Vantagens da tecnologia de renderização chinesa da Gen Qwen Image
Em comparação com outras ferramentas de geração de imagens de IA no mercado, como Stable Diffusion ou DALL-E, a Gen Qwen Image adota o modelo Qwen-Image de 20 bilhões de parâmetros desenvolvido pela equipe Tongyi Thousand Questions da Alibaba, e sua principal inovação está na solução dos três principais pontos problemáticos da renderização de texto em ferramentas tradicionais de desenho de IA: primeiro, o problema de erros estruturais em caracteres chineses. O segundo é o problema do layout caótico de parágrafos com várias linhas e o terceiro é o problema da capacidade insuficiente de reconhecimento de caracteres especiais. O modelo alcança a modelagem precisa da estrutura do traço chinês por meio da arquitetura MMDiT (Multi-Modal Diffusion Transformer) e é capaz de suportar a renderização precisa de caracteres chineses complexos, sinais de pontuação e layout de parágrafo.
Na prática, os usuários podem digitar diretamente "uma placa de loja com 'Welcome' escrito nela" no prompt, e a ferramenta é capaz de gerar caracteres chineses de quatro caracteres com traços completos em vez de símbolos distorcidos. Esse avanço tecnológico faz dela a única ferramenta de desenho de IA que pode resolver a renderização de texto em chinês em nível comercial.
Essa resposta foi extraída do artigoGen Qwen Image: gerador de imagens on-line gratuito para renderização precisa de textoO
