Qwen VLo是什么？

Qwen VLo是阿里云通義千問在2025年6月27日推出的多模態模型，支持圖像生成與編輯、風格轉換、復雜指令執行、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

• 高質量生圖與編輯：能根據文字或圖片提示生成、修改圖像，支持逐步構建復雜場景、實時調整，可用簡單指令生成多語言圖片。

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

• 漸進式生成：從左到右、從上到下逐步構建圖像，生成中持續優化內容，確保畫面和諧統一。

• 開放指令編輯：支持用自然語言提創意需求，如“改梵高風格”“做成19世紀老照片”“加晴朗天空”，模型能靈活響應并輸出符合預期的結果。

• 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。

技術特點

• 視覺語言深度融合：能理解畫面內容并進行高質量再創作，生成時保持語義一致，細節捕捉能力強。

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

應用場景

• 設計與創意：為設計師、營銷人員、教育工作者提供工具，支持藝術風格轉換、場景重構、細節優化等，助力快速實現創意。

• 多語言內容創作：滿足不同語言背景用戶的內容生產需求。

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整。目前該模型仍在預覽階段。

常見問題

問題1：Qwen VLo在生成能力上比之前的多模態模型強在哪里？

答：Qwen VLo的優勢在于：細節捕捉更精準，生成內容語義連貫；能響應藝術風格轉換等創意指令，完成復雜任務；漸進式生成機制讓視覺效果更好，創作更靈活。

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；轉換風格，比如吉卜力風、3D風；進行圖像感知定位，像檢測、分割；處理多操作復雜指令，完成多步驟任務；生成動態比例圖像（極端比例功能尚未推出）；再理解自身生成內容，例如識別動物品種。

問題3：Qwen VLo預覽階段有哪些局限？

答：預覽階段，Qwen VLo可能出現生成不準確、與原圖不符、不符合指令、意圖理解不穩定等問題。

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