最好用的AI工具

搜尋：文生圖

15 個結果

分類排序

DMAD – 字節聯合德州農工開源的擴散模型少步蒸餾技術

DMAD是什麼 DMAD（Distribution Matching as Adversarial Distillation）是字節跳動與德州農工大學聯合開源的少步蒸餾框架，用於加速擴散模型生成。DMAD訓練二分類判別器直接學習目標分佈與學生分佈的差異，省去輔助擴散模型，將50步教師模型蒸餾爲4步學生模型。已支持ImageNet、SDXL、Wan2.1及MiniMax-H3-33B，8GB顯存可生成約5秒1344×768有聲視頻。 DMAD的主要功能少步圖像生成：將 ImageNet-64 的 EDM 模型蒸餾至 1 步採樣，FID 低至 1.04，SDXL 僅需 4 步可文生圖。少步文生視頻：把 Wan2.1-T2V-14B 蒸餾爲 4 步學生模型，VBench 達 85.15。聯合音視頻生成：將 MiniMax-H3-33B 的 50 步教師模型蒸餾爲 4 步，輸出 1344×768 視頻與 32kHz 原生立體聲音頻。消費級硬件支持：提供 8GB 顯存 ComfyUI 工作流與低顯存命令行推理，8GB 顯卡可生成約 5 秒、12GB 約 15 秒有聲視頻。訓練與推理全開源：發佈蒸餾方法、訓練代碼、推理腳本及多模型 LoRA 權重，覆蓋命令行與 ComfyUI 兩種使用方式。 DMAD的技術原理分佈匹配即對抗蒸餾：DMAD 爲訓練二分類判別器區分目標樣本與學生樣本，最優判別器的 logit 等於兩分佈的對數密度比，對其輸入求梯度即得 score 差，直接給出學生的修正方向，省掉輔助 score 擬合模型。共享骨幹、雙頭判別器：判別器採用單一共享特徵骨幹、兩個判別頭，教師頭區分教師樣本與學生樣本，真實數據頭區分真實樣本與學生樣本，均用二元交叉熵訓練；學生用兩個 logit 的加權線性損失更新，更新時凍結判別器參數但保留梯度回傳。噪聲區間動態加權：教師樣本與真實數據的分佈差異隨噪聲水平變化，DMAD 用真實數據頭在兩類樣本上的平均 logit 差作爲經驗信號，以 0.99 衰減的指數移動平均追蹤各噪聲區間，差距小的區間獲得更高教師權重，歸一化後參與學生損失。離線教師樣本加速訓練：教師只提供預生成並緩存的樣本，訓練時無需在線調用教師。4 卡 H200、MiniMax-H3 rank-128 LoRA 配置下，每次學生更新及關聯判別器更新耗時從 818.1 秒降至 233.3 秒，實現約 3.51 倍訓練加速。微信關注回覆“開源”，加入AI開源項目交流羣如何使用DMAD 克隆倉庫：git clone https://github.com/Yzmblog/DMAD.git 並進入項目目錄。創建環境：用 conda 創建 Python 3.12 環境並激活。安裝依賴：按官方固定版本安裝 PyTorch 2.11.0（cu126）、torchvision、torchaudio，再執行 pip install -r requirements.txt 和 pip install -U modelscope-hub。準備硬件：確保有支持 CUDA 的 NVIDIA 顯卡，並預留約 64GB 系統內存與 170GB 磁盤空間。下載基礎模型：通過 modelscope download MiniMax/MiniMax-H3 下載 MiniMax-H3 基礎模型。下載蒸餾權重：從魔搭下載 DMAD 的 4 步 LoRA。命令行推理：運行 inference.py，指定模型路徑、LoRA、提示詞文件、--steps 4、--height 768 --width 1344，按顯存選擇 --low-vram 8或 --low-vram 12。查看輸出：輸出目錄包含 0000.mp4、提示詞 txt 和 settings.json，跑通後可替換爲自己的提示詞文件。 DMAD的核心優勢推理大幅提速：將 50 步教師模型蒸餾爲 4 步學生模型，去噪迭代減少 92% 以上，同時保持接近教師的生成質量。訓練效率更高：判別器直接學習分佈差異，省去輔助擴散模型，4 卡 H200 上訓練更新加速約 3.51 倍。生成質量領先：ImageNet-64 一步生成 FID 達 1.04，優於 DMD2、SiDA 等方法；人類評估中對 DMD2 總體偏好率 79.1%、對 rCM 達 84.6%。覆蓋多模態全場景：同一框架統一支持圖像、文生視頻和聯合音視頻生成。 DMAD的項目地址項目官網：https://yzmblog.github.io/projects/DMAD/ GitHub倉庫：https://github.com/Yzmblog/DMAD Huggin

Qwen-Image-Bench – 通義千問推出的文生圖模型評測基準

Qwen-Image-Bench是什麼 Qwen...

MAI-Image-2.5 – 微軟推出的旗艦級文生圖模型

MAI-Image-2.5是什麼 MAI-Ima...

MAI-Image-2-Efficient – 微軟推出的輕量版文生圖模型

MAI-Image-2-Efficient是什麼...

ERNIE-Image – 百度文心開源的文生圖模型

ERNIE-Image是什麼 ERNIE-Ima...

MAI-Image-2 – 微軟推出的文生圖模型

MAI-Image-2 是什麼 MAI-Imag...

Ideogram 2a – Ideogram 最新推出的文生圖模型

Ideogram 2a是什麼 Ideogram 2a 是 AI 圖像生成公司 Ideogram 最新發布的文生圖模型，模型在 Ideogram 2.0 的基礎上進行了優化，主打高效性和實用性，生成速度顯著提升，成本降低了一半。在圖形設計和攝影方面表現卓越，支持高質量的文本渲染，在英文排版上幾乎媲美專業人類設計師。 Ideogram 2a的主要功能高效生成：通過 Turbo 加速模式，圖像生成時間可壓縮至 5 秒，相比常規模式提速 100%，顯著提升了創作效率。成本優化：生成成本降低 50%，爲企業級批量應用提供了更具性價比的選擇。高質量文本渲染：在文本渲染的準確性和創意圖像生成方面表現出色，尤其在英文字體排版上幾乎媲美專業人類設計師。多風格支持：提供多種藝術風格選擇，包括寫實、設計、3D 和動漫等，滿足不同場景需求。支持中文提示：能準確理解中文提示詞，生成符合要求的圖像。圖像重構與改圖：支持對上傳圖片進行風格轉換、重構或再創作，幫助用戶在現有作品基礎上創造新效果。 Ideogram 2a的項目地址訪問官網：訪問 Ideogram 2a 的官方網站。註冊與登錄：用戶可以通過賬號登錄，免費版賬號可體驗基礎功能。輸入提示詞：在文本提示框中輸入描述圖像的文本，支持中文或英文。如果不確定如何寫提示詞，可以開啓 Magic Prompt 功能，系統會自動優化提示詞並翻譯成英文。設置參數選擇風格：可選擇寫實、設計、3D、動漫等風格。設置圖片比例：選擇寬高比，部分自定義比例需要付費。渲染模式：可選擇快速（約 5 秒）、默認（約 12 秒）或高質量（約 20 秒）。其他選項：設置是否公開到社區、選擇模型版本（推薦使用默認的 2.0 模型）。生成圖像：點擊生成按鈕，等待圖像生成。如果對結果不滿意，可以調整參數或重新生成。查看與下載：生成的圖像可以查看並下載到本地。點擊“My images”可查看歷史生成的圖片。 Ideogram 2a的應用場景平面設計：Ideogram 2a 可用於快速生成海報、廣告、賀卡、插圖等設計素材。數字營銷：在數字營銷領域，Ideogram 2a 能爲電子郵件活動、網絡橫幅廣告或社交媒體內容生成高質量的視覺素材。攝影與視覺藝術：Ideogram 2a 優化了攝影風格的圖像生成，能生成具有專業攝影質量的圖像。藝術創作：對於藝術家和創作者，Ideogram 2a 提供了強大的工具來探索新的藝術風格和創意表達。用戶可以生成包含文本元素的數字藝術作品，突破傳統與數字藝術的界限。