画像生成AI「Qwen-Image-3.0」が登場したので使ってみた、イラストや日本語テキストの描画性能はいかに

中国の大手テクノロジー企業であるAlibabaのAI研究チームが画像生成AI「Qwen-Image-3.0」をリリースしました。Qwen-Image-3.0は「小さな文字を含む画像」を生成することを得意としているほか、物体の質感を細かく表現することもできるとのこと。Qwen Studioのアカウントを作成すれば無料で使用可能だったので使ってみました。

Qwen-Image-3.0: Rich Content, Authentic Details, Deep Knowledge
https://qwen.ai/blog?id=qwen-image-3.0

Qwen-Image-3.0は「最大4500トークンの入力をサポート」「10ピクセルの小さな文字まで描画できる」「日本語を含む12の言語の描画をサポート」という特徴を備えており、AIによる画像生成を「見栄えがいいもの」から「実用的なもの」へと引き上げるとアピールされています。

開発チームが公開したQwen-Image-3.0の作例画像が以下。ジンベエザメの生態が詳しく解説されています。

空間的な関係を維持しつつ数式などの描画することも可能。以下の画像は「9枚の生成画像を連結したもの」ではなく、「1度の生成で『9枚のスライドを連結した画像』を生成したもの」です。

以下のスクリーンショット風の画像もQwen-Image-3.0による生成画像です。クリックして原寸大画像を確認すると細かな文字まで破綻なく描写できていることが分かります。

実写風画像の生成も得意。

質感表現も秀逸です。

日本語の文字を描画できる例として以下の画像も掲載されていました。

Qwen-Image-3.0はAlibabaのチャットAIサービス「Qwen Studio」で利用可能なので実際に使ってみます。まず以下のリンクをクリックしてQwen Studioにアクセスします。

Qwen Studio
https://chat.qwen.ai/

画面右上の「Sign up」をクリックしてアカウントを作成します。

アカウントはメールアドレスを用いて作成できるほか、GoogleやGitHubのアカウントでサインインすることもできます。

アカウントの作成が完了したら入力欄左側の「＋」をクリックしてから「画像を作成する」をクリック。

初期状態だと前世代モデルのQwen-Image-2.0で生成する設定になっているので、Qwen-Image-3.0に切り替えます。

画像の説明文を入力して送信。今回は「ゲーム画面を生成。ゼンゼロとかアークナイツみたいなアニメ調オープンワールドゲーム。メイドが攻撃スキル『冥土の土産のメイドパンチ』を発動するシーン。アクションRPG的なHUDが必要。」と入力しました。

しばらく待つと画像が生成されました。

生成された画像が以下。クリックすると縮小前の原寸大画像を確認できます。しっかりゲームのスクリーンショット風になっています。メイドパンチの「ド」が半濁音になっていたり「クエスト」が「ケェスト」に見えたりしますが、全体的に指示通りの画像になりました。

質感表現も試したいので「実写。老人男性の目元を近くで撮影。肌のシワや瞳などの質感を詳細に表現。」と入力して画像を生成。

肌の質感がかなりリアルです。

画像編集機能も使ってみます。まず、元画像として東京ラーメンストリートの「斑鳩」で撮影したラーメンの写真を用意しました。

Qwen Studioの入力欄右側の「＋」をクリックしてから「添付ファイルをアップロード」をクリック。

画像を選択します。

編集内容を入力して送信。今回は「このラーメンの写真を使って『ラーメン評論家のブログ記事』のスクリーンショットを作って。ラーメンの味を解説する日本語のブログ記事。」と入力しました。

生成結果は以下の通り。「麺ログ」という名前の架空サイトのスクリーンショットを作ってくれました。

遠目で見るとかなり高品質ですが、テキストに着目すると「ととのける」「そろてとろりとしった」など破綻している部分が多め。日本語のテキスト描写にはまだ課題が残っているようです。