prxpixel-t2i

מה זה

מדובר במודל טקסט לתמונה בגודל של שבעה מיליארד פרמטרים מבית פוטורום, שנשען על ארכיטקטורת שנאי בשם PRXTransformer2DModel ומכוון לרזולוציה של 1024 פיקסלים. ההבדל המרכזי בינו לבין מודלים נפוצים כמו Stable Diffusion הוא הוויתור המוחלט על VAE. המודל מבצע את תהליך הדיפוזיה ישירות על פיקסלים גולמיים במקום לעבוד במרחב לטנטי מכווץ, ומשתמש בסקדיולר מסוג FlowMatchEulerDiscreteScheduler.

במקום מקודדי הטקסט השגרתיים ממשפחת T5 או Gemma, המערכת כאן נשענת על מגדל הטקסט של Qwen3-VL לצורך הבנת הפרומפט וההנחיות. בנוסף, המודל משלב את רזולוציית היצירה ישירות לתוך מודולציית צעדי הזמן ומכיל היטל צוואר בקבוק של טלאים. כרטיס המודל מציג את המבנה הטכני הזה נטו, ללא מבחני ביצועים כמותיים או השוואות איכות רשמיות מול מודלים קיימים.

מתאים ל

• מחקר ארכיטקטורות תמונה

  בדיקת איכות של יצירה ישירה במרחב הפיקסלים ללא VAE בהשוואה למודלים לטנטיים מקבילים.

• פיתוח צינורות יצירה סגורים

  בניית שירות תמונות עצמאי ברישיון חופשי שמשתמש במקודד Qwen3-VL להבנת טקסט.

• הפקת תמונות ברזולוציה גבוהה

  יצירת תמונות מוגדרות מראש ל־1024 פיקסלים באמצעות סקדיולר של זרימה ישירה.

איפה זה נופל

הקוד עדיין לא חלק מהשחרור הרשמי של diffusers ומחייב התקנה ישירה מענף פיתוח, מה שאומר שכל עדכון תלויות עלול לשבור לכם את הריצה בפרודקשן. מעבר לזה, הכרטיס לא מספק נתוני בנצ'מרק, לא מפרט תמיכה בשפות אחרות מלבד אנגלית, ואין מידע על התנהגות מול פרומפטים מורכבים. יצירה ישירה במרחב הפיקסלים ללא VAE עלולה לגבות מחיר חישובי כבד, ותצטרכו לבדוק בעצמכם את איכות הפרטים הקטנים.

איך מריצים

כדי להריץ אותו תצטרכו להתקין גרסה ספציפית של diffusers מענף גיטהאב ייעודי וגרסת transformers 4.57 ומעלה, כי התמיכה בצינור הזה עדיין לא שוחררה בגרסה הרשמית היציבה. הקבצים שוקלים 16.3 גיגהבייט והמודל דורש bfloat16, כך שתצטרכו כרטיס מסך עם לפחות 24 גיגהבייט זיכרון כדי לטעון אותו ולהפיק תמונות בלי חניקות זיכרון.

ברירת המחדל בקוד ההרצה מכוונת ל־28 צעדי הסקה עם מדד הנחיה של 5.0. אם אין לכם חומרה ייעודית בענן או GPU מקומי חזק מאוד, ההרצה העצמאית תהיה כבדה ואיטית מדי לעבודה שוטפת.

from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained("Photoroom/prxpixel-t2i")
img = pipe("a photo").images[0]

הקבצים

19 קבצים במאגר, 16.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• transformer/diffusion_pytorch_model-00001-of-00002.safetensors10.0 GB
• transformer/diffusion_pytorch_model-00002-of-00002.safetensors4.0 GB
• text_encoder/model.safetensors3.4 GB
• tokenizer/tokenizer.json11.4 MB
• tokenizer/vocab.json2.8 MB
• tokenizer/merges.txt1.7 MB
• transformer/diffusion_pytorch_model.safetensors.index.json26.4 KB
• LICENSE11.4 KB
• tokenizer/chat_template.jinja5.5 KB
• tokenizer/tokenizer_config.json5.4 KB
• README.md1.6 KB
• .gitattributes1.6 KB
• text_encoder/config.json764 B
• tokenizer/added_tokens.json707 B
• tokenizer/special_tokens_map.json613 B
• transformer/config.json460 B
• model_index.json433 B
• NOTICE297 B
• scheduler/scheduler_config.json101 B

הרישיון

רישיון Apache 2.0 מלא. אפשר להשתמש בו לצרכים מסחריים, לשנות את הקוד ולהפיץ אותו במוצר שלכם, כל עוד שומרים על הודעות זכויות היוצרים וקובצי הרישיון המקוריים.

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

הרישיון המלא בעמוד המודל ↗