Qwen VLo：阿里推出的多模态统一理解与生成模型

Qwen VLo 是什么？

Qwen VLo 是由阿里通义千问团队推出的多模态统一理解与生成模型，具备强大的图文双向交互能力。它不仅能精准理解图像内容，还能根据自然语言指令进行高质量的图像生成与编辑，支持风格迁移、背景更换、物体添加等多种操作。Qwen VLo 采用渐进式生成机制，支持多语言输入、动态分辨率与视觉感知任务，适用于创意设计、内容制作和AI图像研究等场景，标志着从“看懂”世界到“描绘”世界的跨越。

Qwen VLo 的功能亮点

• 精准理解与再创造：保留原图结构特征，实现风格、颜色等自然修改，提升语义一致性；
• 支持开放指令编辑：可执行复杂自然语言指令，如风格迁移、背景替换、物体添加等；
• 多语言指令支持：支持中英文等多语种交互，无需切换语言环境；
• 视觉感知任务能力：支持生成检测图、分割图、边缘图等，覆盖标注、识别类任务；
• 渐进式图像生成机制：图像从左至右、上至下逐步生成，便于精细控制与实时调整；
• 动态分辨率支持：输入输出均支持任意长宽比，适配如海报、网页 Banner、漫画等多场景需求；
• 文本转图 & 图转图双能力：既能从描述生成图像，也能上传图像进行修改、理解、分析；
• 复杂指令执行能力强：如同时修改背景、添加物体、更改文字等可一次完成。

Qwen VLo 的使用场景

• 图像生成创作：根据自然语言描述快速生成插画、广告图、海报、社交媒体配图等，适合设计师和内容创作者。
• 图像编辑与修改：对上传图片进行局部或整体修改，如更换背景、调整风格、添加物体，适用于产品展示、视觉美化等场景。
• 多模态教育内容制作：生成科普图解、学习插图、思维导图等，提升教育资源的视觉表达质量。
• 视觉任务辅助：用于边缘检测、图像分割、标注生成等计算机视觉任务，服务于 AI 训练数据准备或科研分析。
• 多语言跨文化创作：支持中英文图文交互，便于全球化创作、跨语境图像理解与传播。
• 故事分镜与漫画设计：结合连续性描述生成多帧图像，支持影视分镜、漫画脚本创作等场景。

如何使用Qwen VLo ？

Qwen VLo 已上线到Qwen Chat，体验地址：https://chat.qwenlm.ai/