К содержимому
Изображения

dalle-mini-js

генерация картинок прямо в браузере

2 мин чтенияобновлено

Набор весов модели DALL·E Mini и её декодера VQGAN в формате fp16 safetensors, адаптированный для запуска локально в браузере через WebGPU (стандарт для доступа к видеокарте из веб-приложений). Репозиторий подготовлен для веб-проекта dalle-js, работающего на базе библиотеки jax-js. В отличие от оригинальных чекпоинтов на Flax или PyTorch, здесь веса упакованы в лёгкий формат для фронтенда и дополнены специальными файлами для мгновенного предпросмотра генерации. Пригодится веб-разработчикам, которые хотят встроить генерацию изображений 256×256 без бэкенда и облачных API.

Ключевые особенности

  • Текстовый энкодер и декодер изображений на базе архитектуры BART по 12 слоёв (размерность 1024, словарь на 16 384 визуальных токена).
  • Декодер VQGAN переводит сетку из 16×16 токенов в итоговое изображение разрешением 256×256 пикселей.
  • В комплект добавлены preview_head.safetensors и token_colors.bin для быстрого отрисовывания превью 16×16 в процессе работы.
  • Оригинальные веса взяты из DALL·E Mini (Boris Dayma et al.) и VQGAN через упаковку min-dalle, при этом названия и структура тензоров PyTorch сохранены.

Что можно сделать

  • Развернуть генератор картинок по текстовому описанию, который работает полностью на стороне клиента без отправки запросов на сервер.
  • Встроить локальную генерацию небольших иллюстраций, иконок или текстур 256×256 прямо в браузерные игры и веб-сервисы на базе jax-js.
  • Использовать готовые таблицы цветов токенов (token_colors.bin) для визуализации процесса пошаговой генерации изображения в реальном времени.

Пример

Веса используются в веб-приложении dalle-js: пользователь вводит текстовый запрос в браузере, BPE-токенизатор (vocab.json, merges.txt) кодирует текст, модель предсказывает 256 визуальных токенов, а VQGAN-декодер преобразует их в картинку 256×256 с промежуточным превью 16×16.

ПодробнееЛицензия оригинальных весов DALL·E Mini: Apache-2.0.
Декодер VQGAN (detoker.f16.safetensors) рекомендуется запускать в float32, при конвертации его веса были округлены из fp32.
Для совместимости с PyTorch недостающие веса LayerNorm (из-за use_scale=False в Flax) заполнены единицами.
Обсудить Telegram 0 34

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 0.4 GB · готовые файлы2.0 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB1.7 GB
  • 4-bitвеса 0.1 GB1.6 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 · F16 — от RTX 2060

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.

    # fnmee/dalle-mini-js
    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 fnmee/dalle-mini-js --local-dir ~/models/dalle-mini-js
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к dalle-mini-js
  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

Новые посты про версии dalle-mini-js — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

fnmee/dalle-mini-js
Автор
fnmee
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

340

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Dark Art Style

Dark Art Style
Изображения

sprite32 1.0

sprite32 1.0
Изображения

Sreda ML

Sreda ML