Qwen VLo: 알리바바推出的 멀티모달 통합 이해·생성 모델 60

Qwen VLo란 무엇인가요?

Qwen VLo는 2025년 6월 27일 알리클라우드의 통의천원(Qwen)에서推出的 출시한 멀티모달 모델로, 이미지 생성과 편집, 스타일 변환, 복잡한 지시문 실행, 다중 이미지 이해 및 생성, 이미지 감지 및 주석, 텍스트 직접 이미지 생성 등의 기능을 지원합니다.

핵심 기능

• 고품질 이미지 생성 및 편집: 텍스트나 이미지 프롬프트를 통해 이미지를 생성, 수정할 수 있으며, 복잡한 장면을 점진적으로 구성하고 실시간으로 조정하는 것이 가능하며, 간단한 지시로 다국어 이미지를 생성할 수 있습니다.

• 동적 해상도 적응: 동적 해상도 기술을 채택하여 포스터, 일러스트레이션, 웹 배너, 소셜 미디어 커버 등 다양한 시나리오에 적합한 이미지를 생성할 수 있습니다.

• 점진적 생성: 이미지를 왼쪽에서 오른쪽으로, 위에서 아래로 점진적으로 구성하며, 생성 과정에서 콘텐츠를 지속적으로 최적화하여 화면의 조화와 통일성을 보장합니다.

• 개방형 지시 편집: "반 고흐 스타일로 변경", "19세기 오래된 사진처럼 만들기", "맑은 하늘 추가" 등 자연어로 창의적 요구 사항을 제시할 수 있으며, 모델이 유연하게 응답하여 기대에 부합하는 결과를 출력합니다.

• 다국어 지시: 중국어, 영어 등 다양한 언어의 지시를 지원하여 전 세계 사용자의 편의를 도모합니다.

기술적 특징

• 비주얼 언어의 심층 융합: 화면 내용을 이해하고 고품질 재창작이 가능하며, 생성 시 의미적 일관성을 유지하고 세부 사항 포착 능력이 뛰어납니다.

• 강력한 비주얼 편집 능력: 복잡한 편집 지시를 처리할 수 있으며, 단일 지시 내에서 다양한 수정을 완료하면서 동시에 주요 구조와 문맥의 정확성을 보장합니다.

활용 시나리오

• 디자인 및 창작: 디자이너, 마케터, 교육자에게 도구를 제공하여 예술 스타일 변환, 장면 재구성, 세부 사항 최적화 등을 지원하며, 창의적인 아이디어를 빠르게 실현하는 데 도움을 줍니다.

• 다국어 콘텐츠 제작: 다양한 언어 배경의 사용자에게 콘텐츠 생산 요구를 충족시켜 줍니다.

또한 Qwen VLo의 입력과 출력은 모든 해상도와 가로세로 비율의 이미지를 지원하여 다양한 사용 시나리오에 적합합니다. 사용자는 실시간으로 생성 과정을 확인하고 조정할 수 있습니다. 현재 이 모델은 여전히 프리뷰 단계에 있습니다.

자주 묻는 질문

질문 1: Qwen VLo는 이전 멀티모달 모델과 비교하여 생성 능력에서 어떤 강점이 있나요?

답변: Qwen VLo의 장점은 다음과 같습니다. 세부 사항 포착이 더 정확하고 생성된 콘텐츠의 의미적连贯성이 뛰어나며, 예술 스타일 변환 등 창의적 지시에 응답하여 복잡한 작업을 완료할 수 있고, 점진적 생성 메커니즘을 통해 시각적 효과가 우수하며 창작이 더 유연합니다.

질문 2: Qwen VLo는 어떤 이미지 작업을 수행할 수 있나요?

답변: Qwen VLo는 다음과 같은 작업을 수행할 수 있습니다. 이미지 직접 생성; 이미지 수정 (예: 배경 변경, 요소 추가); 스타일 변환 (예: 지브리풍, 3D풍); 이미지 인식 및 위치 지정(예: 감지, 분할); 다중 작업 복합 지시 처리 및 다단계 작업 완료; 동적 비율 이미지 생성(극단적 비율 기능은 아직 출시되지 않음); 자체 생성 콘텐츠 재이해 (예: 동물 품종 식별).

질문 3: Qwen VLo 프리뷰 단계의 한계는 무엇인가요?

답변: 프리뷰 단계에서 Qwen VLo는 생성 부정확, 원본 이미지와 불일치, 지시 불일치, 의도理解的 불안정 등의 문제가 발생할 수 있습니다.

블로그: https://qwenlm.github.io/blog/qwen-vlo/