Qwen: Qwen Image 3

Το Qwen-Image-3.0 είναι το μοντέλο εικόνας τρίτης γενιάς της Qwen και συνδυάζει δημιουργία εικόνων από κείμενο και επεξεργασία βάσει αναφορών σε ένα μοντέλο. Η βασική έκδοση ισορροπεί ποιότητα εικόνας και ταχύτητα απόκρισης, ενώ το Qwen-Image-3.0 Pro είναι η κορυφαία συγγενική έκδοση με έμφαση στην ποιότητα. Ένα αίτημα παράγει εικόνα: αφίσα, εικονογραφημένη εξήγηση, σκηνή προϊόντος, storyboard ή τροποποιημένη φωτογραφία, αντί για επεξεργάσιμο έγγραφο ή λειτουργική διεπαφή.

Οι δυνατότητες πλούσιου περιεχομένου του ταιριάζουν σε έναν καμβά με πολλές σχετικές ενότητες ή ένθετη οπτική διάταξη. Προετοιμάστε τους τίτλους, την ακριβή διατύπωση, την ιεραρχία και τη σχέση μεταξύ των πλαισίων πριν προσθέσετε λεπτομέρειες ύφους. Για σύγκριση προϊόντων, ένα χρήσιμο αίτημα προσδιορίζει την κύρια απεικόνιση του προϊόντος, τα χαρακτηριστικά που θα επισημανθούν και τη σειρά ανάγνωσης των υποστηρικτικών πλαισίων. Για storyboard, περιγράψτε χωριστά το θέμα, τη δράση και τη λεζάντα κάθε πλαισίου. Το συνιστώμενο μέγιστο μήκος του prompt είναι 4.500 tokens· αφιερώστε αυτόν τον χώρο στο περιεχόμενο και τη διάταξη που πραγματικά χρειάζεται η εικόνα.

Το μοντέλο υποστηρίζει λεπτομερείς υφές, τυπογραφία με μικρό κείμενο που έχει επιδειχθεί στα 10 pixel και εγγενή απόδοση σε 12 γλώσσες, με πολλές γραμματοσειρές και καλλιτεχνικά ύφη. Αυτές οι δυνατότητες μπορούν να συνδυάσουν ένα ρεαλιστικό αντικείμενο με ένα γραφικό πλούσιο σε πληροφορίες, χωρίς να επιβάλλουν επιλογή ανάμεσα σε φωτογραφία και διάταξη με πολύ κείμενο. Δώστε τις ακριβείς λέξεις και τους ακριβείς αριθμούς που θα αποδοθούν, τη γλώσσα τους και τη θέση τους. Αντιμετωπίστε μια παραγόμενη διεπαφή ως οπτική μακέτα: τα κουμπιά, τα γραφήματα και οι ετικέτες στην εικόνα δεν υλοποιούν τη συμπεριφορά μιας εφαρμογής.

Η επεξεργασία μπορεί να αλλάξει κείμενο, να προσθέσει ή να αφαιρέσει αντικείμενα, να μετακινήσει στοιχεία, να προσαρμόσει τη δράση ενός θέματος, να μεταφέρει ένα ύφος ή να βελτιώσει τις λεπτομέρειες μιας φθαρμένης εικόνας. Δώστε μία έως τρεις εικόνες και μία σαφή οδηγία επεξεργασίας. Η αρίθμηση των εικόνων ακολουθεί τη σειρά υποβολής, οπότε προσδιορίστε ποια εικόνα παρέχει το θέμα, ποια ένα ένδυμα ή αντικείμενο και ποια το σκηνικό. Για μια σκηνή προϊόντος, ζητήστε να τοποθετηθεί το αντικείμενο της εικόνας 1 στο περιβάλλον της εικόνας 2, διατηρώντας τα χαρακτηριστικά που ξεχωρίζουν το προϊόν. Διατυπώστε ρητά τόσο τις αλλαγές όσο και τις απαιτήσεις διατήρησης.

Η συγκεκριμένη ροή εισαγωγής εικόνων δέχεται JPG, JPEG, PNG, BMP, TIFF, WebP και GIF· από ένα κινούμενο GIF επεξεργάζεται μόνο το πρώτο καρέ. Κάθε εικόνα μπορεί να έχει μέγεθος έως 10 MB. Το τρέχον API δέχεται διαστάσεις από 1 έως 8.000 pixel, με αναλογία μεγάλης προς μικρή πλευρά που δεν ξεπερνά το 10:1, και συνιστά 384–2.048 pixel για καλά αποτελέσματα. Επιλέξτε εικόνα εισόδου που δείχνει καθαρά τις λεπτομέρειες που μεταφέρονται ή τροποποιούνται. Μια πολύ στενά περικομμένη αναφορά μπορεί να κρύψει τη γύρω δομή που χρειάζεται για φυσική τοποθέτηση ενός αντικειμένου.

Η έξοδος είναι PNG, με μία έως έξι εικόνες ανά αίτημα και προεπιλογή τη μία. Το εμβαδόν σε pixel κυμαίνεται από 512 × 512 έως 2.048 × 2.048, με αναλογίες πλευρών από 1:8 έως 8:1· αυτά είναι όρια εμβαδού, όχι κανόνας ότι κάθε πλευρά πρέπει να έχει το πολύ 2.048 pixel. Αν δεν δοθεί μέγεθος, το μοντέλο προτείνει ανάλυση βάσει του prompt. Επιλέξτε οριζόντια, τετράγωνη ή κατακόρυφη σύνθεση για την προβλεπόμενη χρήση και κατόπιν εξετάστε την επιστρεφόμενη εικόνα στο πραγματικό της μέγεθος, ώστε να αξιολογήσετε τις μικρές ετικέτες και τις λεπτές λεπτομέρειες όπως θα εμφανίζονται.

Η αναδιατύπωση του prompt είναι ενεργοποιημένη από προεπιλογή στη ροή του κατασκευαστή. Η άμεση βελτίωση λειτουργεί τόσο για παραγωγή όσο και για επεξεργασία· η βελτίωση μέσω agent είναι πιο σύνθετη λειτουργία αναδιατύπωσης μόνο για παραγωγή εικόνας από κείμενο και απορρίπτεται για επεξεργασία εικόνας με βάση εικόνα. Η λειτουργία συλλογισμού είναι ενεργοποιημένη από προεπιλογή, απαιτεί αναδιατύπωση του prompt και αυξάνει τον χρόνο παραγωγής. Τα αρνητικά prompts μπορούν να περιγράφουν ανεπιθύμητα στοιχεία, ενώ μια σταθερή τιμή seed βοηθά στη σύγκριση παραλλαγών. Δηλώστε καθαρά τους αποκλεισμούς και τις ακριβείς απαιτήσεις διατήρησης, αντί να περιμένετε ότι ένα seed θα δώσει πανομοιότυπη εικόνα όταν αλλάζει το αίτημα.

Για ένα χρήσιμο τελικό παραδοτέο, ελέγξτε τις αποδοθείσες λέξεις, τις μονάδες, τη σειρά των πλαισίων και τις λεπτομέρειες που ταυτοποιούν το θέμα και έπειτα τροποποιήστε το συγκεκριμένο μέρος που δεν ακολούθησε το αίτημα. Μια απάντηση με πολλές εικόνες παρέχει εναλλακτικές για σύγκριση· κρατήστε κάθε επιστρεφόμενη εικόνα συνδεδεμένη με το prompt και τις αναφορές που την παρήγαγαν. Οι διευθύνσεις εικόνων του κατασκευαστή λήγουν μετά από 24 ώρες, οπότε αποθηκεύστε το ίδιο το αρχείο εικόνας όταν το αποτέλεσμα γίνεται μέρος ενός έργου. Η βασική έκδοση 3.0 παραμένει διακριτή από την Pro και από τα μοντέλα Qwen 2.1, τα οποία έχουν διαφορετικό αριθμό αναφορών και δυνατότητες διαφάνειας.