هوش مصنوعی تازه علی‌بابا در تولید متن بر روی تصاویر، به طور فوق‌العاده‌ای عمل می‌کند

علی‌بابا با طراحی مدل هوش مصنوعی Qwen-Image، به بهبود یکی از نقاط ضعف رایج ابزارهای تصویرسازی پرداخته است: تولید متون قابل خواندن و دقیق در تصاویر. این مدل قادر است علاوه بر ایجاد تصاویر واقعی، پوسترها، اینفوگرافیک‌ها و طرح‌های گرافیکی متنی را نیز تولید کند.

اگر پیش‌تر از هوش مصنوعی خواسته‌اید که پوستی با متن خاصی طراحی کند، ممکن است با حروف غلط، کلمات ناقص یا متون نامفهوم مواجه شده باشید. این مسئله به‌ویژه در تولید تصاویر با متون بلند یا زبان‌های دارای نویسه‌های پیچیده بیشتر ملموس است.

تیم طراحی Qwen در علی‌بابا با رونمایی از Qwen-Image، هدف خود را بهبود دقت نمایش متون در تصاویر قرار داده است. نسخه‌ی اولیه‌ی این مدل با ۲۰ میلیارد پارامتر و معماری MMDiT به‌طور خاص در تولید تصویر از متن و ویرایش دقیق تصاویر متمرکز بود.

طبق گفته‌های توسعه‌دهندگان، Qwen-Image در نمایش نویسه‌های چینی به عملکرد خوبی دست یافته است؛ زبانی که به‌خاطر تنوع و پیچیدگی حروفش، یکی از چالش‌های اصلی برای مدل‌های تصویرسازی به شمار می‌رود.

نسخه‌ی Qwen-Image-2512 نسبت به مدل ابتدایی، تغییراتی در نمایش چهره‌های انسانی، جزئیات طبیعی و دقت متون داخل تصاویر ایجاد کرده است.

این نسخه به بازسازی جزئیات بیشتر در مناظر طبیعی، بافت پوشاک، پوست و موی انسان می‌پردازد. به گفته‌ی تیم سازنده، چیدمان متن و هماهنگی آن با عناصر بصری نیز به شکل قابل توجهی بهبود یافته است.

توسعه‌دهندگان اعلام کرده‌اند که مدل Qwen-Image-2512 در بیش از ۱۰ هزار دور ارزیابی کور در پلتفرم AI Arena آزمایش شده و بر اساس نتایج حاصل، در زمان معرفی یکی از قوی‌ترین مدل‌های متن‌باز در زمینه تصویرسازی به شمار رود. البته این نتایج به معنای کفایت عملکرد مدل در تمامی زبان‌ها و شرایط مختلف نیست.

گام بعدی توسعه در تاریخ ۱۰ فوریه‌ی ۲۰۲۶ (بهمن و اسفند ۱۴۰۴) با رونمایی از Qwen-Image 2.0 آغاز خواهد شد. نسخه‌ی جدید قادر به پردازش دستورهای متنی تا حدود هزار توکن بوده و می‌تواند بر اساس توضیحات نسبتاً بلند، پوستر، اسلایدهای ارائه، کمیک و اینفوگرافیک تولید کند.

این نسخه از رزولوشن 2K پشتیبانی کرده و بهبودهایی در درک دستورهای پیچیده و معماری سبک‌تر با سرعت پردازش سریع‌تر را به همراه دارد.

علی‌بابا همچنین در نسخه‌ی ۲٫۰ قابلیت تولید و ویرایش تصویر را یکپارچه کرده است؛ بنابراین کاربران می‌توانند با استفاده از یک مدل، هم تصاویر جدید بسازند و هم تصاویر موجود را تغییر دهند.

مدل‌های منتشرشده از خانواده‌ی Qwen-Image از طریق مخزن رسمی پروژه در گیت‌هاب برای توسعه‌دهندگان در دسترس هستند.

وزن‌های نسخه‌های منتشرشده برای تولید و ویرایش تصویر نیز در پلتفرم‌های هاگینگ فیس و ModelScope موجود است. کاربران به‌منظور آزمایش مدل می‌توانند بدون نیاز به نصب نرم‌افزار، از نسخه‌های نمایشی هاگینگ فیس یا سرویس Qwen Chat بهره‌برداری کنند.

با وجود پیشرفت‌های اعلام‌شده، نمی‌توان به‌راحتی گفت که Qwen-Image تمامی متون را بدون غلط تولید می‌کند. دقت خروجی به زبان، طول متن، پیچیدگی چیدمان و نسخه‌ی مدل وابسته است. به‌ویژه در مورد زبان فارسی، بدون انجام آزمایش‌های مستقل نمی‌توان نتایج دقیقی ارائه داد.

تمرکز علی‌بابا بر بهینه‌سازی تولید متن در تصاویر، می‌تواند Qwen-Image را به گزینه‌ای مطلوب برای طراحی پوسترها، تولید محتواهای تبلیغاتی، ساخت اینفوگرافیک‌ها و تهیه‌ی اسلایدهای تصویری تبدیل کند؛ کاربردهایی که در آن‌ها خوانایی متن به اندازه‌ی کیفیت خود تصویر اهمیت دارد.