알리바바, 영·중 텍스트 렌더링 특화 이미지 모델 'Qwen-Image' 오픈소스 공개

이미지 생성 AI를 쓸 때 가장 번거로운 작업은 이미지 안의 텍스트를 처리하는 일이었습니다. 알파벳 철자가 틀리거나 한자 획이 뭉개지기 일쑤여서, 배경 이미지만 뽑은 뒤 그래픽 툴로 텍스트를 따로 얹는 경우가 대부분이었습니다.

알리바바는 20B 규모의 MMDiT 이미지 파운데이션 모델 'Qwen-Image'를 공개했습니다. 복잡한 텍스트 렌더링과 정밀한 이미지 편집을 핵심 무기로 내세운 모델입니다.

레이아웃까지 잡는 텍스트 렌더링

Qwen-Image는 단순한 단어 표기를 넘어 여러 줄의 문단과 레이아웃 구조를 동시에 렌더링합니다. 영어 같은 알파벳 언어는 물론이고 구조가 복잡한 중국어 표의문자까지 높은 정확도로 표현합니다.

공개된 사례를 보면, 한옥풍 대청마루에 걸린 대련의 서예 문장을 정확히 적어내거나, 애니메이션 풍 골목길의 여러 상점 간판 글씨를 원근감에 맞춰 자연스럽게 배치했습니다.

영어 표현력도 탄탄합니다. 서점 쇼윈도 예시에서는 메인 포스터 문구뿐 아니라 책꽂이에 꽂힌 책 4권의 제목을 표지마다 오탈자 없이 출력해 냈습니다.

정보 배치 능력도 눈에 띕니다. 6개 영역으로 나뉜 인포그래픽 슬라이드에서 아이콘과 제목, 본문 문장을 규격에 맞춰 정돈해 냈으며, 화면의 10분의 1도 안 되는 작은 종이에 적힌 손글씨 시 구절까지 뭉개짐 없이 구현했습니다. 영·중 병기 텍스트도 매끄럽게 처리합니다.

편집 정밀도와 벤치마크 결과

텍스트 표현 외에 이미지 편집 능력도 다중 작업 학습 방식을 통해 개선했습니다. 기존 스타일과 시각적 현실감을 유지하면서 특정 사물의 추가 및 삭제, 스타일 변환, 텍스트 수정, 인물 자세 조정을 자연스럽게 수행합니다.

벤치마크 수치에서도 두각을 나타냈습니다. 일반 생성 벤치마크인 GenEval, DPG와 편집 평가인 GEdit, ImgEdit 전반에서 높은 성적을 거두었으며, 텍스트 렌더링을 집중 평가하는 LongText-Bench, ChineseWord 등에서는 기존 모델들과 큰 격차를 보였습니다.

해당 기능은 현재 Qwen Chat의 이미지 생성 메뉴에서 직접 사용해 볼 수 있습니다.

왜 중요한가

콘텐츠 제작자와 디자이너에게 이번 모델은 AI 이미지 생성을 '실무 납품' 단계로 끌어올리는 계기가 됩니다. 포스터나 발표 슬라이드를 만들 때 매번 골치를 썩이던 텍스트 배치 과정을 생성 단계에서 한 번에 끝낼 수 있어 작업 효율이 크게 올라갑니다.

오픈소스 생태계 차원에서도 의미가 깊습니다. 영어 단어 생성은 기존 서구권 오픈소스 모델에서도 점차 개선되고 있었지만, 복잡한 중국어와 정교한 포스터 레이아웃을 네이티브로 소화하는 대형 오픈 모델은 드물었습니다. 알리바바가 20B 크기의 MMDiT 모델을 오픈소스로 내놓으면서 다국어 디자인 영역의 기준점을 높였습니다.

시각적인 화풍 경쟁을 넘어 텍스트 렌더링과 편집이라는 실질적 병목을 공략한 점은 현명한 판단으로 보입니다. 다만 20B라는 파라미터 크기상 개인이 로컬 PC에서 직접 구동하기에는 요구 사양이 만만치 않아, 향후 커뮤니티의 경량화와 양자화 작업이 얼마나 빠르게 뒷받침될지가 관건입니다.