Qwen: Qwen Image 3

Qwen-Image-3.0 er Qwens tredjegenerasjons bildemodell, som kombinerer tekst-til-bilde-generering og referansebasert redigering i én modell. Standardutgaven balanserer bildekvalitet og responshastighet, mens Qwen-Image-3.0 Pro er den kvalitetsorienterte flaggskipvarianten. En forespørsel produserer et bilde: en plakat, en illustrert forklaring, en produktscene, et storyboard eller et bearbeidet fotografi, ikke et redigerbart dokument eller et fungerende grensesnitt.

Egenskapene for rikt innhold passer til et lerret med flere relaterte seksjoner eller et nestet visuelt oppsett. Klargjør overskrifter, nøyaktig ordlyd, hierarki og forholdet mellom panelene før du legger til stildetaljer. For en produktsammenligning angir en nyttig beskrivelse hovedvisningen av produktet, egenskapene som skal merkes, og leserekkefølgen for støttepanelene. For et storyboard beskriver du motiv, handling og bildetekst for hvert panel separat. Anbefalt maksimal promptlengde er 4 500 tokener; bruk plassen på innholdet og oppsettet bildet faktisk trenger.

Modellen støtter detaljerte teksturer, typografi ned til liten tekst demonstrert ved 10 piksler og innebygd gjengivelse på 12 språk med flere skrifttyper og kunstneriske stiler. Disse egenskapene kan kombinere et realistisk objekt med informasjonsrik grafikk i stedet for å tvinge frem et valg mellom et fotografi og et teksttungt oppsett. Oppgi de nøyaktige ordene og tallene som skal gjengis, det tiltenkte språket og hvor de skal stå. Behandle et generert grensesnitt som en visuell skisse: knapper, diagrammer og etiketter i bildet implementerer ikke funksjonaliteten til en applikasjon.

Redigering kan endre tekst, legge til eller fjerne objekter, flytte elementer, justere handlingen til et motiv, overføre en stil eller forbedre detaljene i et skadet bilde. Oppgi ett til tre bilder og én tydelig redigeringsinstruksjon. Bildenummereringen følger rekkefølgen bildene er oppgitt i, så angi hvilket bilde som bidrar med motivet, hvilket som gir et plagg eller objekt, og hvilket som gir omgivelsene. For en produktscene kan du be om å plassere objektet fra bilde 1 i miljøet fra bilde 2, samtidig som egenskapene som kjennetegner produktet, bevares. Gjør endringene og kravene til bevaring eksplisitte.

Den spesifikke arbeidsflyten for bildeinndata godtar JPG, JPEG, PNG, BMP, TIFF, WebP og GIF; bare den første rammen i en animert GIF behandles. Hvert bilde kan være opptil 10 MB. Det gjeldende API-et godtar dimensjoner fra 1 til 8 000 piksler med et forhold mellom lang- og kortside på høyst 10:1, og anbefaler 384–2 048 piksler for gode resultater. Velg et inndatabilde som tydelig viser detaljene som skal overføres eller redigeres. En tett beskåret referanse kan skjule den omkringliggende strukturen som trengs for å plassere et objekt naturlig.

Utdataformatet er PNG, med ett til seks bilder per forespørsel og ett som standard. Pikselarealet for utdata går fra 512 × 512 til 2 048 × 2 048, med sideforhold mellom 1:8 og 8:1; dette er arealgrenser, ikke en regel om at hver side må være høyst 2 048 piksler. Hvis det ikke oppgis en størrelse, anbefaler modellen en oppløsning ut fra prompten. Velg liggende, kvadratisk eller stående komposisjon for den tiltenkte bruken, og undersøk det returnerte bildet i den faktiske størrelsen slik at små etiketter og fine detaljer kan vurderes der de skal vises.

Omskriving av prompten er aktivert som standard i produsentens arbeidsflyt. Direkte forbedring fungerer både for generering og redigering; agentbasert forbedring er en mer omfattende omskrivingsmodus bare for tekst-til-bilde og avvises ved bilde-til-bilde-redigering. Resonnering er aktivert som standard, krever omskriving av prompten og øker genereringstiden. Negative prompter kan beskrive uønskede elementer, mens en fast seed-verdi hjelper med å sammenligne variasjoner. Oppgi utelatelser og nøyaktige krav til bevaring tydelig, fremfor å forvente at en seed-verdi får en beskrivelse som endres, til å returnere et identisk bilde.

For et nyttig sluttresultat undersøker du den gjengitte teksten, enhetene, panelrekkefølgen og detaljene som identifiserer motivet, og reviderer deretter den konkrete delen som ikke oppfylte beskrivelsen. Et svar med flere bilder gir alternativer å sammenligne; behold hvert returnerte bilde knyttet til prompten og referansene som produserte det. Produsentens bildeadresser utløper etter 24 timer, så behold selve bildefilen når resultatet blir en del av et prosjekt. Standardutgaven 3.0 er fortsatt atskilt fra Pro og fra Qwen 2.1-modeller med deres ulike antall referanser og funksjoner for gjennomsiktighet.