Qwen VLo是什么？

Qwen VLo是阿里云通義千問在2025年6月27日推出的多模態(tài)模型，支持圖像生成與編輯、風(fēng)格轉(zhuǎn)換、復(fù)雜指令執(zhí)行、多圖理解生成、圖像檢測標注及文本直接生圖等功能。

核心功能

• 高質(zhì)量生圖與編輯：能根據(jù)文字或圖片提示生成、修改圖像，支持逐步構(gòu)建復(fù)雜場景、實時調(diào)整，可用簡單指令生成多語言圖片。

• 動態(tài)分辨率適配：采用動態(tài)分辨率技術(shù)，可生成適合海報、插畫、網(wǎng)頁橫幅、社交媒體封面等不同場景的圖片。

• 漸進式生成：從左到右、從上到下逐步構(gòu)建圖像，生成中持續(xù)優(yōu)化內(nèi)容，確保畫面和諧統(tǒng)一。

• 開放指令編輯：支持用自然語言提創(chuàng)意需求，如“改梵高風(fēng)格”“做成19世紀老照片”“加晴朗天空”，模型能靈活響應(yīng)并輸出符合預(yù)期的結(jié)果。

• 多語言指令：支持中文、英文等多種語言指令，方便全球用戶使用。

技術(shù)特點

• 視覺語言深度融合：能理解畫面內(nèi)容并進行高質(zhì)量再創(chuàng)作，生成時保持語義一致，細節(jié)捕捉能力強。

• 強視覺編輯能力：可處理復(fù)雜編輯指令，在單條指令中完成多類修改，同時確保主體結(jié)構(gòu)和上下文準確。

應(yīng)用場景

• 設(shè)計與創(chuàng)意：為設(shè)計師、營銷人員、教育工作者提供工具，支持藝術(shù)風(fēng)格轉(zhuǎn)換、場景重構(gòu)、細節(jié)優(yōu)化等，助力快速實現(xiàn)創(chuàng)意。

• 多語言內(nèi)容創(chuàng)作：滿足不同語言背景用戶的內(nèi)容生產(chǎn)需求。

此外，Qwen VLo的輸入和輸出均支持任意分辨率與長寬比的圖片，適配多種使用場景。用戶可實時查看生成過程并調(diào)整。目前該模型仍在預(yù)覽階段。

常見問題

問題1：Qwen VLo在生成能力上比之前的多模態(tài)模型強在哪里？

答：Qwen VLo的優(yōu)勢在于：細節(jié)捕捉更精準，生成內(nèi)容語義連貫；能響應(yīng)藝術(shù)風(fēng)格轉(zhuǎn)換等創(chuàng)意指令，完成復(fù)雜任務(wù)；漸進式生成機制讓視覺效果更好，創(chuàng)作更靈活。

問題2：Qwen VLo能進行哪些圖像操作？

答：Qwen VLo可以：直接生成圖像；修改圖像，如換背景、加元素；轉(zhuǎn)換風(fēng)格，比如吉卜力風(fēng)、3D風(fēng)；進行圖像感知定位，像檢測、分割；處理多操作復(fù)雜指令，完成多步驟任務(wù)；生成動態(tài)比例圖像（極端比例功能尚未推出）；再理解自身生成內(nèi)容，例如識別動物品種。

問題3：Qwen VLo預(yù)覽階段有哪些局限？

答：預(yù)覽階段，Qwen VLo可能出現(xiàn)生成不準確、與原圖不符、不符合指令、意圖理解不穩(wěn)定等問題。

博客：https://qwenlm.github.io/blog/qwen-vlo/