Qwen: Qwen Image 3 Pro

Qwen-Image-3.0 Pro er Qwens flaggskipmodell i tredje generasjon for bildegenerering og redigering. Den kombinerer komplekse oppsett, detaljerte realistiske teksturer, flerspråklig typografi og tett følging av en bildebeskrivelse. Pro og standardutgaven Qwen-Image-3.0 deler de dokumenterte genererings- og redigeringsmodusene; Pro vektlegger bildekvalitet, mens standardutgaven balanserer kvalitet og hastighet. Resultatet er et gjengitt bilde.

For informasjonsrik grafikk definerer du innholdet før utseendet: overskrift, støttetekst, tall, hierarki og forholdet mellom delene. En nyttig produktbeskrivelse kan kombinere et hovedobjekt, nærbilder av materialdetaljer og merkede egenskaper på ett lerret. For en pedagogisk illustrasjon angir du konseptet, diagramstrukturen og de nøyaktige bildetekstene i stedet for å la modellen finne på de underliggende faktaene. Komplekse oppsett kan også vise flere paneler eller nestede grensesnitt. Hold det anbefalte maksimumet på 4 500 tokener for instruksen rettet mot det som må vises og hvor det hører hjemme.

3.0-familien støtter innebygd typografi i 12 språk, flere skrifttyper og mer enn 100 kunstneriske stiler, sammen med fine teksturer som hår, hud eller stoff. Demonstrasjonene viser gjengivelse av liten tekst ned til 10 piksler. Dette støtter et design som blander bokstaver med et fysisk materiale eller kombinerer tekst med realistiske bilder. Gi den presise ordlyden, tallene og språket og beskriv den typografiske rollen til hver blokk. En avisside eller grensesnittskisse er fortsatt et bilde, så et senere redigerbart oppsett eller interaktiv oppførsel er et separat resultat som må bygges fra det.

Pro kan redigere tekst i et bilde, legge til, slette eller flytte elementer, endre et motivs handling, overføre visuell stil og forbedre detaljer. Redigering tar imot én til tre inngangsbilder med en instruksjon. Rekkefølgen bestemmer bilde 1, bilde 2 og bilde 3 i oppgavebeskrivelsen. Oppgi hvilken referanse som gir motivets identitet, hvilken som gir et objekt eller klær og hvilken som bidrar med en setting eller positur. En avgrenset redigering navngir både den ønskede endringen og egenskapene som skal bevares, slik at resultatbildet blir lettere å sammenligne med referansene.

Støttede inndataformater er JPG, JPEG, PNG, BMP, TIFF, WebP og GIF, med bare første ramme brukt for animerte GIF-er. Hvert inngangsbilde kan være opptil 10 MB. Den nøyaktige API-en tillater sider fra 1 til 8 000 piksler og et forhold mellom lengste og korteste side på høyst 10:1; det anbefalte området er 384–2 048 piksler. Redigeringsveiledningen anbefaler separat bilder opptil 3 072 piksler, så behandle inndatavalget som forberedelse til detaljene som trengs, ikke som en garanti for at hver oppløsning forbedrer resultatet. Bruk en lesbar referanse med egnet innramming for liten tekst eller materialegenskaper.

Utdata er PNG. Produsentens arbeidsflyt returnerer ett til seks alternativer, med ett som standard, og støtter et samlet pikselareal fra 512 × 512 til 2 048 × 2 048 med sideforhold fra 1:8 til 8:1. Pikselarealbudsjettet tillater enkelte ikke-kvadratiske dimensjoner der lengste side er over 2 048 piksler. Når størrelse ikke er angitt, anbefaler modellen en oppløsning basert på oppgavebeskrivelsen. Velg formen for den faktiske plasseringen, og sammenlign deretter de genererte alternativene for innholdsfullstendighet, motivdetaljer og typografi ved tiltenkt visningsstørrelse.

Intelligent omskriving av instruksen er aktivert som standard. Direkte forbedring er tilgjengelig både for generering og redigering, mens agentforbedring finpusser tekst-til-bilde-instrukser og ikke kan brukes til bilde-til-bilde-redigering. Thinking er også aktivert som standard og krever omskriving av instruksen; det legger til resonnement og genereringstid. Negative instrukser angir uønskede elementer, og en valgfri seed kan gjøre sammenligninger mellom varianter mer konsekvente. En tydelig positiv beskrivelse skal fortsatt fastsette motivet, komposisjonen og detaljene som skal beholdes.

Et praktisk gjennomgangstrinn kontrollerer den nøyaktige teksten, tallene, leserekkefølgen, samsvar med referansene og kantene eller teksturene som er viktige for designet. Når en bestemt del trenger revisjon, beholder du den vellykkede komposisjonen og beskriver den avgrensede endringen. Behold alle valgte bilder med instruksen og referansene, siden produsentens utdatalokasjoner utløper etter 24 timer. Pros dokumenterte moduser og grenser gjelder 3.0-utgaven; funksjonene med ti referanser og innebygd gjennomsiktighet som beskrives for Qwen 2.1, gjelder en annen utgave.