โมเดล AI สร้างและแก้ไขภาพรุ่นเร่งความเร็วจาก Qwen ที่กำลังมาแรงบน Hugging Face ด้วยยอดดาวน์โหลดเกือบ 10,000 ครั้ง
เอไอไทย.com พามาดู Qwen-Image-2.1-Turbo โมเดลปัญญาประดิษฐ์ประเภท text-to-image และ image editing ที่ถูกพัฒนาต่อยอดมาจากสถาปัตยกรรม 7B visual generation โดยเน้นจุดเด่นด้านความเร็วในการประมวลผลผ่านกระบวนการ denoising เพียง 8 ขั้นตอน ซึ่งผู้ใช้งานสามารถโหลดโมเดลนี้ไปใช้งานผ่าน Diffusers ได้ทันที
ตัวโมเดลถูกออกแบบมาให้ใช้งานง่ายโดยมีการบันทึกตารางการสุ่มตัวอย่าง 8 ขั้นตอนที่แนะนำไว้ในตัว checkpoint ทำให้ไม่ต้องตั้งค่า scheduler ด้วยตัวเอง และใช้ค่า CFG=1 เป็นค่าเริ่มต้น พร้อมระบบ prefix KV caching ที่ช่วยนำบริบทของข้อความและภาพต้นฉบับกลับมาใช้ซ้ำในแต่ละขั้นตอนการ denoising
โปรเจกต์นี้กำลังได้รับความสนใจอย่างมากบน Hugging Face โดยติดอันดับ #3 ในหน้ากำลังมาแรง มีผู้กดถูกใจ 672 ครั้ง และมียอดดาวน์โหลดสูงถึง 9,665 ครั้ง รองรับการทำงานหลากหลายรูปแบบ ทั้งการสร้างภาพพอร์ตเทรต งานออกแบบตัวอักษรและโปสเตอร์ การจัดวาง UI รวมถึงการแก้ไขและแปลงภาพเดี่ยวหรือหลายภาพตามตัวอย่างในรีโพสทอรี
✨ จุดเด่น
- ทำงานรวดเร็ว — ใช้เวลาประมวลผลการสร้างและแก้ไขภาพด้วย 8 denoising steps ที่บันทึกตารางเวลามาให้ในตัว
- สถาปัตยกรรม 7B — ใช้โครงสร้างการสร้างภาพขนาด 7B และโหลดผ่าน QwenImage21Pipeline ใน Diffusers
- ใช้งานง่าย — ตั้งค่าเริ่มต้นด้วย CFG=1 และมีระบบ prefix KV caching ช่วยจัดการบริบทข้อความและภาพ
- รองรับงานหลากหลาย — ทำได้ทั้งการสร้างภาพจากข้อความ การแต่งภาพ การจัดเลย์เอาต์ UI และการผสมภาพหลายเรฟเฟอเรนซ์
🙋 ใครเหมาะจะลอง: นักพัฒนาและผู้ใช้งาน AI สายสร้างภาพที่ต้องการทดลองโมเดลตัวใหม่ โดยต้องติดตั้ง PyTorch ที่รองรับ CUDA และไลบรารี Diffusers เวอร์ชันล่าสุดที่รองรับ pipeline-configured sampling sigmas
ทีมข่าว เอไอไทย.com · เรียบเรียงจากหน้าโปรเจกต์ Qwen/Qwen-Image-2.1-Turbo — รายละเอียดล่าสุดดูที่ต้นทาง
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...