Qwen VLo 融合视觉理解与图像生成

Qwen VLo 是一款预览版统一多模态理解与生成模型，支持从“理解”到“创作”的端到端流程。

采用自左至右、自上而下的渐进式生成方式，实时优化图像细节，提升视觉质量和可控性。

增强图像内容理解与重现能力，能够保持语义一致并准确执行如颜色变化等编辑指令。

支持自然语言开放式指令编辑，可进行风格迁移、场景重建、细节润色及检测、分割等视觉感知任务。

提供中英文多语言指令支持，打破语言障碍，实现全球统一交互体验。

支持多图像输入和文本到图像生成，涵盖长宽比动态调整、海报生成及双语海报创作等多样场景。

采用动态分辨率训练与生成，允许任意分辨率和长宽比，满足海报、插画、社交媒体封面等多种需求。

尽管功能强大，目前仍处于预览阶段，可能存在不准确、不一致及指令理解不稳定等问题。