智东西
作者 李水青
编辑 心缘

智东西8月19日报道，今日，阿里推出Qwen-Image-Edit，这是其此前8月5日推出的图像生成基础模型Qwen-Image的图像编辑版本。（阿里开源图像大模型，实测中文渲染能力绝了！精准搞定复杂字体排版，硬刚字节OpenAI）

这下，PS可能真的要被干掉了。如下图所示，用户可以通过Qwen-Image-Edit在图中添加指示牌，指定指示牌中上的文本为“Welcome to Penguin Beach”。下面右图不仅准确生成了用户所需要素，指示牌下还生成了自然的倒影。

▲Qwen-Image-Edit支持语义和外观编辑功能

Qwen-Image-Edit基于其20B的Qwen-Image模型进⼀步训练，将Qwen-Image的文本渲染能力延展至图像编辑领域，实现了对图片中文字的精准编辑。同时，Qwen-Image-Edit将输⼊图像同时输⼊到Qwen2.5-VL（实现视觉语义控制）和VAE Encoder（实现视觉外观控制），从而兼具语义与外观的双重编辑能⼒。

Qwen-Image-Edit的主要特性包括：

1、语义与外观双重编辑：Qwen-Image-Edit不仅⽀持low-level（低阶）的视觉外观编辑，如元素的添加、删除、修改等，要求图片其他区域完全不变，也支持high-level（高阶）的视觉语义编辑，如IP创作、物体旋转、风格迁移等，允许整体像素变化但保持语义一致。

2、精准⽂字编辑：Qwen-Image-Edit支持中英文双语文字编辑，可在保留原有字体、字号、风格的前提下，直接对图片中的文字进行增、删、改等操作。

3、强⼤的基准性能：在多个公开基准测试中的评估表明，Qwen-Image-Edit在图像编辑任务上具备SOTA（最佳表现）性能，是一个强大的图像编辑基础模型。

目前，用户可以访问Qwen Chat（chat.qwen.ai）并选择“图像编辑”功能，体验Qwen-Image-Edit。本文通过实测及一些官方案例，发现Qwen-Image-Edit已经能实现比较准确的文本驱动图像编辑，比如在文字生成、视角切换、场景创设、背景变幻等方面都生成较精准，并且主体能保持较高一致性，光线和质感会随场景自然变化。不过，目前其在Qwen Chat和Hugging Face的免费体验都有次数限制，不能无限使用。

▲Qwen-Image-Edit体验入口页面截图

ModelScope地址：

https://modelscope.cn/models/Qwen/Qwen-Image-Edit

Hugging Face地址：

https://huggingface.co/Qwen/Qwen-Image-Edit

GitHub地址：

https://github.com/QwenLM/Qwen-Image

一、支持语义和外观编辑，或成IP打造神器

Qwen-Image-Edit的一大亮点在于其语义和外观编辑功能，智东西对此进行了一手体验。

语义编辑是指在保留原始视觉语义的同时修改图像内容。

如下图所示，当智东西输入以下男士照片，并输入“在桌子上生成一个立牌，写着‘沐屿咖啡’”，Qwen-Image-Edit能输出准确的文字，人物保持了一致性，镜头拉近了一点，肤色略变黄了一些。

输入图片：

输出图片：

当智东西输入一张小兔子的图片，并输入“让小兔子拿着画笔画画”的提示词，Qwen-Image-Edit准确生成了这幅画面，且保持了小兔子形象的特点，延续了风格可爱活泼风格，柔光下毛发甚至更加细腻。

输入图片：

输出图片：

当我进一步要求“为小兔子穿上写着‘智东西’的短袖，画板上写上‘AGI’”，Qwen-Image-Edit也能够准确生成，而且画板上的文字与原本的画作风格一致，其他的元素没有发生变化。

输出图片：

当智东西让Qwen-Image-Edit将下面这幅书法中的“层”改为简体写法时，如输出图所示，Qwen-Image-Edit这次误将“穷”（标红框）字识别为了“层”，而没有将原本需要修改的字（标蓝框）改正。不过只能说中国文化博大精深，让大模型看草书属实有点为难它了。

输入图片：

输出图片：

Qwen-Image-Edit还支持视角转换、背景修改、添删细节等外观编辑。当我们输入一张小猴子卡通图片，提出“朝向左侧”的视角转换要求，Qwen-Image-Edit能够生成小猴子的侧面，可以说形象和场景完全保持一致，就像动画的前后两帧。我们还特意观察了下手脚的生成情况，没有出现类似“六根指头”的恐怖谷效应。

输入图片：

输出图片：

当我们输入一张女孩照片，并输入“将背景变为高原雪山”提示词，Qwen-Image-Edit快速更换了背景，值得一提的是女生身上的光感也切换到了外场状态，与内场的聚光灯效果有所区别，显得比较自然。

输入图片：

输出图片：

再来看看阿里官方公布的一些案例，以Qwen的吉祥物——水豚为例，在输入对应文字后，Qwen-Image-Edit输出了不同场景的水豚图片。

虽然编辑后的图像与输入图像（最左侧图像）的像素大部分不同，但水豚的形态一致性得到了完美保留。语义编辑功能可以让原创IP内容创作变得轻松便捷，且内容丰富多样。

团队还围绕16种MBTI性格类型设计了一系列编辑提示，基于这些提示生成了一套以吉祥物水豚为原型的MBTI主题表情包，这可以用于拓展IP的影响力。

新颖的视图合成是语义编辑的另一个关键应用场景。如下面的两个示例图所示，Qwen-Image-Edit不仅可以将物体旋转90度，还可以进行完整的180度旋转，让用户能够直接看到物体的背面。

语义编辑的另一个典型应用是风格转换。例如，给定一幅输入肖像，Qwen-Image-Edit可以轻松地将其转换为各种艺术风格，例如吉卜力工作室的风格。此功能在虚拟化身创建等应用中具有重要价值。

二、增删改特定元素，虚拟传达、模拟场景一键完成

除了语义编辑之外，外观编辑是另一种常见的图像编辑需求。外观编辑强调在添加、移除或修改特定元素时，保持图像的某些区域完全不变。开篇提到的案例展示了一个将招牌添加到场景中的案例。如图所示，Qwen-Image-Edit不仅成功插入了招牌，还生成了相应的反射。

下面这个例子演示了如何从图像中去除细发丝和其他小物体。

此外，图像中特定字母“n”的颜色可以修改为蓝色，从而实现对特定元素的精确编辑。

外观编辑在调整人物背景或更换服装等场景中也有广泛的应用。下面的三幅图分别展示了这些实际用例。

三、精准文本编辑，链式修改书法错误

Qwen-Image-Edit的另一大亮点在于其精准的文本编辑能力，这源于Qwen-Image在文本渲染方面的功底。

以下两个案例生动地展现了Qwen-Image-Edit在英文文本编辑方面的性能：

Qwen-Image-Edit还可以直接编辑中文海报，不仅可以修改大标题文本，还可以对细小复杂的文本元素进行精确调整。

最后，通过一个具体的图像编辑示例，通义团队演示了如何使用链式编辑方法逐步纠正Qwen-Image生成的书法作品中的错误：

在这幅作品中，几个汉字存在生成错误，Qwen-Image-Edit可以逐步纠正这些错误。例如，用户可以在原始图像上绘制边界框来标记需要校正的区域，并指示Qwen-Image-Edit修复这些特定区域。在这里，演示者希望“稽”字能够正确地写在红色框内，而“亭”字能够准确地呈现在蓝色区域内。

然而，在实际操作中，“稽”字相对模糊，模型未能一次性将其正确纠正。“稽”字的右下角部分应该是“旨”，而不是“日”。此时，演示员进一步用红框突出显示“日”部分，指示Qwen-Image-Edit微调此细节，将其替换为“旨”。

通过这种链式、循序渐进的编辑方法，我们可以不断地纠正字符错误，直到达到理想的最终结果。

最终，演示员成功获取了完整正确的《兰亭集序》书法版本。

结语：AI图像编辑更精准，降低视觉创作门槛

通过体验，我们发现Qwen-Image-Edit具备较强大的语义和外观编辑功能。尽管在连续多轮修改中，Qwen-Image-Edit编辑的精准性和一致性仍有待提高，在草书等更复杂字体生成上有局限，并且使用次数有限制，但其目前已能实现大多物体增删、文字生成、角度转换等实用功能。

随着这一能力还在持续迭代，其有望推动图像生成领域的发展，降低视觉内容创作的技术门槛，并激发更多创新应用。