HiDream-ai/HiDream-O1-Image-Dev-2604
HiDream-O1-Image-Dev-2604 for Text-to-Image Generation Models | Name | Script | Inference Steps | HuggingFace Repo | | :--- | :--- | :---: | :--- | | HiDream-O1-Image-Dev-2604 | inference.py | 28 | 🤗 HiDream-O1-Image-Dev-2604(https://huggingface.co...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#2 Repository Của Tuần
🚀 HiDream-O1-Image-Dev-2604: Text-to-Image với suy luận trước sinh
Mô hình text-to-image 28 bước, tích hợp Prompt Agent tự động tinh lọc lời dẫn phức tạp trước khi sinh.
HiDream-O1-Image-Dev-2604 là mô hình sinh hình từ văn bản (image-text-to-image), sử dụng 28 bước suy luận. Dự án bao gồm mã nguồn (inference.py) và mô hình, hỗ trợ cả phiên bản đã distill và chưa distill. Mô hình và mã nguồn đều mở theo giấy phép MIT.
✨ Điểm nổi bật
- Text-to-Image 28 bước: Sinh hình từ lời dẫn văn bản chi tiết với 28 bước inference.
- Prompt Agent tích hợp:
prompt_agent_v2.pytự động phân tích layout, thuộc tính chủ thể, logic vật lý và chi tiết render văn bản. - Hỗ trợ flash-attn: Tối ưu tính toán attention, cần cài đặt flash-attn hoặc tắt
use_flash_attntrongmodels/pipeline.py. - Chạy trên vLLM: Prompt Agent kết nối tới endpoint OpenAI-compatible phục vụ mô hình
HiDream-ai/Prompt-Refine. - Hai dạng mô hình: Chọn
--model_type full(undistilled) hoặc--model_type dev(distilled). - Yêu cầu GPU CUDA: Cần GPU hỗ trợ CUDA để chạy inference.
- Xuất ảnh PNG: Hỗ trợ thiết lập kích thước
--heightvà--width, ví dụ 2048x2048.
💡 Vì sao đáng chú ý
HiDream-O1-Image-Dev-2604 khác biệt bằng cách tích hợp Reasoning-Driven Prompt Agent — một bước xử lý trung gian không chỉ đều ở các mô hình text-to-image khác. Agent này tự suy nghĩ về cấu trúc, logic và chi tiết trước khi truyền prompt vào mô hình chính, giúp kết quả sinh hình chính xác và chi tiết hơn với lời dẫn phức tạp. Phù hợp với các nhiệm vụ đòi hỏi độ chi tiết cao như tạo poster, minh họa sách, hoặc thiết kế đồ họa dựa trên mô tả dài.
#HiDream #TextToImage #PromptAgent #MITLicense #TiniX
Similar Projects
Discover other similar projects and AI models.
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...
HiDream-O1-Image HiDream-O1-Image is a natively unified image generative foundation model built on a Pixel-level Unified Transformer (UiT) without external VAEs or disjoint text encoders, which natively encodes raw pixels, text, and task-specific co...
Qwen3.8-Flash-Next !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc....
Hugging Face | GitHub | Launch Blog | Documentation License: Apache 2.0 | Authors: Google DeepMind Gemma is a family of open models built by Google DeepMind. Gemma 4 models are multimodal, handling text and image input (with audio supported on small...
Unlimited OCR Works Welcome the Era of One-shot Long-horizon Parsing. Release - 2026/06/23 📄 Our paper is now available on arXiv(https://arxiv.org/abs/2606.23050). - 2026/06/23 🤝 Thanks to the ModelScope community for their support. Our model is n...
DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression Technical Report 👁️ Introduction We introduce DeepSeek-V4.1-Flash, a multimodal Mixture-of-Experts (MoE) model with 552B backbone parameters and support for contexts of up to one milli...
GLM-5.3-Flash 👋 Join our WeChat or Discord community. 📖 Check out the GLM-5.3-Flash blog and GLM-5 Technical report. 📍 Use GLM-5.3-Flash API services on Z.ai API Platform. Introduction We introduce GLM-5.3-Flash, the first natively multimodal mod...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
DeepSeek-R1 Paper Link👁️ 1. Introduction We introduce our first-generation reasoning models, DeepSeek-R1-Zero and DeepSeek-R1. DeepSeek-R1-Zero, a model trained via large-scale reinforcement learning (RL) without supervised fine-tuning (SFT) as a p...