Qwen VLo- Từ "Hiểu" Thế Giới đến "Miêu Tả" Nó

Sự phát triển của các mô hình lớn đa phương thức liên tục thúc đẩy ranh giới của những gì chúng ta tin rằng công nghệ có thể đạt được. Từ QwenVL ban đầu đến Qwen2.5 VL mới nhất, chúng tôi đã có những tiến bộ trong việc tăng cường khả năng của mô hình để hiểu nội dung hình ảnh. Hôm nay, chúng tôi rất vui mừng giới thiệu một mô hình mới, Qwen VLo, một mô hình tạo và hiểu đa phương thức thống nhất. Mô hình mới được nâng cấp này không chỉ "hiểu" thế giới mà còn tạo ra các bản tái tạo chất lượng cao dựa trên sự hiểu biết đó, thực sự thu hẹp khoảng cách giữa nhận thức và sáng tạo.

June 28, 2025
5 min read

Qwen VLo: Từ “Hiểu” Thế Giới Đến “Mô Tả” Thế Giới

QWEN CHAT DISCORD

Giới Thiệu

Sự phát triển của các mô hình lớn đa phương thức liên tục đẩy lùi ranh giới của những gì chúng ta tin rằng công nghệ có thể đạt được. Từ QwenVL ban đầu đến Qwen2.5 VL mới nhất, chúng tôi đã đạt được những tiến bộ trong việc nâng cao khả năng hiểu nội dung hình ảnh của mô hình. Hôm nay, chúng tôi rất vui mừng giới thiệu một mô hình mới, Qwen VLo, một mô hình tạo và hiểu đa phương thức thống nhất. Mô hình được nâng cấp mới này không chỉ “hiểu” thế giới mà còn tạo ra các bản tái tạo chất lượng cao dựa trên sự hiểu biết đó, thực sự thu hẹp khoảng cách giữa nhận thức và sáng tạo. Lưu ý rằng đây là phiên bản xem trước và bạn có thể truy cập nó thông qua Qwen Chat. Bạn có thể trực tiếp gửi một lời nhắc như “Tạo một bức ảnh về một con mèo dễ thương” để tạo một hình ảnh hoặc tải lên một hình ảnh về một con mèo và hỏi “Thêm một chiếc mũ lên đầu con mèo” để sửa đổi một hình ảnh. Quá trình tạo hình ảnh được hiển thị bên dưới.

Quá trình Sáng tạo: Biến Trí Tưởng Tượng Của Bạn Thành Hiện Thực

Như được trình bày trong video giới thiệu quy trình tạo sinh, Qwen VLo sử dụng phương pháp tạo sinh lũy tiến, xây dựng dần toàn bộ hình ảnh từ trái sang phải và từ trên xuống dưới. Trong quá trình này, mô hình liên tục tinh chỉnh và tối ưu hóa các dự đoán của mình để đảm bảo kết quả cuối cùng mạch lạc và hài hòa. Cơ chế tạo sinh này không chỉ nâng cao chất lượng hình ảnh mà còn cung cấp cho người dùng trải nghiệm sáng tạo linh hoạt và dễ kiểm soát hơn.

Từ Hiểu Biết Đến Sáng Tạo: Nâng Cao Khả Năng Tạo Sinh Đa Phương Thức

Qwen VLo đã trải qua một bản nâng cấp toàn diện cả về khả năng tạo sinh và hiểu biết đa phương thức ban đầu. Nó đào sâu đáng kể khả năng thấu hiểu nội dung hình ảnh và đạt được kết quả tạo sinh chính xác và nhất quán hơn. Dưới đây là những điểm nổi bật cốt lõi của Qwen VLo:

Hiểu và Tái Tạo Nội Dung Chính Xác Hơn

Các mô hình đa phương thức trước đây thường gặp khó khăn với sự không nhất quán về ngữ nghĩa trong quá trình tạo sinh, chẳng hạn như hiểu sai một chiếc xe hơi là một vật thể khác hoặc không giữ lại các đặc điểm cấu trúc chính của hình ảnh gốc. Qwen VLo, được trang bị khả năng nắm bắt chi tiết nâng cao, duy trì mức độ nhất quán ngữ nghĩa cao trong suốt quá trình tạo sinh. Ví dụ: khi người dùng nhập ảnh một chiếc xe hơi và yêu cầu “thay đổi màu sắc”, Qwen VLo có thể xác định chính xác kiểu xe, giữ nguyên cấu trúc ban đầu và chuyển đổi phong cách màu sắc của nó một cách tự nhiên. Kết quả tạo ra đáp ứng mong đợi đồng thời duy trì tính chân thực.
Hỗ Trợ Chỉnh Sửa Dựa Trên Hướng Dẫn Mở

Người dùng có thể cung cấp các hướng dẫn sáng tạo bằng ngôn ngữ tự nhiên, chẳng hạn như “thay đổi bức tranh này thành phong cách Van Gogh”, “làm cho bức ảnh này trông giống như từ thế kỷ 19” hoặc “thêm bầu trời đầy nắng vào hình ảnh này”. Qwen VLo có thể linh hoạt đáp ứng các lệnh mở này và tạo ra kết quả phù hợp với mong đợi của người dùng. Cho dù đó là chuyển đổi phong cách nghệ thuật, tái tạo cảnh hay chỉnh sửa chi tiết, mô hình đều xử lý chúng một cách dễ dàng. Ngay cả các tác vụ nhận thức trực quan truyền thống, chẳng hạn như dự đoán bản đồ độ sâu, bản đồ phân đoạn, bản đồ phát hiện và thông tin cạnh, có thể được thực hiện thông qua các hướng dẫn chỉnh sửa đơn giản. Hơn nữa, Qwen VLo cũng có thể xử lý liền mạch các hướng dẫn phức tạp hơn — chẳng hạn như sửa đổi đối tượng, chỉnh sửa văn bản và thay đổi hình nền — tất cả chỉ trong một lệnh.
Hỗ Trợ Hướng Dẫn Đa Ngôn Ngữ

Qwen VLo hỗ trợ nhiều ngôn ngữ, bao gồm tiếng Trung và tiếng Anh, phá vỡ rào cản ngôn ngữ và cung cấp trải nghiệm tương tác thống nhất, thuận tiện cho người dùng toàn cầu. Bất kể bạn sử dụng ngôn ngữ nào, chỉ cần mô tả nhu cầu của bạn và mô hình sẽ nhanh chóng hiểu và cung cấp đầu ra mong muốn.

Các Trường Hợp Demo

Qwen VLo hoạt động như một nghệ sĩ, sử dụng sự hiểu biết của mình để biến trí tưởng tượng thành hiện thực. Dưới đây là một số ví dụ để tham khảo.

Qwen VLo có khả năng trực tiếp tạo hình ảnh và sửa đổi chúng bằng cách thay thế hình nền, thêm đối tượng, thực hiện chuyển đổi phong cách và thậm chí thực hiện các sửa đổi rộng rãi dựa trên các hướng dẫn mở, cũng như xử lý các tác vụ phát hiện và phân đoạn.

Qwen VLo có thể diễn giải lại và tái tạo dựa trên sự hiểu biết của nó, cho phép linh hoạt hơn trong các thay đổi và chuyển đổi phong cách, chẳng hạn như chuyển đổi phim hoạt hình thành hình ảnh thực tế hoặc biến các hình thành quả bóng bay, trong số các kết quả sáng tạo khác.

Khả năng nâng cao của mô hình trong việc hiểu hình ảnh và hướng dẫn cho phép nó diễn giải tốt hơn các lệnh phức tạp, kết hợp nhiều thao tác và sửa đổi trong một hướng dẫn duy nhất. Điều này cho phép hoàn thành các tác vụ nhiều bước trong một lần, chẳng hạn như tạo áp phích hoặc kết hợp các đối tượng.

AI Today - SkyAI