阿里通义千问团队2025年连推Qwen-Image-Edit-2509与2511,开源图像编辑模型实现人物一致性、多图融合与工业设计能力突破
01多图融合与单图一致性的双重突破
- 多图融合能力
支持1–3张图像输入,实现“人+人”(如咖啡厅对话合影)、“人+物”(如提包展示)、“人+场景”(如警察驻车)等组合编辑,且能通过ControlNet关键点图控制姿态,保持原始外貌与风格不变。9496 - 单图一致性全面增强
• 人物:支持旗袍→卫衣牛仔裤、老照片修复、表情包批量生成,面部ID保持能力显著提升;
• 商品:可从白底图直接生成自然商品海报,保留产品ID特征;
• 文字:支持中英文双语编辑,保留原始字体、颜色、材质,如“拒绝内卷从我做起”→“从你做起”,且可与图像编辑同步进行(如改字+换背景)。945257 - 原生集成ControlNet
无需额外插件即可使用深度图、边缘图、关键点图、草图等多种条件控制,实现精准姿势对齐、线稿填充、三图联动生成等操作。5297
022511版本:从“能用”到“好用”的工程化跃迁
- 极致人物一致性
2511版本在多人合影场景下实现高保真融合,可输入两张不同角度/光线的人物照片自动生成自然合影;单人肖像在多风格、多姿态变换中仍能精准保留眼神、发型、配饰等细节,大幅缓解“变脸”问题。9559 - 内置社区LoRA,开箱即用
将打光、新视角生成、风格转换等热门LoRA能力直接集成至基础模型,用户无需额外加载或调参即可使用柔光、侧光、90°旋转等专业级效果。9544 - 增强工业设计与几何推理
支持汽车变色、产品拆解图、Knolling摄影等工业应用场景;新增辅助构造线生成能力,可自动绘制透视线、对称结构线,适用于建筑、工程制图等领域。9545 - 性能优化
相比2509,2511推理速度提升约15%,内存占用降低,同时基本消除像素偏移问题,提升编辑精度。4978
03典型应用场景与用户价值
综合来看,Qwen-Image-Edit-2511在人物一致性、可控性与工程落地方面已达到当前开源模型的领先水平。若用户需求涉及高保真人物编辑、多图合成或工业设计,建议立即尝试2511版本;若仅需基础图像修改,2509亦能满足多数场景。随着生态工具链(如ComfyUI工作流)的完善,其生产力价值将进一步释放。
当前文章无评论,是时候发表评论了