Qwen-Image如何解決過往AI圖像生成模型在文字處理上的痛點？

Qwen-Image 如何克服 AI 圖像生成文字處理的挑戰

阿里巴巴旗下的「通義千問」團隊推出了開源 AI 圖像生成模型 Qwen-Image，其主要突破在於能夠精確地在圖像中呈現文字，尤其擅長處理複雜的中文排版和雙語內容。這解決了過去許多 AI 圖像生成模型在文字處理上的痛點，例如文字亂碼或模糊不清等問題。

技術原理與效能表現

Qwen-Image 的成功主要歸功於其採用的「漸進式學習」和「多模態任務校準」訓練方法。透過包含數十億組圖文配對的資料庫，涵蓋自然圖像、人物肖像、設計內容（如海報和UI版面）以及自行生成的合成文字資料進行訓練。在多項公開基準測試中，Qwen-Image 在中文文字渲染方面的能力顯著超越其他模型，例如在 GenEval、DPG、OneIG-Bench 和 TIIF 等測試中，其表現媲美甚至超越了領先的閉源模型。此外，在 AI Arena 的人類評估中，Qwen-Image 也是排名最高的開源模型，展現出強大的生成能力。

商業應用與授權

Qwen-Image 採用 Apache 2.0 許可證，允許商業和非商業用途，為企業提供了一個低成本的開源選擇。這使得企業可以自由地使用、再發布與修改模型，只需在衍生作品中註明來源並附上授權條文即可。Qwen-Image 適用於內部行銷、零售與電子商務等多種應用場景，例如製作廣告傳單、電子報、社群貼文等，有效降低授權成本。