Qwen: Qwen Image 3

Qwen-Image-3.0 to model obrazu trzeciej generacji Qwen, łączący tworzenie obrazów z tekstu i edycję opartą na referencjach w jednym modelu. Edycja standardowa równoważy jakość obrazu i szybkość odpowiedzi, natomiast Qwen-Image-3.0 Pro to flagowa edycja tej samej rodziny ukierunkowana na jakość. Żądanie tworzy obraz: plakat, ilustrowane objaśnienie, scenę produktową, storyboard lub poprawioną fotografię, a nie edytowalny dokument czy działający interfejs.

Możliwości tworzenia bogatych treści sprawdzają się na płótnie z kilkoma powiązanymi sekcjami lub zagnieżdżonym układem wizualnym. Przygotuj nagłówki, dokładne brzmienie tekstu, hierarchię i relacje między panelami, zanim dodasz szczegóły stylistyczne. Przy porównaniu produktów przydatny opis określa główny widok produktu, cechy do oznaczenia oraz kolejność czytania paneli uzupełniających. W storyboardzie opisz osobno temat, akcję i podpis każdego panelu. Zalecana maksymalna długość promptu wynosi 4 500 tokenów; przeznacz tę przestrzeń na treść i układ, których obraz rzeczywiście potrzebuje.

Model obsługuje szczegółowe tekstury, typografię aż po drobny tekst zademonstrowany przy wielkości 10 pikseli oraz natywne renderowanie w 12 językach z wieloma krojami pisma i stylami artystycznymi. Te możliwości pozwalają połączyć realistyczny obiekt z grafiką bogatą w informacje, zamiast wymuszać wybór między fotografią a układem zawierającym dużo tekstu. Podaj dokładne słowa i cyfry do przedstawienia, ich docelowy język oraz miejsce, w którym mają się znaleźć. Traktuj wygenerowany interfejs jako makietę wizualną: przyciski, wykresy i etykiety na obrazie nie implementują zachowania aplikacji.

Edycja może zmieniać tekst, dodawać lub usuwać obiekty, przemieszczać elementy, modyfikować wykonywaną czynność, przenosić styl lub poprawiać szczegóły uszkodzonego obrazu. Dostarcz od jednego do trzech obrazów oraz jedną jasną instrukcję edycji. Numeracja obrazów odpowiada kolejności ich podania, więc wskaż, który dostarcza główny motyw, który ubranie lub obiekt, a który otoczenie. Przy scenie produktowej poproś o umieszczenie obiektu z obrazu 1 w otoczeniu z obrazu 2 przy zachowaniu cech wyróżniających produkt. Jasno określ zmiany i wymagania dotyczące zachowania elementów.

Opisany sposób wprowadzania obrazów akceptuje JPG, JPEG, PNG, BMP, TIFF, WebP i GIF; w animowanym GIF-ie przetwarzana jest tylko pierwsza klatka. Każdy obraz może mieć do 10 MB. Obecne API przyjmuje wymiary od 1 do 8 000 pikseli przy stosunku dłuższego boku do krótszego nie większym niż 10:1 i zaleca 384–2 048 pikseli dla dobrych wyników. Wybierz obraz wejściowy, na którym wyraźnie widać przenoszone lub edytowane szczegóły. Ciasno wykadrowana referencja może zasłonić otaczającą strukturę potrzebną do naturalnego umieszczenia obiektu.

Wynik ma format PNG, z liczbą od jednego do sześciu obrazów na żądanie i jednym obrazem domyślnie. Powierzchnia obrazu wyjściowego w pikselach mieści się między 512 × 512 a 2 048 × 2 048, przy proporcjach od 1:8 do 8:1; są to limity powierzchni, a nie zasada, że każdy bok może mieć najwyżej 2 048 pikseli. Jeśli nie podasz rozmiaru, model rekomenduje rozdzielczość na podstawie promptu. Wybierz kompozycję poziomą, kwadratową lub pionową odpowiednią do celu, a następnie obejrzyj zwrócony obraz w jego rzeczywistym rozmiarze, aby ocenić małe etykiety i drobne szczegóły tam, gdzie będą widoczne.

Przepisywanie promptu jest domyślnie włączone w procesie producenta. Bezpośrednie ulepszanie działa zarówno przy generowaniu, jak i edycji; ulepszanie przez agenta to bardziej rozbudowany tryb przepisywania wyłącznie do tworzenia obrazów z tekstu, odrzucany przy edycji obrazu na podstawie obrazu. Thinking jest domyślnie włączone, wymaga przepisywania promptu i wydłuża czas generowania. Prompty negatywne mogą opisywać niepożądane elementy, a stały seed pomaga porównywać warianty. Jasno określ wykluczenia i dokładne wymagania dotyczące zachowania elementów, zamiast oczekiwać, że seed zapewni identyczny obraz przy zmieniającym się opisie.

Aby uzyskać użyteczny efekt końcowy, sprawdź wyrenderowane słowa, jednostki, kolejność paneli i szczegóły identyfikujące motyw, a następnie popraw konkretną część, która nie spełniła opisu. Odpowiedź z wieloma obrazami daje warianty do porównania; zachowaj powiązanie każdego zwróconego obrazu z promptem i referencjami, z których powstał. Adresy obrazów producenta wygasają po 24 godzinach, więc zachowaj właściwy plik obrazu, gdy wynik staje się częścią projektu. Standardowa edycja 3.0 pozostaje odrębna od Pro i modeli Qwen 2.1, które mają inne liczby referencji i funkcje przezroczystości.