir süreç geliştirdi. Bu stratejik müfredat, modelin çok dilli metin oluşturmada mükemmel olmasının temel nedenlerinden biridir.
Düzenleme mekanizması (anahtar kelimeler: çift kodlama, VAE + VL kodlayıcı). Düzenleme için sistem orijinal görüntüyü iki kez besler: Qwen2.5-VL kodlayıcısına bir kez anlamsal kontrol ve bir kez VAE kodlayıcısına rekonstrüktif görünüm bilgisiÇift kodlama tasarımı, düzenleme modülünün kimliği ve görsel sadakati korurken anlamsal değişikliklere izin vermesini sağlar; örneğin, ilgisiz bölgeleri bozmadan bir nesneyi değiştirmek veya metinsel içeriği değiştirmek.
Karşılaştırma performansı
Qwen-Image, hem oluşturma hem de düzenleme için birden fazla genel kıyaslamada SOTA veya SOTA'ya yakın performans elde ediyor ve özellikle metin oluşturma görevlerinde ve gerçek dünya kompozisyon kıyaslamalarında (örneğin, T2I-CoreBench ve küratörlü görüntü düzenleme paketleri) güçlü sonuçlar elde ediyor.
Qwen-Image'ın diğer önde gelen modellerle karşılaştırılması
Göreceli güçlü yönler: metin oluşturma ve iki dilli metin doğruluğu Modelin, salt sanatsal kompozisyon veya üslup çeşitliliğinde sıklıkla daha güçlü, ancak yoğun çok satırlı veya Çince metin düzeninde daha zayıf olan birçok üretken rakibe (örneğin, DALL·E 3, SDXL, Midjourney) kıyasla belirgin avantajları şunlardır: Birden fazla topluluk karşılaştırması ve model yazarlarının kıyaslama tabloları bu tanımlamayı desteklemektedir.
Göreceli takaslar: Kapalı, yoğun şekilde ayarlanmış ticari sistemlere kıyasla, Qwen-Image gerekebilir rötuş veya bağımsız testlere göre bazı bağlamlarda (kavisli yüzey eğriliği, fotogerçekçi kompozisyon) aynı gerçekçiliğe ulaşmak için istem/adaptör ayarlaması. Önceliklendirme yapan kullanıcılar için şablonlu tasarımlar, paketleme maketleri veya iki dilli metin düzenleri, Qwen-Image daha çok tercih ediliyor.
Tipik ve yüksek değerli kullanım durumları
- Paketleme ve ürün maketleri: Etiketler ve ambalaj denemeleri için doğru metin ve çok satırlı düzenler.
- Reklam ve tasarım taslakları: metin doğruluğunun önemli olduğu hızlı prototipleme (posterler, afişler).
- Belgelenmiş görüntü oluşturma: okunabilir içerik (menüler, işaretler, arayüzler) içermesi gereken görsellerin üretilmesi.
- Görüntü düzenleme hatları: hedeflenen düzenlemeler (metin değiştirme, nesne ekleme/kaldırma) stil ve perspektifi koruyarak.
CometAPI'den qwen-image API'si nasıl çağrılır?
qwen-image CometAPI'de API Fiyatlandırması, resmi fiyattan %20 indirim:
Gerekli Adımlar
- Giriş cometapi.com. Eğer henüz kullanıcımız değilseniz lütfen önce kayıt olun.
- oturum senin CometAPI konsolu.
- Arayüzün erişim kimlik bilgisi API anahtarını edinin. Kişisel merkezdeki API belirtecinde “Token Ekle”ye tıklayın, belirteç anahtarını edinin: sk-xxxxx ve gönderin.
Kullanım Yöntemi
- API isteğini göndermek için "qwen-image" uç noktasını seçin ve istek gövdesini ayarlayın. İstek yöntemi ve istek gövdesi, web sitemizdeki API dokümanından alınmıştır. Web sitemizde ayrıca kolaylık olması açısından Apifox testi de sunulmaktadır.
- Yer değiştirmek Hesabınızdaki gerçek CometAPI anahtarınızla.
- Sorunuzu veya isteğinizi içerik alanına girin; model buna cevap verecektir.
- . Üretilen cevabı almak için API yanıtını işleyin.
CometAPI, sorunsuz geçiş için tamamen uyumlu bir REST API sağlar. Temel ayrıntılar görüntü üretimi:
- Temel URL: https://api.cometapi.com/v1/images/generations
- Model İsimleri: qwen-görüntüsü
- Kimlik doğrulama:
Bearer YOUR_CometAPI_API_KEYbaşlık - İçerik türü:
application/json.
“qwen-image” modeli “n” parametresine ihtiyaç duymaz ve yalnızca bir görüntü çıktısı verebilir.
Ayrıca bakınız Gemini 2.5 Flash Görüntü API'si (Nano-Muz)