ERNIE-Image-Turbo-GGUF

קוד פתוח

unslothapache-2.02026-04-14

ggml
gguf
text-to-image
unsloth

גרסת GGUF מכווצת למודל התמונות המזוקק של Baidu, שמייצר תמונה בשמונה צעדי ריצה בלבד. היא מיועדת למי שרוצה לשלב רינדור טקסט ופוסטרים בתוך תהליכי עבודה מקומיים בלי זמני המתנה ארוכים.

115 GBמשקל הקבצים
12,039הורדות בחודש
231לייקים

מה זה

הפרויקט הזה מביא את המודל המזוקק של Baidu למבנה GGUF באמצעות שיטת הקוונטיזציה של Unsloth, שמעלה שכבות קריטיות לדיוק גבוה יותר. המודל בנוי על ארכיטקטורת Single Stream DiT ואומן בשיטות זיכוך וחיזוק כדי להפיק תמונות מלאות בשמונה צעדים, במקום חמישים במקור.

היתרון המרכזי שרואים במבחנים הוא רינדור טקסט ארוך ומורכב בתוך התמונה, לצד מבנים מסודרים כמו קומיקס ופוסטרים. במבחני LongTextBench הוא מציג דיוק של 0.9655 באנגלית וסינית, וגובר על מודלים כמו FLUX.2-klein-9B בהצמדת מאפיינים וטקסט. המטרה כאן היא מהירות גבוהה בלי לוותר על קריאות של שלטים, ממשקים או כרזות מעוצבות.

מתאים ל

כרזות ופוסטרים מעוצבים
שילוב כותרות ופסקאות קריאות ישירות בתוך העיצוב בדיוק גבוה של 0.9655 במבחני טקסט.
ייצור מהיר ב־ComfyUI
הפקת תמונות מקומית בשמונה צעדים בלבד בעזרת תוסף ComfyUI-GGUF לחסכון בזמן עיבוד.
סטוריבורד ורצועות קומיקס
חלוקה מבנית למספר פאנלים ושמירה על מבנה עמוד מוגדר בהתאם להנחיות טקסט.

איפה זה נופל

למרות השליטה בטקסט, המודל חלש מאוד במגוון התוצאות, שם קיבל ציון של 0.1232 עד 0.2212 בלבד במדד OneIG, מה שאומר שהוא נוטה לייצר תוצאות דומות וצפויות סביב אותן הנחיות. בנוסף, יכולת ההסקה שלו על סצנות מורכבות נמוכה ועומדת על כ־0.35, כך שקשרים מסובכים בין עצמים מרובים עלולים להישבר. חשוב לבדוק את זה לפני שמפתחים מוצר שנשען על גיוון ויזואלי רחב או הבנה לוגית עמוקה.

שאלות
נפוצות

כמה צעדי ריצה צריך להגדיר כדי לקבל תוצאה טובה?

המודל תוכנן לעבוד בשמונה צעדי ריצה בלבד עם Guidance scale של 1.0. חריגה מהערכים האלה עלולה לפגוע באיכות התמונה או להאט את הייצור ללא צורך.

האם המודל יודע לרנדר טקסט בעברית?

הבנצ'מרקים בכרטיס בודקים אנגלית וסינית בלבד ומציגים בהן ביצועים חזקים. אין נתונים על תמיכה בעברית, ולכן צריך לבדוק ידנית אם פונטים ואותיות עבריות נשברים.

איך מריצים

המודל המקורי דורש כרטיס מסך עם 24GB זיכרון וידאו, אבל קובצי ה־GGUF כאן מיועדים לעבודה נוחה בתוך ComfyUI בעזרת ההרחבה ComfyUI-GGUF, לצד תמיכה בהרצה דרך diffusers או שרת SGLang. סך כל הקבצים במאגר שוקל 115 גיגה בייט ומחולק לעשרים ושלושה קבצים שמכילים דרגות דחיסה שונות.

הריצה דורשת הגדרות מדויקות של שמונה צעדי דגימה וערך Guidance scale של 1.0 בדיוק, ברזולוציות קבועות כמו 1024 על 1024 או יחסי תצוגה מוגדרים מראש. אם אין לכם כרטיס מסך מתאים עם לפחות 24GB או זיכרון מערכת מספק לטעינת משקלי GGUF, עדיף להשתמש בשרת מרוחק במקום להסתבך עם זמני פריקה כבדים לדיסק.

ollama run hf.co/unsloth/ERNIE-Image-Turbo-GGUF:Q4_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

BF1616.1 GB F1616.1 GB Q8_08.7 GB Q6_K6.8 GB Q5_K_M6.7 GB Q5_16.2 GB Q5_K_M5.9 GB Q5_K_S5.9 GB Q4_K_M5.8 GB Q5_05.7 GB Q4_15.3 GB Q4_K_M5.0 GB Q4_K_S4.9 GB Q3_K_M4.8 GB Q4_04.8 GB Q2_K4.0 GB Q3_K_M3.9 GB Q3_K_S3.8 GB Q2_K3.2 GB

הקבצים

23 קבצים במאגר, 115 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון המדווח הוא Apache 2.0. מותר להשתמש בו לצרכים מסחריים, לשנות את הקבצים ולהפיץ אותם בתוך מוצרים, כל עוד שומרים על הודעות זכויות היוצרים ומצרפים עותק של הרישיון.

שימוש מסחרי
שינוי הקוד
הפצה מחדש
שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗