WaveSpeedAI
← 部落格

Qwen Image Text-to-Image 2512現已登陸WaveSpeedAI

Qwen Image 2512 是阿里巴巴 Qwen 最新的文字生成圖像模型，具備增強的提示詞理解能力、卓越的文字渲染效果，以及多樣化的長寬比支援。

By WaveSpeedAI2 min read
Wavespeed Ai Qwen Image Text To Image.2512
Wavespeed Ai Qwen Image Text To Image.2512Qwen Image 2512 是阿里巴巴 Qwen 最新的文字生成圖像模型，具備增強的提示詞理解能力、卓越的文字渲染效...
Try it
Qwen Image Text-to-Image 2512現已登陸WaveSpeedAI

介紹 Qwen Image 2512：阿里巴巴突破性文本轉圖像模型現已在 WaveSpeedAI 上線

在 AI 生成的圖像中呈現可讀、準確的文本一直是該領域最困難的問題之一。雖然大多數文本轉圖像模型擅長創建美麗的視覺效果，但當被要求包含文本時，它們經常失敗——產生亂碼字母、拼寫錯誤或難以辨認的排版。阿里巴巴的 Qwen 團隊針對這個問題直接出擊，推出了Qwen Image 2512，一個擁有 200 億參數的強大模型，為 AI 生成圖像中的文本呈現設立了新標準。

我們很高興宣佈 Qwen Image 2512 現已在 WaveSpeedAI 上提供，為您帶來即時訪問當今最強大的文本轉圖像模型之一——無冷啟動、快速推理和直觀的定價。

什麼是 Qwen Image 2512？

Qwen Image 2512 是阿里巴巴 Qwen-Image 基礎模型的最新發展，於 2025 年末發佈。基於多模態擴散變換器（MMDiT）架構，它集成了三個關鍵組件，協調工作：多模態大語言模型（MLLM）、變分自動編碼器（VAE）和 MMDiT 本身。這種複雜的架構使該模型能夠真正理解複雜的提示詞並將其轉化為高保真圖像。

Qwen Image 2512 的獨特之處在於其卓越的文本呈現能力。在阿里巴巴 AI Arena 平台上進行的超過 10,000 次評估的盲測中，Qwen-Image-2512 排名第四——使其成為比較中排名最高的開源模型。該模型在文本呈現基準測試上實現了最先進的性能，包括 LongText-Bench、ChineseWord 和 TextCraft，以顯著的幅度超過現有模型。

主要特性

優越的文本呈現

Qwen Image 2512 的突出能力是其在圖像中生成清晰、準確文本的能力。無論您需要多行佈局、段落級內容、手寫風格、書法還是標準排版，該模型都能以非凡的準確性保持排版細節、佈局連貫性和上下文和諧。這使其非常適合創建海報、標誌、徽標、信息圖表以及任何需要可讀文本元素的設計。

雙語和多語言支持

與許多在非英文文本上表現不佳的模型不同，Qwen Image 2512 擅長以高保真方式呈現字母文字（如英文）和表意文字（如中文）。該模型可以無縫地在語言之間切換，並在同一圖像中呈現複雜的多語言文本——這是國際營銷和全球內容創作的關鍵能力。

增強的提示詞理解

該模型能更好地理解複雜、詳細的提示詞，更好地理解主體關係、空間排列和風格細微差別。您可以描述包含多個元素、特定構圖和詳細風格要求的複雜場景，該模型將忠實地將您的願景轉化為圖像。

靈活的輸出尺寸

Qwen Image 2512 支持自定義寬度和高度配置，讓您生成針對任何用例優化的圖像——無論是社交媒體帖子、演示幻燈片、印刷材料還是網頁內容。默認的 1024×1024 分辨率適合大多數應用，但您可以調整尺寸以滿足您的特定需求。

風格多樣性

從逼真場景到印象派繪畫，從動漫美學到極簡設計，Qwen Image 2512 能流暢地適應創意提示詞。該模型在各種藝術風格上產生一致的質量，為您提供創意靈活性，而不會犧牲輸出質量。

現實世界應用案例

營銷和廣告

創建具有集成文本的引人注目的視覺效果，用於廣告、促銷橫幅和營銷活動。生成具有標題、號召性用語文本和直接在圖像中呈現的產品描述的海報——無需對基本文本元素進行後期處理。

社交媒體內容

製作針對不同平台格式優化的引人入勝的視覺內容。創建引言圖形、公告帖子和品牌內容，文本實際上是可讀的，節省手動文本覆蓋工作的時間。

產品設計和模型

使用現實文本集成可視化包裝概念、產品標籤和品牌商品。查看您的產品名稱、標語和營銷文案在實際設計上的外觀，然後再提交生產。

品牌和身份

設計文本是核心元素的徽標、店面標誌和品牌視覺效果。該模型準確呈現文本的能力使其對初步概念探索和客戶演示非常有價值。

編輯和出版

生成包含標題和文本元素的書籍封面、雜誌版面和文章插圖。為數位出版創建視覺內容，其中文本和圖像需要無縫協作。

在 WaveSpeedAI 上開始

在 WaveSpeedAI 上使用 Qwen Image 2512 很簡單。以下是生成您的第一張圖像的方法：

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "prompt": "A cinematic ocean wave at sunrise, highly detailed",
    "size": "1024*1024",
    "seed": -1,
    "output_format": "jpeg"
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/qwen-image/text-to-image-2512", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
if not task.get("id"):
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = f"https://api.wavespeed.ai/api/v3/predictions/{task['id']}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout", "deleted"}:
        raise RuntimeError(result)
    time.sleep(2)

對於具有特定文本的圖像，請明確說明應該出現的文本、字體風格和位置：

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "prompt": "A futuristic city at blue hour with soft volumetric light",
    "size": "1024*1024",
    "seed": -1,
    "output_format": "png"
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/qwen-image/text-to-image-2512", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
if not task.get("id"):
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = f"https://api.wavespeed.ai/api/v3/predictions/{task['id']}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout", "deleted"}:
        raise RuntimeError(result)
    time.sleep(2)

每張圖像只需 $0.025，無論分辨率如何都採用統一定價，您可以自由實驗和迭代您的設計，無需擔心成本增加。

為什麼選擇 WaveSpeedAI？

在 WaveSpeedAI 上運行 Qwen Image 2512 相比自託管或其他平台有多個優勢：

  • 無冷啟動：您的請求立即開始處理，無需等待模型初始化
  • 快速推理：優化的基礎設施提供快速生成時間
  • 簡單的 API：具有直觀參數的清晰 REST 介面
  • 經濟的定價：每張圖像 $0.025，無隱藏費用或複雜的定價級別
  • 可靠性：您可以依賴的生產就緒基礎設施用於您的應用

立即開始創建

Qwen Image 2512 代表文本轉圖像生成的真正進步，特別是對於需要在 AI 生成圖像中使用可讀文本的任何人。無論您是在構建營銷工具、大規模創建內容還是探索創意應用，此模型都打開了以前難以實現或無法實現的可能性。

在 WaveSpeedAI 上探索 Qwen Image 2512 並查看您可以創建的內容：https://wavespeed.ai/models/wavespeed-ai/qwen-image/text-to-image-2512

分享