LongCat-Image

Kami memperkenalkan LongCat-Image, model fondasi sumber terbuka dan dwibahasa (Tionghoa-Inggris) yang perintis untuk generasi gambar, yang dirancang untuk mengatasi tantangan inti dalam render teks multibahasa, fotorealisme, efisiensi deployment, dan aksesibilitas pengembang yang umum terjadi pada model terkemuka saat ini.

Fitur Utama

• 🌟 Keefektifan dan Kinerja Luar Biasa: Dengan hanya 6B parameter, LongCat-Image melampaui banyak model open-source yang ukurannya beberapa kali lebih besar di berbagai benchmark, menunjukkan potensi besar dari desain model yang efisien.
• 🌟 Kinerja Editing yang Unggul: Model LongCat-Image-Edit mencapai kinerja state-of-the-art di antara model open-source, memberikan kemampuan mengikuti instruksi dan kualitas gambar yang terdepan dengan konsistensi visual yang superior.
• 🌟 Render Teks Mandarin yang Kuat: LongCat-Image menunjukkan akurasi dan stabilitas yang unggul dalam merender karakter Mandarin umum dibandingkan dengan model open-source SOTA yang ada, serta mencapai cakupan kamus Mandarin yang memimpin industri.
• 🌟 Fotorealisme yang Luar Biasa: Melalui strategi data dan kerangka pelatihan yang inovatif, LongCat-Image mencapai fotorealisme yang luar biasa pada gambar yang dihasilkan.
• 🌟 Ekosistem Open-Source yang Komprehensif: Kami menyediakan toolchain lengkap, mulai dari checkpoint perantara hingga kode pelatihan penuh, yang secara signifikan menurunkan hambatan untuk penelitian dan pengembangan lebih lanjut.

Untuk detail lebih lanjut, silakan merujuk pada Laporan Teknis LongCat-Image yang komprehensif

Contoh Penggunaan

import torch
import diffusers
from diffusers import LongCatImagePipeline

weight_dtype = torch.bfloat16
pipe = LongCatImagePipeline.from_pretrained("meituan-longcat/LongCat-Image", dtype=torch.bfloat16 )
pipe.to('cuda')  # or "mps", "xpu", "cpu"
# pipe.enable_model_cpu_offload()

prompt = '一个年轻的亚裔女性，身穿黄色针织衫，搭配白色项链。她的双手放在膝盖上，表情恬静。背景是一堵粗糙的砖墙，午后的阳光温暖地洒在她身上，营造出一种宁静而温馨的氛围。镜头采用中距离视角，突出她的神态和服饰的细节。光线柔和地打在她的脸上，强调她的五官和饰品的质感，增加画面的层次感与亲和力。整个画面构图简洁，砖墙的纹理与阳光的光影效果相得益彰，突显出人物的优雅与从容。'
image = pipe(
    prompt,
    height=768,
    width=1344,
    guidance_scale=4.0,
    num_inference_steps=50,
    num_images_per_prompt=1,
    generator=torch.Generator("cpu").manual_seed(43),
    enable_cfg_renorm=True,
    enable_prompt_rewrite=True,
).images[0]
image.save(f'./longcat_image_t2i_example.png')

Pipeline ini disumbangkan oleh LongCat-Image Team. Basis kode aslinya dapat ditemukan di sini.

Model yang tersedia:

LongCatImagePipeline

• semua
• call

LongCatImagePipelineOutput