К содержимому
Изображения

HomeIMG-1.2B

генератор изображений с поддержкой польского и английского языков

1 мин чтенияобновлено

Модель для генерации картинок из текста на базе DiT (Diffusion Transformer, архитектура диффузионных моделей на основе трансформеров) с параметрами на 1,24 млрд и тренируемым рефайнером текста. В основе используются веса EMA (Exponential Moving Average, сглаженные экспоненциальные веса) в формате safetensors, а также замороженный энкодер Poziomka-Baza. Решение обучено на изображениях разрешением от 256 до 1024 пикселей с использованием базы FLUX.2 [klein] base 4B в качестве учителя. Модель подойдет исследователям и разработчикам, которым интересны эксперименты с двуязычной генерацией графики.

Ключевые особенности

  • Диффузионная архитектура DiT с 1,24 млрд параметров
  • Тренируемый рефайнер текста на 72,1 млн параметров
  • Поддержка промптов на польском и английском языках
  • Веса EMA в формате safetensors

Что можно сделать

  • Сгенерировать изображения в разрешении до 1024x1024 пикселей на основе текстового описания
  • Протестировать качество генерации при разной длине шагов и сдвиге времени
  • Запустить модель с помощью библиотеки diffusers на Python
  • Сравнить поведение модели при использовании различных зерен генератора (seed)

Пример

import torch
from diffusers import DiffusionPipeline

REPO = "cpral/HomeIMG-1.2B-PL-EN-epoch49.2-DanceOPD3652"
pipe = DiffusionPipeline.from_pretrained(
    REPO, custom_pipeline=REPO, trust_remote_code=True
).to("cuda")

image = pipe(
    "rudy lis siedzący w zaśnieżonym lesie o wschodzie słońca, fotografia",
    resolution=1024,
    num_inference_steps=50,
    guidance_scale=3.0,
    time_shift=6.0,
    generator=torch.Generator("cuda").manual_seed(0),
).images[0]
image.save("lis.png")
ПодробнееАрхитектура: DiT 1.24B, рефайнер 72.1M
Обучение: 1604 обновления на базе DanceOPD2048
Разрешение: 256, 512 и 1024 px
Лицензия: Apache-2.0, openmdw-1.1 для Poziomka
Примеры
Обсудить Telegram 0 39

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 4.6 GB · готовые файлы6.6 GB
  • BF16веса 2.3 GB4.1 GB
  • FP8 / INT8рекомендуемвеса 1.2 GB2.8 GB
  • 4-bitвеса 0.7 GB2.2 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 5060 Ti 8GB

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # cpral/HomeIMG-1.2B-PL-EN-epoch49.2-DanceOPD3652
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download cpral/HomeIMG-1.2B-PL-EN-epoch49.2-DanceOPD3652 --local-dir ~/models/HomeIMG-1.2B-PL-EN-epoch49.2-DanceOPD3652
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

  1. HomeIMG-1.2B-PL-EN-epoch47основа семьи
  2. HomeIMG-1.2B-PL-EN-epoch47.5
  3. HomeIMG-1.2B-PL-EN-epoch49
  4. HomeIMG-1.2B-PL-EN-epoch49.2
  5. HomeIMG-1.2B-PL-EN-epoch49.2-DanceOPD2048
  6. HomeIMG-1.2B-PL-EN-epoch49.2-DanceOPD3652

Новые посты про версии HomeIMG-1.2B-PL-EN-epoch47 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

cpral/HomeIMG-1.2B-PL-EN-epoch49.2-DanceOPD3652
Автор
cpral
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

390

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Iris-Z

Iris-Z