Alibaba、画像編集モデル「Qwen-Image-Edit」を発表 高精度なテキスト編集に対応

Alibaba傘下のQwenチームは、画像生成モデル「Qwen-Image」の編集特化版となる「Qwen-Image-Edit」を発表した。20Bパラメータの「Qwen-Image」をベースに構築されており、同モデルが持つ独自のテキスト描画能力を画像編集タスクにも拡張し、画像内の文字を高精度に編集できるようにした点が大きな特徴となっている。

セマンティック編集と見た目編集を両立

Qwen-Image-Editの技術的なポイントは、入力画像を2つの異なる経路で処理する仕組みにある。一方では「Qwen2.5-VL」に画像を入力し、視覚的な意味内容（セマンティクス）を制御する。もう一方ではVAEエンコーダーに画像を入力し、見た目の外観（アピアランス）を制御する。この2系統の処理を組み合わせることで、画像の意味的な内容を保ちながら編集する作業と、見た目の質感やスタイルを変更する作業の両方に対応できるようになっている。

テキスト編集への応用

Qwen-Imageはもともと画像内に文字を精密に描き込める点で評価されていたモデルだが、Qwen-Image-Editではこの強みを編集用途に転用した。既存画像に含まれる文字列を差し替えたり修正したりする作業を、高い精度で行えるとされている。ロゴやポスター、UIモックアップなど、テキストを含む画像の修正が必要な場面での活用が想定される。

Qwenチームは既に「Qwen-Image」を公式サイトのチャットサービスやGitHub、Hugging Face、ModelScopeで公開しており、Qwen-Image-Editについても同様のチャネルを通じて利用可能になる見込みだ。