Qwen: Qwen Image 3

Qwen-Image-3.0 – trečiosios kartos Qwen vaizdų modelis, viename modelyje sujungiantis vaizdų kūrimą iš teksto ir redagavimą pagal pavyzdinius vaizdus. Standartinė versija derina vaizdo kokybę ir atsako greitį, o Qwen-Image-3.0 Pro yra kokybei pirmenybę teikianti aukščiausios klasės gimininga versija. Užklausa sukuria vaizdą – plakatą, iliustruotą paaiškinimą, produkto sceną, siužetinę kadrų seką ar pakeistą nuotrauką, o ne redaguojamą dokumentą ar veikiančią sąsają.

Galimybės kurti gausų turinį tinka drobei su keliomis susijusiomis dalimis arba įdėtiniam vaizdiniam maketui. Prieš pridėdami stiliaus detalių paruoškite antraštes, tikslų tekstą, hierarchiją ir ryšius tarp skydelių. Produktų palyginimo užduotyje naudinga nurodyti pagrindinį produkto vaizdą, žymimas savybes ir pagalbinių skydelių skaitymo tvarką. Siužetinei kadrų sekai atskirai aprašykite kiekvieno skydelio objektą, veiksmą ir užrašą. Rekomenduojamas maksimalus instrukcijos ilgis – 4 500 žetonų; šią vietą skirkite turiniui ir maketui, kurių vaizdui iš tikrųjų reikia.

Modelis palaiko detalias tekstūras, tipografiką su smulkiu tekstu, demonstruotu 10 pikselių dydžiu, ir tiesioginį teksto atvaizdavimą 12 kalbų, naudojant įvairius šriftus bei meninius stilius. Šios galimybės leidžia suderinti tikrovišką objektą su informacijos gausia grafika, o ne verčia rinktis tarp nuotraukos ir daug teksto turinčio maketo. Pateikite tikslius atvaizduojamus žodžius ir skaitmenis, jų kalbą ir numatytą vietą. Sugeneruotą sąsają laikykite vaizdiniu maketu: paveikslėlyje esantys mygtukai, diagramos ir žymos neįgyvendina programos veikimo.

Redaguojant galima keisti tekstą, pridėti ar pašalinti objektus, perkelti elementus, keisti vaizduojamo subjekto veiksmą, perkelti stilių ar pagerinti sugadinto vaizdo detales. Pateikite nuo vieno iki trijų vaizdų ir vieną aiškią redagavimo instrukciją. Vaizdai numeruojami pagal pateikimo tvarką, todėl nurodykite, kuris suteikia subjektą, kuris – drabužį ar objektą, o kuris – aplinką. Produkto scenai paprašykite objektą iš 1 vaizdo įkelti į aplinką iš 2 vaizdo, išsaugant išskirtines produkto savybes. Aiškiai išvardykite pakeitimus ir tai, kas turi likti nepakitę.

Konkretus vaizdų įvesties procesas priima JPG, JPEG, PNG, BMP, TIFF, WebP ir GIF; animuotame GIF apdorojamas tik pirmasis kadras. Kiekvienas vaizdas gali būti iki 10 MB. Dabartinė API priima matmenis nuo 1 iki 8 000 pikselių, kai ilgosios ir trumposios kraštinių santykis neviršija 10:1, o geriems rezultatams rekomenduoja 384–2 048 pikselius. Pasirinkite pradinį vaizdą, kuriame aiškiai matomos perkeliamos ar redaguojamos detalės. Labai siaurai apkirptas pavyzdinis vaizdas gali paslėpti aplinkinę struktūrą, reikalingą natūraliai objekto vietai parinkti.

Išvestis yra PNG: nuo vieno iki šešių vaizdų vienai užklausai, numatytasis skaičius – vienas. Išvesties plotas pikseliais svyruoja nuo 512 × 512 iki 2 048 × 2 048, o kraštinių santykis – nuo 1:8 iki 8:1; tai ploto ribos, o ne taisyklė, kad kiekviena kraštinė negali viršyti 2 048 pikselių. Jei dydis nepateiktas, modelis rekomenduoja raišką pagal instrukciją. Pasirinkite paskirčiai tinkamą horizontalią, kvadratinę ar vertikalią kompoziciją, tada patikrinkite grąžintą vaizdą tikruoju dydžiu, kad smulkius užrašus ir subtilias detales galėtumėte įvertinti ten, kur jie bus rodomi.

Gamintojo procese instrukcijos perrašymas įjungtas pagal numatytąją nuostatą. Tiesioginis patobulinimas veikia tiek kuriant, tiek redaguojant; patobulinimas pasitelkus agentą yra išsamesnis perrašymo režimas tik vaizdų kūrimui iš teksto ir atmetamas redaguojant vaizdą pagal vaizdą. Mąstymo režimas įjungtas pagal numatytąją nuostatą, reikalauja instrukcijos perrašymo ir pailgina generavimo laiką. Neigiamos instrukcijos gali aprašyti nepageidaujamus elementus, o fiksuota seed reikšmė padeda lyginti variantus. Aiškiai nurodykite, ko neturi būti ir kas turi būti tiksliai išsaugota, užuot tikėjęsi, kad seed reikšmė užtikrins tą patį paveikslėlį, kai užduoties aprašas keičiasi.

Kad gautumėte naudingą galutinį rezultatą, patikrinkite atvaizduotus žodžius, vienetus, skydelių tvarką ir subjektą atpažinti leidžiančias detales, tada pakoreguokite konkrečią užduoties neatitikusią dalį. Atsakymas su keliais vaizdais suteikia palyginamų alternatyvų; kiekvieną grąžintą vaizdą išsaugokite kartu su jį sukūrusia instrukcija ir pavyzdiniais vaizdais. Gamintojo vaizdų adresai nustoja galioti po 24 valandų, todėl, rezultatui tapus projekto dalimi, išsaugokite patį vaizdo failą. Standartinė 3.0 versija lieka atskira nuo Pro ir nuo Qwen 2.1 modelių, turinčių kitokį pavyzdinių vaizdų skaičių bei skaidrumo funkcijas.