Qwen: Qwen Image 3

A Qwen-Image-3.0 a Qwen harmadik generációs képi modellje, amely egyetlen modellben egyesíti a szövegből történő képkészítést és a referencián alapuló szerkesztést. A standard kiadás a képminőség és a válaszsebesség egyensúlyára törekszik, míg a Qwen-Image-3.0 Pro a minőséget előtérbe helyező csúcsváltozat. Egy kérés képet hoz létre: posztert, illusztrált magyarázatot, termékjelenetet, képes forgatókönyvet vagy átdolgozott fényképet, nem pedig szerkeszthető dokumentumot vagy működő felületet.

Tartalomban gazdag képi képességei több összefüggő szakaszt vagy egymásba ágyazott vizuális elrendezést tartalmazó képfelülethez illenek. A stílusbeli részletek hozzáadása előtt készítse elő a címeket, a pontos szöveget, a hierarchiát és a képpanelek kapcsolatát. Termék-összehasonlításhoz egy hasznos leírás meghatározza a termék fő nézetét, a feliratozandó tulajdonságokat és a kiegészítő panelek olvasási sorrendjét. Képes forgatókönyvnél külön írja le minden panel témáját, cselekményét és képaláírását. A prompt ajánlott felső hossza 4 500 token; ezt a helyet arra a tartalomra és elrendezésre használja, amelyre a képnek valóban szüksége van.

A modell támogatja a részletes textúrákat, a bemutatott példákban akár 10 pixeles apró szöveg tipográfiáját, valamint 12 nyelv natív megjelenítését többféle betűtípussal és művészi stílussal. Ezek a képességek valósághű tárgyat és információgazdag grafikát kapcsolhatnak össze, ahelyett, hogy fénykép és sok szöveget tartalmazó elrendezés között kellene választani. Adja meg a megjelenítendő pontos szavakat és számjegyeket, a nyelvüket és az elhelyezésüket. A generált felületet látványtervként kezelje: a képen látható gombok, diagramok és feliratok nem valósítják meg egy alkalmazás működését.

A szerkesztés módosíthat szöveget, hozzáadhat vagy eltávolíthat tárgyakat, áthelyezhet elemeket, megváltoztathatja a szereplő cselekvését, átvihet egy stílust vagy javíthatja egy sérült kép részleteit. Adjon meg egy–három képet és egyetlen világos szerkesztési utasítást. A képek számozása a megadott sorrendet követi, ezért jelölje meg, melyik kép adja a fő témát, melyik a ruhadarabot vagy tárgyat, és melyik a környezetet. Termékjelenethez kérje az 1. képen szereplő tárgy elhelyezését a 2. kép környezetében, a terméket megkülönböztető jellemzők megtartásával. A módosításokat és a megőrzendő részleteket egyértelműen fogalmazza meg.

Az adott képbeviteli folyamat JPG, JPEG, PNG, BMP, TIFF, WebP és GIF formátumot fogad; animált GIF esetén csak az első képkockát dolgozza fel. Egy kép legfeljebb 10 MB-os lehet. A jelenlegi API 1 és 8 000 pixel közötti méreteket fogad, legfeljebb 10:1 hosszúoldal–rövidoldal aránnyal, és jó eredményekhez 384–2 048 pixelt ajánl. Olyan bemenetet válasszon, amelyen az átviendő vagy szerkesztendő részletek jól látszanak. A szorosan körbevágott referencia eltakarhatja a tárgy természetes elhelyezéséhez szükséges környező szerkezetet.

A kimenet PNG, kérésenként egy–hat képpel; az alapértelmezés egy kép. A kimeneti pixelterület 512 × 512 és 2 048 × 2 048 között, a képarány 1:8 és 8:1 között lehet; ezek területi korlátok, nem azt jelentik, hogy minden oldal legfeljebb 2 048 pixel hosszú lehet. Ha nincs megadva méret, a modell a prompt alapján javasol felbontást. Válasszon a felhasználási célhoz fekvő, négyzetes vagy álló kompozíciót, majd a visszakapott képet a tényleges méretében vizsgálja meg, hogy az apró feliratokat és finom részleteket a megjelenésük helyén lehessen értékelni.

A gyártói folyamatban a prompt átírása alapértelmezés szerint be van kapcsolva. A közvetlen javítás generálásnál és szerkesztésnél is működik; az ágensalapú javítás összetettebb átírási mód, amely csak szövegből képet készítve használható, képből képet szerkesztve pedig elutasításra kerül. A Thinking alapértelmezés szerint aktív, megköveteli a prompt átírását, és növeli a generálás idejét. Negatív promptokkal leírhatók a nem kívánt elemek, míg a rögzített seed a változatok összehasonlítását segíti. A kizárásokat és a pontos megőrzési elvárásokat egyértelműen adja meg, ne a seedtől várja, hogy változó leírás mellett azonos képet adjon vissza.

Használható végső eredményhez ellenőrizze a megjelenített szavakat, mértékegységeket, a panelek sorrendjét és a témát azonosító részleteket, majd módosítsa célzottan azt a részt, amely eltért a leírástól. A többképes válasz összehasonlítható alternatívákat ad; minden visszakapott képet kapcsoljon össze az azt létrehozó prompttal és referenciákkal. A gyártó képcímei 24 óra után lejárnak, ezért őrizze meg magát a képfájlt, amikor az eredmény egy projekt részévé válik. A standard 3.0 kiadás továbbra is különbözik a Pro változattól, valamint az eltérő számú referenciaképet és eltérő átlátszósági funkciókat támogató Qwen 2.1 modellektől.