?

今天凌晨，阿里通義千問正式開源圖像編輯模型 Qwen-Image-Edit。
?
它基于此前的 20B 參數 Qwen-Image 繼續訓練，將復雜文字渲染與圖像編輯整合到一個統一框架里，重點補齊了“圖中可編輯文字”“高層語義編輯”“外觀級細節編輯”等能力，從而把生成與編輯打通在同一條工作流內。
?
目前，官方博客與模型頁均已上線，用戶可通過 Hugging Face、ModelScope平臺獲取模型權重，或通過Qwen Chat的“Image Editing”功能在線體驗。阿里還提供了 ComfyUI 原生支持和詳細技術文檔，助力開發者快速集成。
?
Qwen-Image-Edit 繼承了 Qwen-Image 的核心優勢，在文本渲染能力上實現進一步升級。它支持直接在圖像中添加、刪除或修改文本，同時保留原有字體、大小和風格。
?

?
在應用場景上，Qwen-Image-Edit 展現出多維度能力：

• 原創 IP 編輯：基于品牌吉祥物生成系列表情包，保持角色一致性；
• 視角轉換：實現物體 90 度或 180 度旋轉，生成背面視圖；
• 風格遷移：將肖像轉換為吉卜力等藝術風格；
• 精準元素編輯：添加、刪除或修改特定元素而不影響其他區域。
  ?
  總的來說，Qwen-Image-Edit 主要在兩個層面發力：一是語義級編輯，能夠在不破壞主體一致性的前提下完成物體結構改變、姿態調整、風格替換以及概念化修改。如下圖的 IP 編輯案例：
  ?
  
  ?
  二是外觀級編輯，包括增刪改、摳換、局部重繪、清晰度與質感增強等。值得關注的是，它把 Qwen-Image 的中文文本渲染長項延展到編輯環節，實現圖中原生文字的精確替換與重排，這對電商海報、信息圖、品牌字體統一有直接價值。
  ?
  
  ?
  它能處理多行布局、段落級文本生成以及書法對聯等復雜排版需求，解決了以往 AI 圖像模型中文字生成模糊、錯位的問題。
  ?
  核心技術創新方面，團隊采用雙重編碼機制，在處理圖像編輯任務時，輸入圖像的同時通過 Qwen2.5-VL 模型進行語義編碼，提取高層場景和對象關系特征；同時經由變分自編碼器進行重建編碼，保留底層視覺細節，如紋理和顏色等。
  ?
  這種機制使模型在執行編輯指令時，既能理解語義意圖，又能保持視覺保真度。例如，調整人物姿態的同時保持人物身份和背景一致，或在添加元素時生成逼真的反光效果。
  ?
  過去一年，大模型的圖像生成提升很快，但可控編輯一直是門檻：一方面是中文文字可讀性差，另一方面是角色一致性和局部控制不夠穩定。Qwen-Image 在 8 月初開源時就把“文本直出與中文長段渲染”作為核心賣點，編輯版則把同等文字能力搬進了編輯鏈條，疊加主體一致性的示例，專注于“把圖改對”的能力。
  ?
  官方案例顯示，該模型能輕松將海報上的“Hope”替換為“Qwen”，或在書法作品中修正錯誤字符。通過鏈式編輯功能，用戶可逐步修正圖像中的錯誤，如書法作品的單字錯誤修正，經過多輪迭代達到理想效果。
  ?
  
  ?
  
  ?
  那么，真實效果如何呢？算家云也來實測一波。這是一家街頭咖啡店原圖：
  
  ?
  增加提示詞：把這家店的招牌換成中文“算家云”，保持街景風格一致。輸出圖片如下：
  ?
  
  ?
  接下來是難度更高的場景：語義理解 + 局部替換
  ?
  輸入一張野餐場景圖：
  ?
  
  ?
  增加提示詞：“把桌布換成綠白格子，保持光影自然”。
  ?
  圖片
  ?
  進一步要求在桌布上加一個筆記本電腦，屏幕顯示文字“算家云”：
  ?
  
  ?
  結果顯示，模型能在同一畫面中做多元素替換并保持協調。不過在多次修改后，光影效果的還原度還存在一定局限。
  ?
  隨著 AI 圖像編輯技術發展，專業設計工具市場或許將面臨變革。它不會在一夜之間替代 PS，但會讓大量以規則為主的編輯任務轉移到 AI 管道中，進而推動創作團隊的組織方式、素材管理與交付標準發生結構性調整。