阿里“干掉”PS了，深夜正式开源

智东西

作者 | 李水青

编辑 | 心缘

智东西 8 月 19 日报道，今日，阿里推出 Qwen-Image-Edit，这是其此前 8 月 5 日推出的图像生成基础模型 Qwen-Image 的图像编辑版本。（阿里开源图像大模型，实测中文渲染能力绝了！精准搞定复杂字体排版，硬刚字节 OpenAI）

这下，PS 可能真的要被干掉了。如下图所示，用户可以通过 Qwen-Image-Edit 在图中添加指示牌，指定指示牌中上的文本为 "Welcome to Penguin Beach"。下面右图不仅准确生成了用户所需要素，指示牌下还生成了自然的倒影。

Qwen-Image-Edit 支持语义和外观编辑功能

Qwen-Image-Edit 基于其 20B 的 Qwen-Image 模型进⼀步训练，将 Qwen-Image 的文本渲染能力延展至图像编辑领域，实现了对图片中文字的精准编辑。同时，Qwen-Image-Edit 将输⼊图像同时输⼊到 Qwen2.5-VL（实现视觉语义控制）和 VAE Encoder（实现视觉外观控制），从而兼具语义与外观的双重编辑能⼒。

Qwen-Image-Edit 的主要特性包括：

1、语义与外观双重编辑：Qwen-Image-Edit 不仅⽀持 low-level（低阶）的视觉外观编辑，如元素的添加、删除、修改等，要求图片其他区域完全不变，也支持 high-level（高阶）的视觉语义编辑，如 IP 创作、物体旋转、风格迁移等，允许整体像素变化但保持语义一致。

2、精准⽂字编辑：Qwen-Image-Edit 支持中英文双语文字编辑，可在保留原有字体、字号、风格的前提下，直接对图片中的文字进行增、删、改等操作。

3、强⼤的基准性能：在多个公开基准测试中的评估表明，Qwen-Image-Edit 在图像编辑任务上具备 SOTA（最佳表现）性能，是一个强大的图像编辑基础模型。

目前，用户可以访问 Qwen Chat（chat.qwen.ai）并选择 " 图像编辑 " 功能，体验 Qwen-Image-Edit。本文通过实测及一些官方案例，发现 Qwen-Image-Edit 已经能实现比较准确的文本驱动图像编辑，比如在文字生成、视角切换、场景创设、背景变幻等方面都生成较精准，并且主体能保持较高一致性，光线和质感会随场景自然变化。不过，目前其在 Qwen Chat 和 Hugging Face 的免费体验都有次数限制，不能无限使用。

一、支持语义和外观编辑，或成 IP 打造神器

Qwen-Image-Edit 的一大亮点在于其语义和外观编辑功能，智东西对此进行了一手体验。

语义编辑是指在保留原始视觉语义的同时修改图像内容。

如下图所示，当智东西输入以下男士照片，并输入 " 在桌子上生成一个立牌，写着‘沐屿咖啡’ "，Qwen-Image-Edit 能输出准确的文字，人物保持了一致性，镜头拉近了一点，肤色略变黄了一些。

输入图片：

输出图片：

当智东西输入一张小兔子的图片，并输入 " 让小兔子拿着画笔画画 " 的提示词，Qwen-Image-Edit 准确生成了这幅画面，且保持了小兔子形象的特点，延续了风格可爱活泼风格，柔光下毛发甚至更加细腻。

输入图片：

输出图片：

当我进一步要求 " 为小兔子穿上写着‘智东西’的短袖，画板上写上‘ AGI ’ "，Qwen-Image-Edit 也能够准确生成，而且画板上的文字与原本的画作风格一致，其他的元素没有发生变化。

输出图片：

当智东西让 Qwen-Image-Edit 将下面这幅书法中的 " 层 " 改为简体写法时，如输出图所示，Qwen-Image-Edit 这次误将 " 穷 "（标红框）字识别为了 " 层 "，而没有将原本需要修改的字（标蓝框）改正。不过只能说中国文化博大精深，让大模型看草书属实有点为难它了。

输入图片：

输出图片：

Qwen-Image-Edit 还支持视角转换、背景修改、添删细节等外观编辑。当我们输入一张小猴子卡通图片，提出 " 朝向左侧 " 的视角转换要求，Qwen-Image-Edit 能够生成小猴子的侧面，可以说形象和场景完全保持一致，就像动画的前后两帧。我们还特意观察了下手脚的生成情况，没有出现类似 " 六根指头 " 的恐怖谷效应。

输入图片：

输出图片：

当我们输入一张女孩照片，并输入 " 将背景变为高原雪山 " 提示词，Qwen-Image-Edit 快速更换了背景，值得一提的是女生身上的光感也切换到了外场状态，与内场的聚光灯效果有所区别，显得比较自然。

输入图片：

输出图片：

再来看看阿里官方公布的一些案例，以 Qwen 的吉祥物——水豚为例，在输入对应文字后，Qwen-Image-Edit 输出了不同场景的水豚图片。

虽然编辑后的图像与输入图像（最左侧图像）的像素大部分不同，但水豚的形态一致性得到了完美保留。语义编辑功能可以让原创 IP 内容创作变得轻松便捷，且内容丰富多样。

团队还围绕 16 种 MBTI 性格类型设计了一系列编辑提示，基于这些提示生成了一套以吉祥物水豚为原型的 MBTI 主题表情包，这可以用于拓展 IP 的影响力。

新颖的视图合成是语义编辑的另一个关键应用场景。如下面的两个示例图所示，Qwen-Image-Edit 不仅可以将物体旋转 90 度，还可以进行完整的 180 度旋转，让用户能够直接看到物体的背面。

语义编辑的另一个典型应用是风格转换。例如，给定一幅输入肖像，Qwen-Image-Edit 可以轻松地将其转换为各种艺术风格，例如吉卜力工作室的风格。此功能在虚拟化身创建等应用中具有重要价值。

二、增删改特定元素，虚拟传达、模拟场景一键完成

除了语义编辑之外，外观编辑是另一种常见的图像编辑需求。外观编辑强调在添加、移除或修改特定元素时，保持图像的某些区域完全不变。开篇提到的案例展示了一个将招牌添加到场景中的案例。如图所示，Qwen-Image-Edit 不仅成功插入了招牌，还生成了相应的反射。

下面这个例子演示了如何从图像中去除细发丝和其他小物体。

此外，图像中特定字母 "n" 的颜色可以修改为蓝色，从而实现对特定元素的精确编辑。

外观编辑在调整人物背景或更换服装等场景中也有广泛的应用。下面的三幅图分别展示了这些实际用例。

三、精准文本编辑，链式修改书法错误

Qwen-Image-Edit 的另一大亮点在于其精准的文本编辑能力，这源于 Qwen-Image 在文本渲染方面的功底。

以下两个案例生动地展现了 Qwen-Image-Edit 在英文文本编辑方面的性能：

Qwen-Image-Edit 还可以直接编辑中文海报，不仅可以修改大标题文本，还可以对细小复杂的文本元素进行精确调整。

最后，通过一个具体的图像编辑示例，通义团队演示了如何使用链式编辑方法逐步纠正 Qwen-Image 生成的书法作品中的错误：

在这幅作品中，几个汉字存在生成错误，Qwen-Image-Edit 可以逐步纠正这些错误。例如，用户可以在原始图像上绘制边界框来标记需要校正的区域，并指示 Qwen-Image-Edit 修复这些特定区域。在这里，演示者希望 " 稽 " 字能够正确地写在红色框内，而 " 亭 " 字能够准确地呈现在蓝色区域内。