Alibaba telah merilis Qwen-Image-Edit, sebuah alat pengeditan gambar bertenaga AI open-source yang berpotensi mengganggu pasar pengeditan gambar tradisional yang didominasi oleh Adobe Photoshop. Model baru ini merupakan kemajuan signifikan dalam pembuatan konten visual berbasis AI, menawarkan kemampuan pengeditan canggih melalui perintah bahasa alami.
 |
|---|
| Demonstrasi beragam transformasi gaya yang dimungkinkan oleh alat Qwen-Image-Edit milik Alibaba |
Kemampuan Pengeditan Dual-Mode Canggih
Qwen-Image-Edit memperkenalkan pendekatan revolusioner untuk manipulasi gambar dengan menggabungkan pengeditan semantik dan tampilan dalam satu platform. Model ini dibangun berdasarkan model dasar Qwen-Image 20B parameter milik Alibaba, memperluas kemampuan rendering teks ke dalam wilayah pengeditan gambar yang komprehensif. Sistem ini memproses gambar input melalui Qwen2.5-VL untuk kontrol semantik visual dan VAE Encoder untuk kontrol tampilan visual, memungkinkan fleksibilitas yang belum pernah ada sebelumnya dalam operasi pengeditan.
Fungsionalitas pengeditan semantik memungkinkan pengguna untuk memodifikasi konten gambar sambil mempertahankan makna visual dan konteks asli. Pengguna dapat meminta transformasi kompleks seperti mengubah orientasi objek, menambahkan elemen baru, atau menerapkan transfer gaya artistik sambil mempertahankan konsistensi karakter dan penyesuaian pencahayaan alami. Kemampuan ini terbukti sangat berharga untuk pembuatan konten IP, di mana mempertahankan konsistensi merek di berbagai skenario menjadi mudah.
Spesifikasi Model
- Model Dasar: Model Qwen-Image dengan 20B parameter
- Arsitektur: Pemrosesan jalur ganda dengan Qwen2.5-VL dan VAE Encoder
- Dukungan Bahasa: Pengeditan teks bahasa Mandarin dan Inggris
- Performa: Hasil SOTA pada berbagai benchmark publik
 |
|---|
| Representasi visual dari sintesis tampilan novel yang menampilkan perspektif berbeda melalui teknik manipulasi gambar canggih |
Pengeditan Teks Presisi dan Dukungan Multibahasa
Salah satu fitur unggulan Qwen-Image-Edit adalah presisi pengeditan teks yang luar biasa, mendukung bahasa Mandarin dan Inggris. Sistem ini dapat memodifikasi, menambahkan, atau menghapus elemen teks dalam gambar sambil mempertahankan font, ukuran, dan elemen gaya asli. Fungsionalitas ini meluas ke skenario kompleks seperti mengoreksi kesalahan kaligrafi dalam tulisan Mandarin tradisional, di mana model dapat melakukan koreksi berbasis rantai untuk secara bertahap memperbaiki akurasi karakter.
Model ini menunjukkan kemampuan luar biasa dalam menangani skenario teks yang rumit, dari modifikasi tanda sederhana hingga pengeditan poster yang kompleks. Pengguna dapat menentukan perubahan teks yang tepat, dan sistem menghasilkan hasil yang sesuai konteks, termasuk pantulan dan bayangan alami yang sesuai dengan lingkungan sekitar.
Fitur Utama
- Pengeditan tampilan tingkat rendah (penambahan, penghapusan, modifikasi elemen)
- Pengeditan semantik tingkat tinggi (pembuatan IP, rotasi objek, transfer gaya)
- Pengeditan teks yang presisi dengan preservasi font/gaya
- Koreksi berbasis rantai untuk skenario teks yang kompleks
- Generasi pencahayaan dan refleksi yang natural
 |
|---|
| Contoh pengeditan teks inovatif menggunakan teknologi AI untuk memodifikasi huruf dalam bagan alfabet |
Performa Terdepan dan Aksesibilitas
Evaluasi benchmark menunjukkan bahwa Qwen-Image-Edit mencapai performa state-of-the-art (SOTA) di berbagai dataset pengeditan gambar publik. Model ini unggul dalam mempertahankan konsistensi subjek sambil memungkinkan variasi alami dalam pencahayaan dan tekstur berdasarkan perubahan scene. Pengujian mengungkapkan performa yang kuat dalam penambahan dan penghapusan objek, pergeseran perspektif, modifikasi latar belakang, dan penyesuaian elemen detail.
Saat ini, pengguna dapat mengakses Qwen-Image-Edit melalui Qwen Chat di chat.qwen.ai dengan memilih fungsi Image Editing. Model ini juga tersedia di platform ModelScope, Hugging Face, dan GitHub, meskipun penggunaan gratis memiliki batasan tertentu pada jumlah operasi.
Informasi Akses
- Antarmuka Utama: Qwen Chat (chat.qwen.ai)
- ModelScope : https://modelscope.cn/models/Qwen/Qwen-Image-Edit
- Hugging Face : https://huggingface.co/Qwen/Qwen-Image-Edit
- GitHub : https://github.com/QwenLM/Qwen-Image
- Penggunaan: Gratis dengan batasan jumlah operasi
Aplikasi Dunia Nyata dan Potensi Kreatif
Aplikasi praktis Qwen-Image-Edit mencakup berbagai industri kreatif. Pembuat konten dapat menghasilkan skenario beragam untuk karakter kekayaan intelektual, seperti yang ditunjukkan oleh pembuatan paket ekspresi bertema MBTI menggunakan maskot kapibara Alibaba. Alat ini memungkinkan sintesis tampilan baru, memungkinkan pengguna untuk memutar objek 90 atau 180 derajat untuk mengungkapkan perspektif berbeda, dan mendukung transfer gaya komprehensif termasuk gaya artistik populer seperti animasi Studio Ghibli.
Aplikasi profesional mencakup skenario komunikasi virtual, mockup produk, dan prototyping cepat untuk materi pemasaran. Kemampuan sistem untuk mempertahankan konsistensi sambil memungkinkan fleksibilitas kreatif membuatnya sangat berharga bagi merek yang memerlukan identitas visual yang kohesif di berbagai platform dan konteks.
Keterbatasan Saat Ini dan Prospek Masa Depan
Meskipun memiliki kemampuan yang mengesankan, Qwen-Image-Edit menghadapi tantangan tertentu. Kaligrafi kompleks dan gaya tulisan tangan yang rumit dapat menimbulkan kesulitan untuk pengenalan dan modifikasi karakter yang akurat. Sesi pengeditan multi-putaran mungkin mengalami penurunan presisi dan konsistensi selama penggunaan yang diperpanjang. Selain itu, akses gratis saat ini mencakup pembatasan penggunaan yang membatasi eksperimen ekstensif.
Perilisan Qwen-Image-Edit menandakan pergeseran signifikan menuju demokratisasi kemampuan pengeditan gambar tingkat profesional. Dengan menurunkan hambatan teknis untuk pembuatan konten visual, pendekatan open-source ini dapat mempercepat inovasi di industri kreatif sambil menantang solusi komersial yang sudah mapan. Seiring teknologi terus berkembang, ini menjanjikan untuk membentuk kembali bagaimana kreator, pemasar, dan desainer mendekati produksi konten visual.