八步出一张图:步数在权重

huggingface.co/Qwen/Qwen-Imag…

千问把 Qwen-Image-2.1-Turbo 摆了出来,出图只走八步,文生图和改图两头都能用。

要点照录。Diffusers 直接加载就行,推荐的步数已经写进了权重里,不用自己再调。模型卡里放了不少带字的海报和透明背景的图当例子,写字这一块恰是很多图像模型容易翻车的地方。地址挂在文首。名字也对得上,这是千问家的图像线,Turbo 这个后缀点明了它的卖点就是快。

"推荐步数写进权重"这半句是场重心。前面 Strata 那条讲的是把大模型塞进游戏机,这条讲的是把调参这活儿塞进权重文件。跟前面 R-SWA 那条呼应,那条在推理侧省显存,这条在使用侧省调试。

两头都在提醒同一件事,开源模型的比拼已经从卷能力挪到了卷体验,谁把上手那几步磨平,谁就多一批用户。跟前面国产改路线那条也接得上,一个改训练的路线,一个改部署的门槛,两条线拧在一起才是国产开源今年的样子。

"写字是翻车高发区"这个细节我单独拎出来。图像模型里的文字渲染一直是块试金石。敢把带字海报摆进模型卡当招牌,说明这块石头这回踩得挺稳。

我留的疑问有三处。八步和常规步数的画质差多少没给;透明背景的边缘处理没拆;Turbo 和不带后缀的版本怎么选也没数,这些都在模型卡里才看得到。

这周拉下来跑一组带字海报,看看汉字那块还糊不糊。

话题来源 @Jolyne_AI 0.4K阅读 ❤️5 x.com/…↗ 已改写,非原文转载 Qwen/Qwen-Image-2.1-Turbo · Hugging Face We’re on a journey to advance and democratize artificial intelligence through open source and open science. huggingface.co
46 浏览 0 评论 0 反应
登录 后参与评论
还没有评论,来抢沙发。
查看完整榜单
查看完整榜单
查看完整榜单