阿里发布Qwen-Image-3.0,精准渲染小字
7月21日,阿里正式发布第三代图像生成模型Qwen-Image-3.0。这次升级不再比拼画面有多惊艳,而是把核心主线聚焦在一个字——“实”。具体来说,新模型支持4.5k token超长指令输入,能精准渲染10px小字,还原生支持12国语言。换句话说,它想让AI生图从“好看”真正走向“好用”,成为能直接交付的生产力工具。
4.5k token指令到底能干多复杂的活
以前的AI生图,你只能给一句简单提示词,生成一张漂亮但没啥信息量的图。现在Qwen-Image-3.0把指令长度拉到了4.5k token,比上一代提升了4.5倍。你可以像给设计师写需求文档一样,把画面结构、文字内容、排版细节全塞进去。比如,它能一次性生成包含9种不同领域知识图解的九宫格,涵盖数学PPT、物理抛体运动、群论定理等复杂内容,字字清晰,幅幅准确。甚至还能在同一幅图里层层嵌套,生成从VSCode编程界面到千问App再到聊天窗口和咖啡海报的“画中画”,连手机截图里的时间数字这种10px小字都不糊。
以前的AI生图,你只能给一句简单提示词,生成一张漂亮但没啥信息量的图。现在Qwen-Image-3.0把指令长度拉到了4.5k token,比上一代提升了4.5倍。你可以像给设计师写需求文档一样,把画面结构、文字内容、排版细节全塞进去。比如,它能一次性生成包含9种不同领域知识图解的九宫格,涵盖数学PPT、物理抛体运动、群论定理等复杂内容,字字清晰,幅幅准确。甚至还能在同一幅图里层层嵌套,生成从VSCode编程界面到千问App再到聊天窗口和咖啡海报的“画中画”,连手机截图里的时间数字这种10px小字都不糊。
10px小字和12国语言怎么做到好用
生图模型最让人头疼的就是文字渲染——大字还行,小字一糊就废了。Qwen-Image-3.0这次把细节拉到了微观级,10px小字精准可辨,学术论文里的复杂公式推导、手写笔记批注都能清晰呈现,人像里的毛孔、发丝也纤毫毕现。更实用的是,它原生支持12国语言和20多款字体渲染,做多语言产品海报、跨境素材不用再折腾字体问题。此外,它还能高度仿真网页、游戏、直播等UI界面,甚至能用与原画一致的笔法修复破损古画,去除霉斑痕迹,保持原有艺术风格。
生图模型最让人头疼的就是文字渲染——大字还行,小字一糊就废了。Qwen-Image-3.0这次把细节拉到了微观级,10px小字精准可辨,学术论文里的复杂公式推导、手写笔记批注都能清晰呈现,人像里的毛孔、发丝也纤毫毕现。更实用的是,它原生支持12国语言和20多款字体渲染,做多语言产品海报、跨境素材不用再折腾字体问题。此外,它还能高度仿真网页、游戏、直播等UI界面,甚至能用与原画一致的笔法修复破损古画,去除霉斑痕迹,保持原有艺术风格。
实际能用上的场景和怎么体验
拿日常需求来说,你可以用它一键生成演唱会门票,文字风格统一、主题日期地址精准呈现;给现场全景图叠加悬浮歌词,字体配色自动匹配舞台灯光;或者做试卷、信息图、影视分镜等商业素材,大幅降低反复生成的成本。目前,阿里云百炼、千问AI平台已开通API邀测,Qwen Studio和千问APP也即将上线免费体验。从评测数据看,它是GPT-Image-2之下国内排名第一的模型,正面竞争GPT-Image-2,对国内用户来说,这可能是目前最“好用”的生图选择。
拿日常需求来说,你可以用它一键生成演唱会门票,文字风格统一、主题日期地址精准呈现;给现场全景图叠加悬浮歌词,字体配色自动匹配舞台灯光;或者做试卷、信息图、影视分镜等商业素材,大幅降低反复生成的成本。目前,阿里云百炼、千问AI平台已开通API邀测,Qwen Studio和千问APP也即将上线免费体验。从评测数据看,它是GPT-Image-2之下国内排名第一的模型,正面竞争GPT-Image-2,对国内用户来说,这可能是目前最“好用”的生图选择。
历史事件回溯
当前事件
通义万相3.0发布,突破文字渲染难题
- 文字渲染:中英文文字生成精准,解决AI生图乱码问题
- 核心突破:大幅提升图文排版与视觉美感,实现落字成画
- 指令遵循:深度理解复杂提示词,精准还原画面细节
2023年12月
Midjourney V6发布,文字生成大增
- 文字渲染:具备基础文字生成能力,需精准提示词引导
- 核心突破:照片级真实感与细节刻画显著提升
- 指令遵循:支持更长提示词,语义理解更加准确
2023年9月
DALL-E 3发布,原生集成ChatGPT
- 文字渲染:可生成连贯准确的文字,告别乱码时代
- 核心突破:无需复杂提示词,对话式生成高质量图像
- 指令遵循:极其严格遵循提示词指令,漏画大幅减少

当前文章无评论,是时候发表评论了