Qwen版Banana來了！

剛剛，Qwen推出了新圖像編輯模型——Qwen-Image-Edit-2509。

不僅支持多圖融合，提供“人物+人物”，“人物+商品”，“人物+場景” 等多種玩法，還增強了人物、商品、文字等單圖一致性。

除此之外，它還原生支持ControlNet，可通過關鍵點圖改變人物姿勢，還可輕松實現換裝需求。

圖像編輯之余，Qwen還開源了端到端全模態模型Qwen3-omni，表現也可圈可點。既可當語音翻譯助手，還能立不同的人設，甚至支持方言輸出。

下面具體來看。

支持多圖輸入

新圖像編輯的首要更新就是支持了多圖輸入。

先看一個“人物+人物”生成結婚照的例子。

輸入兩張圖片：

然后，輸入以下提示詞：

結果閃亮登場：

不喜歡中式婚禮的也沒事，我們還可以生成西式的，主打一個用戶就是上帝。

再看“人物+場景”的應用，感覺可輕輕松松實現環球旅行。

令我比較驚訝的是，這還真不是簡單的圖像拼接，它甚至貼合場景改變了主角的神態，閉眼享受陽光的動作、躺椅上的影子，說實話，p圖我都p不出來這么細。

下面輪到“人物+物體”了，我把它稱為最快擁有奢侈品包包和豪車的方式。

此外，多圖輸入也支持ControlNet常用的關鍵點圖，比如改變人物姿勢。

還能在改變關鍵點的同時，進行換裝。

除此之外，普通證件照、形象照、生活照也是so easy。

想要Banana大火的美式精英風？無論是半身還是全身照，你想要的Qwen都有。

還能進行不同的姿勢編輯，俏皮、比心、舉黑板都是不在話下。

基于新模型上述圖像編輯能力，再加上其本身特色的文字生成能力，團隊發現它還很擅長制作表情包。

當然，對于更長的文字，新模型也依然可以在保持人物一致性的前提下進行渲染。

更有意思的是，它還可以給老照片進行修復，比如給照片上色。

還可以修復破損照片。

但是，這個美顏……

除了真實人物，生成卡通玩偶、文創也是分分鐘的事啦。

咦？這左下角不就是Nano Banana爆火的手辦嗎？Qwen新模型效果看起來也是很不錯的。

1個物品太簡單了，咱們再換個有14只貓的圖片試一下。

哇哦，貓的數量是對的，效果也是相當可以。

除了圖像方面，新模型還專門增強了文字一致性，支持了包括字體類型編輯、字體顏色編輯和字體材質編輯。

此外，它還支持定點文字編輯，細致到可將圈出來的錯字進行定點修改。

效果是這樣滴：

不僅如此，新模型還支持深度圖控制，保持物體與場景的一致性。

哎呀，這泥濘的道路、茂盛的叢林、真實的車轍印，真的不是戶外山地車的廣告嗎？

只有關鍵點也不耽誤出圖，無論男女、無論古代還是現代、無論什么穿著，Qwen都能統統搞定。

最后就是根據草圖來控制生圖，這一老一少真給人一種時光穿梭的感覺，再配個bgm氛圍感直接拉滿。

還有端到端全模態模型

Qwen不僅在圖像編輯上表現優異，它還開源了端到端、全模態大模型Qwen3-omni，不僅能夠無縫處理文本、音頻、圖像和視頻等多種輸入形式，還能邊生成文字邊實時合成語音。

主要特點如下所示：

跨模態的領先性能：在36項音頻及音視頻基準測試中，Qwen3-omni斬獲32項開源SOTA與22項總體SOTA，超越Gemini-2.5-Pro、Seed-ASR、GPT-4o-Transcribe等閉源強模型，同時其圖像和文本性能也在同尺寸模型中達到SOTA水平。

多語言方面：Qwen3-omni支持119種文本語言、19種語音輸入語言和10種語音輸出語言。

效果be like：

不僅是實時翻譯助手，還能直接總結網頁內容，然后用你所需要的語言輸出。

更快響應：端到端音頻對話延遲低至211ms，視頻對話延遲低至507ms。

長音頻：支持長達30分鐘音頻理解。

個性化：支持system prompt隨意定制，可以修改回復風格，人設等。

比如廣東幼兒園老師或是四川女漢子。

咦，那么問題來了，這些方言是否標準噻？

工具調用：支持function call，實現與外部工具/服務的高效集成。

開源通用音頻Captioner：開源Qwen3-Omni-30B-A3B-Captioner，低幻覺且非常詳細的通用音頻caption模型，填補開源社區空白。

不僅能分析音樂風格，還能推理數學題，甚至還能當起語音助手喚醒其他應用。

這花里胡哨的功能真是令人眼花繚亂，感興趣的讀者趕緊去試試吧。