اجرای آسان مدل تصویری Qwen در ComfyUI بدون نیاز به تنظیمات پیچیده ممکن شد
تیم Comfy-Org فایل‌های آماده و تک‌فایلی safetensors مدل تولید تصویر Qwen متعلق به علی‌بابا را برای محیط ComfyUI منتشر کرد. با این راهکار، کاربران می‌توانند بدون درگیر شدن با فایل‌های چندتکه و تنظیمات گیج‌کننده، این مدل قدرتمند را به‌راحتی به جریان‌های کاری خود اضافه کنند.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- تیم Comfy-Org مدل تصویری Qwen را در قالب فایل‌های آماده safetensors متناسب با پوشه‌های استاندارد ComfyUI منتشر کرد.
- این مجموعه شامل مدل اصلی، نسخه به‌روزشده ۲۵۱۲ و نسخه تقطیرشده سبک با دقت‌های bf16 و fp8 است.
- برای اجرای کامل مدل تنها به سه فایل مجزا در پوشه‌های مدل انتشار، انکودر متنی و VAE نیاز خواهید داشت.
نصب و راه‌اندازی مدل تولید تصویر Qwen-Image از مخازن اصلی آن در هاگینگ فیس (Hugging Face) معمولاً فرآیندی زمان‌بر و دشوار است؛ چراکه توسعه‌دهندگان باید تکه‌های مختلف کتابخانه Diffusers، فایل‌های پیکربندی، مدل VAE و انکودر متنی متناسب را به‌صورت دستی با یکدیگر هماهنگ کنند. اکنون مخزن رسمی Comfy-Org این اجزا را به فایل‌های تکی safetensors تبدیل کرده است که به‌خوبی در ساختار پوشه‌های استاندارد ComfyUI قرار می‌گیرند.
این بسته بر پایه انتشار اصلی Qwen-Image، نسخه به‌روزشده ۲۵۱۲ و همچنین چک‌پوینت تقطیرشده پروژه DiffSynth-Studio توسعه یافته است. در این فرآیند، تیم Comfy-Org وظیفه آماده‌سازی و بسته‌بندی فایل‌ها را بر عهده دارد، درحالی‌که معماری و وزن‌های مدل همچنان متعلق به پروژه‌های مبدأ هستند و شرایط استفاده از آن‌ها بر اساس مجوزها و قوانین رسمی همان پروژه‌ها تعیین می‌شود.
سه پوشه اصلی برای راه‌اندازی مدل
هر بخش از این ساختار وظیفه مشخصی دارد؛ بنابراین برای راه‌اندازی یک گردش کاری (Workflow) کامل در ComfyUI، به‌طور کلی به یک مدل انتشار (Diffusion)، یک انکودر متنی (Text Encoder) و فایل مشترک VAE نیاز خواهید داشت.
بخش | وظیفه | مسیر قرارگیری در ComfyUI |
|---|---|---|
مدل انتشار (Diffusion) | تبدیل داده‌های نویزدار فضای نهان به تصویر نهایی | ComfyUI/models/diffusion_models/ |
انکودر متنی (Text encoder) | تبدیل پرامپت‌ها و دستورات متنی به داده‌های شرطی‌سازی برای هدایت مدل | ComfyUI/models/text_encoders/ |
مدل VAE | تبدیل متقابل میان پیکسل‌های تصویر و بازنمایی‌های فضای نهان | ComfyUI/models/vae/ |
پوشه مدل‌های انتشار (diffusion) شامل نسخه‌های گوناگون مدل و سطوح متفاوتی از دقت محاسباتی است:
- فایل‌های
qwen_image_bf16.safetensorsوqwen_image_fp8_e4m3fn.safetensorsمربوط به چک‌پوینت نسخه اصلی Qwen-Image هستند. - فایل
qwen_image_2512_bf16.safetensorsو نسخه معادل FP8 آن، چک‌پوینت نسخه ارتقایافته Qwen-Image-2512 را پوشش می‌دهند.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
گزارشی از کارخانه نوسازی تجهیزات HPE؛ سرورها و قطعات قدیمی چگونه حیات دوباره می‌گیرند؟
مرکز نوسازی فناوری شرکت اچ‌پی‌ای در اسکاتلند سالانه صدها هزار سرور، لپتاپ و ایستگاه کاری مستعمل را نوسازی و روانه بازار می‌کند. با هجوم سازمان‌ها به ارتقای زیرساخت‌ها برای محاسبات هوش مصنوعی، این مجموعه عظیم با بازیافت و بهینه‌سازی پیشرفته، مانع از هدررفت سخت‌افزارهای گران‌قیمت می‌شود.
۷ پرسش تلخ و صادقانه ChatGPT و Gemini که نگاه شما را به زندگی دگرگون می‌کنند
پاسخ به چند پرسش بنیادین از سوی چت‌بات‌های ChatGPT و Gemini نشان می‌دهد که هوش مصنوعی می‌تواند همانند آیینه‌ای بدون تعارف عمل کند. این ابزارها با طرح پرسش‌های صریح و تأمل‌برانگیز، انسان را به بازنگری در عادات روزمره، تقویت مسئولیت‌پذیری فردی و غلبه بر خودفریبی‌های آرامش‌بخش دعوت می‌کنند.
مدل OrcaCyber Nano 1.0 رونمایی شد؛ تحلیل محلی بدافزارها بدون نشت اطلاعات به سرورهای ابری
استارتاپ OrcaRouter از مدل بینایی-زبانی OrcaCyber Nano 1.0 با ۲۷ میلیارد پارامتر پرده برداشت. این مدل به تیم‌های امنیت سایبری اجازه می‌دهد بدافزارها، آسیب‌پذیری‌ها و لاگ‌ها را به‌صورت کاملاً محلی و آفلاین تحلیل کنند، بدون اینکه نگران خروج کدهای حساس سازمان به سرورهای ابری باشند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.