Текст-в-картинку на 20B MMDiT. Лучший в классе рендер текста, английский и китайский.
Qwen-Image — мультимодальный диффузионный трансформер (MMDiT) на 20B от команды Qwen в паре с текстовым энкодером Qwen2.5-VL-7B. Его отличительная способность — отрисовка текста внутри изображения: английская и особенно китайская типографика, где он с большим отрывом ведёт среди открытых моделей. Apache-2.0, полностью коммерческая.
true_cfg_scale, а не guidance_scale. Передайте негативный промпт — и он пойдёт со значением конвейера по умолчанию (4.0); оставьте пустым — направляющая выключена.