Qwen Image 3.0

Краткое описание

Модель редактирования изображений на основе итеративных изменений по референсным изображениям, относится к серии Qwen-Image 3.0. При вызове достаточно передать 1–3 референсных изображения и позитивный промпт с описанием того, что нужно сохранить и изменить, чтобы, сохранив ключевые детали исходного изображения, изменить сцену, стиль, одежду и текст на картинке и получить изображение в 1K или 2K. Подходит разработчикам, которым нужно быстро превращать готовые материалы в инфографику, постеры, UI-концепты или изображения для показа товаров, особенно в сценариях производства контента с плотным текстом и высокими требованиями к многоязычной вёрстке.

Ключевые особенности

• Итеративное редактирование по референсным изображениям с сохранением деталей исходника — на вход подаются 1–3 изображения, а сцена, стиль, одежда и текст изменяются по промпту, а не полностью перерисовываются, что удобно для многократных итераций над одним и тем же материалом.
• Плотная вёрстка и рендеринг мелкого текста — ориентирована на дизайн изображений, несущих информацию; компоновка и рендеринг многоязычного текста стабильнее, что подходит для инфографики, макетов интерфейсов и других насыщенных текстом результатов.
• Промпт может описывать сложную компоновку — ограничение позитивного промпта 18000 символов достаточно для описания многоэлементной композиции, структуры макета и требований к локальным изменениям.
• Управляемые параметры вывода — поддерживаются разрешения 1K/2K, 8 соотношений сторон, вывод в png или jpeg, случайный seed и негативный промпт; результаты легко встроить в производственный процесс.

Возможности

Редактирование по референсным изображениям: при передаче 1–3 референсных изображений вместе с промптом содержимое изменяется с сохранением ключевой информации исходника, что подходит для адресной правки готовых материалов, а не повторной генерации.

Длинные промпты и негативные ограничения: позитивный промпт поддерживает длинные текстовые описания макета и сохраняемых/изменяемых областей, а негативный промпт исключает нежелательные элементы, что позволяет точно управлять изображением.

Вёрстка и рендеринг текста: генерирует изображения с правильной компоновкой и многоязычным текстом, подходит для инфографики, концепт-макетов интерфейсов и других визуальных материалов с плотным текстом.

Автоматическая оптимизация промпта: prompt_extend включён по умолчанию и может автоматически расширять промпт, снижая нагрузку при коротком вводе; его можно отключить, чтобы сохранить исходный текст.

Параметры вывода и воспроизводимость: можно задавать разрешение, соотношение сторон и формат файла, а также воспроизводить результаты через seed, что удобно для пакетного создания материалов в едином стиле.

Сценарии применения

• Дизайнер переделывает существующий постер или инфографику — загружает оригинальный постер или макет и по промпту корректирует текст, стиль или компоновку, получая обновлённый визуальный материал, готовый к размещению.
• Продуктовая команда итерирует UI-концепты — использует скриншоты существующего интерфейса как референс, меняет цветовую схему, компоновку или текст и получает высокодетализированные концепт-макеты интерфейса для обсуждения на ревью и в прототипировании.
• E-commerce-команда обновляет изображения товаров — берёт изображение товара как референс, меняет сцену, фон или одежду модели и получает изображения товара для карточек и маркетинговых материалов.
• Локализация многоязычных материалов — использует китайско- или англоязычные материалы как референс, заменяет язык и стиль и генерирует рекламные визуалы для разных рынков.

Ограничения и рекомендации по выбору

Поддерживается только редактирование изображений, возможности генерации изображений по тексту нет; для создания изображений только из текста следует выбирать линии text-to-image той же серии. Ограничения референсных изображений: 1–3 штуки, каждое не более 10 MB, SVG не поддерживается; сложные сцены с композицией нескольких изображений будут ограничены. Читаемость мелкого текста зависит от плотности вёрстки и языка, поэтому перед сдачей результата следует проверять каждое изображение. Модель довольно новая, публичных независимых оценок немного; рекомендуется сначала проверить эффект на небольшом числе примеров, а затем подключать к пакетному процессу.