资讯
Qwen-Image-2.1 评测：约 200 亿参数，图像内文字渲染可靠、支持中英日韩多语言
一句话：10-11 Web Pulse 评测：阿里 Qwen 团队发布约 200 亿参数多模态扩散模型 Qwen-Image-2.1，最大亮点是能在生成图中输出清晰、拼写正确的文字，支持中/英/日/韩等多语言。
背景
- Web Pulse 10-11 评测：Qwen-Image-2.1 是 Qwen 团队最新图像模型，相较初代更像一个「日常工具」而非研究 demo。
核心要点
- 最大亮点是图像内文字渲染：能在生成图中输出清晰、拼写正确的文字，支持中/英/日/韩等多语言（竞品多把文字变乱码）。
- 基于 transformer 主干 + 扩散 + 文本编码器（带 localization，知每词落点）；支持文生图、参考式编辑、outpainting、1080p 输出。
- 短短语文字极可靠；编辑为「参考式」，只改所提部分、保留原结构；多语言训练侧重中文与亚洲语种。
- 局限：长段落正文仍乱码；编辑精度不如 demo（常改光照/背景）；完整模型需大量 VRAM，量化版可在 24GB 卡跑低分辨率。
为什么重要
- 文字可靠渲染打开社媒图、产品样机、PPT、分镜等真实用例，被视为「明显假 AI 图」时代的转折点之一。
- 多语言（尤中文）文字渲染对国际团队与国内创作者价值突出；API 版易用、本地版受算力门槛限制。
关键事实速记
- Qwen-Image-2.1 约 200 亿参数
- 图像内文字可靠渲染（中/英/日/韩）
- 参考式编辑 + outpainting + 1080p
- 长段落正文仍乱码
- 量化版可跑 24GB 卡
📂 原文链接：查看原文 →
← 返回资讯列表
AI8899 · 内容仅供学习参考