Alibaba-வின் Qwen-Image-3.0 உரை மற்றும் தளவமைப்பு (Layout) உருவாக்கத்தில் புதிய தரத்தை நிர்ணயிக்கிறது

Alibaba-வின் Qwen குழு Qwen-Image-3.0-வை அறிமுகப்படுத்தியுள்ளது. இது வெறும் அழகியல் சார்ந்த விஷயங்களைத் தாண்டி, செயல்பாட்டு ரீதியான "யதார்த்தத்தை" (realism) நோக்கிய உருவாக்கும் AI (generative AI) துறையில் ஒரு மிகப்பெரிய முன்னேற்றமாகும். சிக்கலான தளவமைப்புகள் மற்றும் மிகச்சிறிய உரைகளைத் துல்லியமாக உருவாக்கும் திறனைப் பெறுவதன் மூலம், தொழில்முறை காட்சி ஆவணங்களை (visual documentation) நாம் அணுகும் முறையை மாற்றியமைப்பதை இந்த மாடல் நோக்கமாகக் கொண்டுள்ளது.

அழகியலைத் தாண்டி: "உண்மையான" பயன்பாட்டில் கவனம்

Qwen-Image-ன் முந்தைய பதிப்புகள் துல்லியம் மற்றும் அழகில் கவனம் செலுத்தினாலும், பதிப்பு 3.0 நடைமுறை சார்ந்த, அதிக அடர்த்தி கொண்ட பணிப்பாய்வுகளுக்காக (high-density workflows) உருவாக்கப்பட்டுள்ளது. செய்தித்தாள் தளவமைப்புகள், ஸ்டோரிபோர்டுகள் (storyboards), தேர்வுத் தாள்கள் மற்றும் தொழில்நுட்ப இன்ஃபோகிராபிக்ஸ் போன்ற செயல்பாட்டுத் தேவைகளுக்காக, குழுவினர் "Real" என்று வரையறுக்கும் ஒரு இலக்கை நோக்கித் திரும்பியுள்ளனர். இடஞ்சார்ந்த பகுத்தறிவில் (spatial reasoning) சிரமப்படும் பல டிஃப்யூஷன் மாடல்களைப் போலல்லாமல், Qwen-Image-3.0 4,500 டோக்கன்கள் வரையிலான ப்ராம்ப்ட்களை (prompts) செயலாக்க முடியும். இது சிதறிய படங்களை ஒன்றாக இணைப்பதற்குப் பதிலாக, ஒரே முயற்சியில் சிக்கலான, பல கூறுகளைக் கொண்ட அமைப்புகளை உருவாக்க அனுமதிக்கிறது.

நுண்-உரை (Micro-Text) மற்றும் LaTeX உருவாக்கத்தில் முன்னேற்றங்கள்

Qwen-Image-3.0-ன் மிக முக்கியமான தொழில்நுட்ப சாதனைகளில் ஒன்று, பத்து பிக்சல்கள் அளவுள்ள மிகச்சிறிய உரையைக்கூடத் தெளிவாக உருவாக்கும் திறனாகும். அடர்த்தியான தகவல் வடிவமைப்பிற்கு (information design) இந்தத் திறன் ஒரு புரட்சிகரமான மாற்றமாகும். செயல்விளக்கங்களில், இந்த மாடல் ஒரு கற்பனையான இயற்கணித வடிவியல் (algebraic geometry) ஆய்வுக் கட்டுரையின் முழுப் பக்கத்தையும் வெற்றிகரமாக உருவாக்கியது; இதில் அடிக்குறிப்புகள் (subscripts), மேற்புறக்குறிப்புகள் (superscripts), பின்னங்கள் (fractions) மற்றும் கூடுதல் குறியீடுகள் (summations) கொண்ட சிக்கலான, பல வரி LaTeX சமன்பாடுகள் இடம்பெற்றிருந்தன.

இந்த மாடலின் எழுத்துரு (typography) கையாளும் திறன், போலி செய்தித்தாள் பக்கங்கள் மற்றும் ஆசிரியர்களின் சிவப்பு நிற கையெழுத்துத் திருத்தங்கள் உட்பட பல்வேறு பாணிகளுக்கும் பொருந்தும். இந்தத் துல்லியம், Qwen-Image-3.0 வெறும் "எழுத்துக்களைப் போன்ற வடிவங்களை" மட்டும் வரையவில்லை என்பதையும், மாறாக தொழில்நுட்ப மற்றும் ஆசிரியர் சார்ந்த உரைகளின் கட்டமைப்புத் தேவைகளை உண்மையில் புரிந்துகொள்கிறது என்பதையும் காட்டுகிறது.

சிக்கலான கட்டங்கள் (Grids) மற்றும் ஒன்றினுள் ஒன்றான இடைமுகங்கள் (Nested Interfaces)

"ஒன்றினுள் ஒன்று அமைந்த" (nested) சூழல்கள் மற்றும் பிரம்மாண்டமான கட்டங்களை நிர்வகிக்கும் திறனின் மூலம் இந்த மாடல் சிறந்த இடஞ்சார்ந்த நுண்ணறிவை (spatial intelligence) வெளிப்படுத்துகிறது. ஒரு ஈர்க்கக்கூடிய செயல்விளக்கத்தில், Qwen-Image-3.0 ஒன்பது தனித்துவமான பகுதிகளைக் கொண்ட 3x3 இன்ஃபோகிராஃபிக் கட்டத்தை உருவாக்கியது. இந்த பகுதிகள் பின்வரும் பல்வேறு துறைகளை உள்ளடக்கியிருந்தன:

• இயற்பியல் மற்றும் கணிதம்: Sylow தேற்றங்கள் மற்றும் ப்ரொஜெக்டைல் (projectile) விலகல் வேகங்கள்.
• உயிரியல் மற்றும் மருத்துவம்: DNA கட்டமைப்புகள் மற்றும் கல்லீரல் புழுக்களின் (liver fluke) வாழ்க்கைச் சுழற்சிகள்.
• நிதி மற்றும் தத்துவம்: உள் வங்கி கட்டுப்பாடுகள் மற்றும் கன்பூசியஸ் பாடங்கள்.

மேலும், இந்த மாடல் "ஒன்றினுள் ஒன்றான இடைமுகங்களை" (nested interfaces) கையாள முடியும்; உதாரணமாக, ஒரு VSCode விண்டோவில் Qwen Chat திரை இருப்பதையும், அதற்குள் ஒரு WeChat உரையாடல் இருப்பதையும் இது உருவாக்க முடியும். சிக்கலான டிஜிட்டல் சூழல்களுக்கான விரைவான மற்றும் துல்லியமான மாதிரிகளை (mockups) உருவாக்க விரும்பும் UI/UX வடிவமைப்பாளர்களுக்கு இந்தத் திறன் ஒரு சக்திவாய்ந்த கருவியாகும்.

உலகளாவிய ரீச் மற்றும் ஆழமான அறிவு ஒருங்கிணைப்பு

உலகளாவிய பயனர்களை ஆதரிப்பதற்காக, Qwen-Image-3.0 ஜப்பானிய, கொரிய மற்றும் ஸ்பானிஷ் உட்பட பன்னிரண்டு மொழிகளுக்கு நேரடி ஆதரவை வழங்குகிறது. மேலும், உள்ளூர் வானிலை முன்னறிவிப்புகள் போன்ற சூழலுக்கு ஏற்ற துல்லியமான காட்சிகளை உருவாக்க, நேரடி இணையத் தரவுகளைப் பயன்படுத்தி "ஆழமான அறிவை" (deep knowledge) இது ஒருங்கிணைக்கிறது.

அசல் தூரிகை வேலைப்பாடுகளுடன் (brushwork) பொருத்தி ஒரு பாரம்பரிய மை ஓவியத்தை சரிசெய்வதாக இருந்தாலும் அல்லது ஒரு சாதாரண பூச்சிப் புகைப்படத்தை அளவீட்டுப் பட்டைகள் (scale bars) மற்றும் விரிவான பார்வைகளுடன் கூடிய ஒரு தொழில்முறை வகைப்பாட்டு அடையாளத் தகவலாக (taxonomic identification plate) மாற்றுவதாக இருந்தாலும், Qwen-Image-3.0 சிறப்புத் தொழில்துறைகளுக்கான ஒரு அதிநவீன கருவியாக தன்னை நிலைநிறுத்திக் கொள்கிறது.

முக்கியக் குறிப்புகள்

• அதிக அடர்த்தி கொண்ட தளவமைப்புகள்: சிக்கலான 3x3 இன்ஃபோகிராஃபிக் கட்டங்கள் மற்றும் ஒன்றினுள் ஒன்றான டிஜிட்டல் இடைமுகங்களை ஒரே முயற்சியில் உருவாக்க 4,500 டோக்கன்கள் வரையிலான ப்ராம்ப்ட்களை ஆதரிக்கிறது.
• நுண்-உரை வாசிப்புத் திறன்: பத்து பிக்சல்கள் அளவுள்ள மிகச்சிறிய உரைகளையும் சிக்கலான கணித LaTeX சூத்திரங்களையும் உருவாக்கும் திறன் கொண்டது.
• பல்மொழி மற்றும் சூழல் சார்ந்தவை: 12 மொழிகளுக்கு நேரடி ஆதரவு மற்றும் நிஜ உலகத் துல்லியத்திற்காக நேரடி இணையத் தரவுகளை ஒருங்கிணைக்கும் திறன் கொண்டது.