z-image-6b-pixel-space

מה זה

אתם כותבים תיאור טקסט ומקבלים תמונה בפורמט ויזואלי ישיר. המערכת מחברת בין משקלי הבסיס של Z-Image-Turbo מבית Tongyi-MAI לבין מימוש L2P מבית מחקר Tencent Youtu שנלקח מהמאגר של zhen-nan. השילוב הזה מריץ מודל DiT של שישה מיליארד פרמטרים שאומן מחדש לפעול מקצה לקצה ישירות על פיקסלים, בלי שלב הדחיסה והפענוח של מקודד VAE שקיים ברוב מודלי הדיפוזיה.

בממשק תמצאו דוגמאות מובנות שנשמרו מראש כדי לראות את איכות הפלט בלי להמתין. בנוסף לתיאור הראשי, אפשר להגדיר תיאור שלילי ולשלוט ידנית על מימדי התמונה, מספר צעדי הדיפוזיה, עוצמת ההנחיה של הטקסט וערך הסיד לשחזור מדויק.

מתאים ל

• בדיקת איכות פיקסלים

  בחינה מעשית של יצירת תמונות ללא עיוותי דחיסה של מקודד VAE ברזולוציה גבוהה.

• הפקת תמונות מטקסט

  יצירת תמונות מרובעות או מלבניות של עד 1024 על 1024 פיקסלים לפי תיאור מילולי.

• ניסוי בפרמטרי דיפוזיה

  כוונון ידני של צעדי ריצה ועוצמת הציות להנחיה כדי למצוא את האיזון המדויק.

איפה זה נופל

היישום מוגבל ליצירת תמונות מטקסט בלבד, ואי אפשר להעלות תמונה קיימת לעריכה או הכוונה. חומרת ה־A10G מנוהלת לפי תור ומגבלות זמן, כך שהרצה של מאה צעדים או רזולוציות מירביות עלולה להתעכב או להיעצר אם חורגים מהמכסה. בנוסף, חובה להזין טקסט כדי להריץ, שכן השארת שדה ריק מקפיצה שגיאה מיידית.

איך משתמשים

מקלידים תיאור בשדה הטקסט ולוחצים על Generate. ברירת המחדל מוגדרת לרזולוציית 1024 על 1024 עם שלושים צעדים וערך הנחיה של 2.0. המודל רץ בענן על גבי מאיץ מדגם A10G דרך תשתית ZeroGPU, מה שמחייב הקצאת משאבים דינמית. היצירה לא מיידית ולוקחת זמן לפי עומס הצעדים, אך מד ההתקדמות מציג את קצב הריצה בזמן אמת.

הרישיון

הפרויקט מפורסם ברישיון קוד פתוח מסוג Apache 2.0, שמאפשר שימוש חופשי וגם מסחרי בקוד. התמונות שנוצרות מופקות על ידי המודל עבורכם, אך כדאי לבדוק את תנאי המאגרים המקוריים של Tencent ו־Tongyi לגבי הפלטים המסחריים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗