vantagewithai/Z-Image-Turbo-GGUF

קוד פתוח

vantagewithaiapache-2.02025-11-28

diffusers
gguf
text-to-image
en

גרסת GGUF מכווצת למודל התמונות של עליבאבא, שמייצרת תוצאה בשמונה צעדים בלבד. מתאים למי שרוצה לייצר תמונות מקומית בלי לחכות שניות ארוכות לכל פריים.

72.7 GBמשקל הקבצים
4,355הורדות בחודש
52לייקים

מה זה

מדובר במודל טקסט לתמונה שמבוסס על ארכיטקטורת Single-Stream DiT בגודל 6 מיליארד פרמטרים. המאגר הזה מכיל גרסה מכווצת בפורמט GGUF שהועלתה על ידי vantagewithai, ומקורה במודל המזוקק של מעבדות Tongyi. המודל מתמקד ביצירת תמונות פוטו-ריאליסטיות וברינדור מדויק של טקסט מורכב בתוך התמונה עצמה.

הייחוד הטכני כאן מגיע משיטות זיכוך בשם Decoupled-DMD ו־DMDR שמשלבות למידת חיזוק. במקום עשרות צעדי דגימה כמקובל במודלי דיפוזיה, הוא דורש 8 צעדים בלבד כדי להפיק תמונה סופית. במבחני העדפת אנוש מסוג Elo בזירה של AI Arena, המודל מתייצב מול המובילים בתחום ומציג תוצאות גבוהות לקטגוריית הקוד הפתוח.

מתאים ל

רינדור שלטים וטיפוגרפיה
מייצר שלטים, אריזות וכותרות עם כיתוב מדויק באנגלית או בסינית ישירות בתוך הפריים.
הפקת תמונות מהירה מקומית
מאפשר לייצר תמונות פוטו-ריאליסטיות בשמונה צעדים על חומרה ביתית עם 16GB VRAM.
סביבות אינטראקטיביות בזמן אמת
מתאים לשילוב באפליקציות שדורשות מהירות תגובה של פחות משנייה פר יצירה על חומרת שרתים.

איפה זה נופל

היכולות הדו לשוניות של המודל נבחנו ופותחו סביב אנגלית וסינית בלבד. רינדור טקסט פנימי בתמונה עובד בשפות האלו, כך שאין לצפות לתמיכה בטקסט בעברית או בהבנת הנחיות מורכבות בשפה המקומית. בנוסף, מדובר בגרסת טורבו שעברה אופטימיזציה קשיחה לריצה בשמונה צעדים, ולכן היא לא מיועדת לאימון המשך אישי או לפיין טיונינג, משימה ששמורה לגרסת הבסיס שטרם שוחררה.

שאלות
נפוצות

האם המודל יצליח לכתוב מילים בעברית בתוך התמונה?

לא. התמיכה ברינדור טקסט נבנתה במפורש עבור אנגלית וסינית בלבד. כל ניסיון לייצר פונטים או מילים בעברית יפיק ככל הנראה ג'יבריש חזותי.

למה המאגר שוקל מעל 70 גיגה אם המודל מיועד לכרטיסי 16GB?

המשקל הכולל נובע מכך שהמאגר מחזיק מספר קבצי כימוס GGUF שונים. אתם צריכים להוריד רק קובץ בודד שמתאים לתצורת החומרה ולמגבלת הזיכרון שלכם.

איך מריצים

המודל המקורי מתוכנן לעבוד בזיכרון של 16GB VRAM על כרטיסי מסך ביתיים, ומגיע לזמני תגובה של פחות משנייה על חומרת שרתים כמו H800. הריפו הזה כולל 17 קבצים במשקל כולל של 72.7GB שמכילים ככל הנראה רמות כימוס שונות של GGUF, כך שאין צורך להוריד את כולם אלא לבחור את הקובץ המתאים לגודל הזיכרון הפנוי שלכם.

כדי להריץ אותו צריך להתקין את ספריית diffusers ישירות מגרסת המקור בגיטהאב, היות שהתמיכה בארכיטקטורה שלו מבוססת על שינויים שמוזגו לאחרונה. אם אין לכם מעבד גרפי ייעודי עם לפחות 16GB זיכרון, עדיף לא להסתבך עם הרצה מקומית ולפנות לדמו המקוון או לשירותי ענן.

ollama run hf.co/vantagewithai/Z-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.

BF1612.3 GB Q8_07.2 GB Q6_K5.9 GB Q5_15.5 GB Q5_K_M5.5 GB Q5_05.3 GB Q5_K_S5.2 GB Q4_K_M5.0 GB Q4_14.9 GB Q4_K_S4.7 GB Q4_04.6 GB Q3_K4.1 GB Q3_K_M4.1 GB Q3_K_S3.8 GB

הקבצים

17 קבצים במאגר, 72.7 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא Apache 2.0. הוא מתיר שימוש מסחרי, שינוי קוד והפצה של המודל כחלק ממוצר, ללא תשלום תמלוגים. התנאי המרכזי הוא שמירה על הודעת זכויות היוצרים וציון הרישיון המקורי בקבצים שמפיצים.

שימוש מסחרי
שינוי הקוד
הפצה מחדש
שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗