Alibaba की Qwen टीम ने Qwen-Image-2.1 लॉन्च किया है। तस्वीरें बनाने और संपादित करने वाला यह नया मॉडल डाउनलोड करके बंद उपभोक्ता इंटरफ़ेस के बाहर चलाया जा सकता है।
लॉन्च की एक दिलचस्प बात यह है कि मॉडल नई तस्वीर बनाने और मौजूदा तस्वीर संपादित करने के लिए एक ही प्रणाली इस्तेमाल करता है।
यह ग्राफ़िक काम की उपयोगी क्षमताएं भी जोड़ता है, जिनमें पारदर्शी पृष्ठभूमि वाली तस्वीरें और दस तक संदर्भ चित्रों का संयोजन शामिल है।
Qwen-Image-2.1 क्या कर सकता है
Qwen-Image-2.1 में 7 बिलियन पैरामीटर वाला दृश्य घटक है।
मॉडल ये काम कर सकता है:
- टेक्स्ट से तस्वीरें बनाना
- मौजूदा तस्वीरें संपादित करना
- किसी खास हिस्से का संपादन
- कई संदर्भ चित्र जोड़ना
- RGBA फ़ॉर्मैट में पारदर्शी तस्वीरें बनाना
- दस तक संदर्भ चित्रों के साथ काम करना
वेट Hugging Face और ModelScope पर उपलब्ध हैं।
कोड GitHub पर उपलब्ध है।
कई inference टूल ने लॉन्च के दिन ही समर्थन घोषित किया, जिनमें Diffusers, ComfyUI, vLLM-Omni, SGLang और LightX2V शामिल हैं।
पारदर्शिता महत्वपूर्ण क्यों है
पारदर्शी पृष्ठभूमि वाली तस्वीर बनाना छोटी सुविधा लग सकती है।
असल में डिज़ाइनरों, ऑनलाइन दुकानों और विज्ञापन पेशेवरों के लिए यह बहुत उपयोगी क्षमता हो सकती है।
उदाहरण के लिए:
उत्पाद की ऐसी तस्वीर बनाना जिसे तुरंत दूसरी पृष्ठभूमि पर रखा जा सके।
प्रेज़ेंटेशन के लिए ग्राफ़िक तत्व बनाना।
अभियान के लिए पात्र या वस्तु बनाना।
ऐसे एसेट बनाना जिन्हें मौजूदा डिज़ाइन में जोड़ा जा सके।
कई टूल में पहले तस्वीर बनानी और फिर अलग चरण में पृष्ठभूमि हटानी पड़ती है।
यहां Qwen पारदर्शिता को मॉडल का ही हिस्सा बनाती है।
दस संदर्भ चित्र दिलचस्प क्यों हैं
नए इमेज टूल "जो चाहिए लिख दें" से आगे ऐसे काम की ओर बढ़ रहे हैं जिसमें उपयोगकर्ता प्रणाली को वास्तविक दृश्य सामग्री देता है।
उदाहरण के लिए दे सकते हैं:
उत्पाद की तस्वीर
लोगो
पात्र
पृष्ठभूमि
शैली तय करने वाली तस्वीर
फिर प्रणाली से इन सामग्रियों को जोड़कर नया संयोजन बनाने को कह सकते हैं।
दस तक संदर्भ चित्र लेने की क्षमता Qwen-Image-2.1 को वास्तविक कार्यप्रवाह के लिए अधिक प्रासंगिक बनाती है।
क्या यह खुला मॉडल है?
वेट और कोड डाउनलोड के लिए उपलब्ध हैं, इसलिए मॉडल बंद इमेज जेनरेटरों की तुलना में बहुत अधिक सुलभ है।
लेकिन यहां "खुला" शब्द सावधानी से इस्तेमाल करना चाहिए।
प्रकाशित लाइसेंस शर्तों से पता चलता है कि वे जरूरी नहीं कि असीमित व्यावसायिक इस्तेमाल की अनुमति देती हों।
जो लोग मॉडल को व्यावसायिक उत्पाद, वेबसाइट, ग्राहक सेवा या कारोबारी प्रक्रिया में इस्तेमाल करना चाहते हैं, उन्हें पहले संबंधित लाइसेंस पढ़ना चाहिए।
स्पष्ट लाइसेंस शर्तों के बिना मॉडल को "व्यावसायिक इस्तेमाल के लिए मुफ़्त" नहीं मानना चाहिए।
हिब्रू का क्या
Qwen ने दस्तावेजों में तस्वीरों के भीतर हिब्रू टेक्स्ट या हिब्रू प्रॉम्प्ट की गुणवत्ता के बारे में स्पष्ट प्रतिबद्धता नहीं दी है।
मॉडल बहुभाषी प्रॉम्प्ट ले सकता हो, तब भी इसका मतलब यह नहीं कि वह अच्छी हिब्रू टाइपोग्राफ़ी बना सकता है।
यह उन बातों में है जिन्हें अलग से परखना चाहिए।
कंपनी के दावे क्या हैं
Qwen बेंचमार्क परिणाम और दूसरे मॉडलों से तुलना प्रकाशित करती है।
ये Qwen के अपने परीक्षण हैं।
पर्याप्त स्वतंत्र परीक्षण होने तक Qwen-Image-2.1 को Google, OpenAI या अन्य कंपनियों के उत्पादों से "बेहतर" मॉडल बताने का आधार नहीं है।
किनके लिए दिलचस्प है
मॉडल खास तौर पर इनके लिए दिलचस्प हो सकता है:
- AI टूल डेवलपर
- ComfyUI उपयोगकर्ता
- डिज़ाइनर
- ऑनलाइन दुकानें
- विज्ञापन एजेंसियां
- शोधकर्ता
- अपने परिवेश में इमेज मॉडल चलाना चाहने वाली कंपनियां
यहां सबसे बड़ा लाभ जरूरी नहीं कि बेंचमार्क परिणाम हों।
लाभ यह है कि मॉडल डाउनलोड किया जा सकता है और एक ही प्रणाली में कई व्यावहारिक क्षमताएं शामिल हैं।
क्या अभी जांचना बाकी है
तस्वीरों की गुणवत्ता का स्वतंत्र परीक्षण अभी जरूरी है।
मॉडल हिब्रू में कितना अच्छा है, यह स्पष्ट नहीं।
वास्तविक हार्डवेयर जरूरतें संस्करण और चलाने के तरीके के अनुसार बदलेंगी।
और कंपनियों के लिए महत्वपूर्ण सवाल, व्यावसायिक रूप से क्या करने की अनुमति है, लाइसेंस शर्तों पर निर्भर करता है, केवल इस बात पर नहीं कि वेट डाउनलोड के लिए उपलब्ध हैं।