بسته ویرایش تصویر Qwen برای ComfyUI، از مرز ۱٫۶۸ میلیون دانلود گذشت
مجموعه بازطراحی‌شده مدل‌های ویرایش تصویر Qwen برای پلتفرم محبوب ComfyUI، در Hugging Face از مرز ۱٫۶۸ میلیون بار دانلود عبور کرد. این بسته یکپارچه، فرایند بارگذاری مدل‌های پیشرفته علیبابا را برای کاربران و توسعهدهندگان بینهایت ساده و سریع میکند.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- بسته ویرایش تصویر Qwen در Hugging Face که توسط تیم Comfy-Org یکپارچهسازی شده، به بیش از ۱٫۶۸ میلیون دانلود دست یافته است.
- این بسته اجزای پراکنده مدل‌های دیفیوژن علیبابا را به فایل‌های آماده safetensors تبدیل میکند تا کاربران بدون نیاز به تبدیل فرمت، از آنها در ComfyUI استفاده کنند.
- مجموعه مذکور علاوه بر پشتیبانی از معماری ۲۰ میلیارد پارامتری MMDiT، نسلهای متنوع مدل و ۶ ماژول کمکی LoRA را در فرمتهای گوناگون ارائه می‌دهد.
بسته ویرایش تصویر Qwen از سوی تیم Comfy-Org، پس از افزودن چکپوینتهای نسخه Qwen-Image-Edit-2511 و ماژولهای LoRA ویژه وظایف مختلف، از مرز ۱٫۶۸ میلیون دانلود در پلتفرم Hugging Face عبور کرد. این مخزن، مدل‌های ویرایش تصویر Qwen شرکت علیبابا و نسخههای توسعه‌یافته توسط جامعه کاربری را در قالب فایل‌های safetensors بسته‌بندی میکند؛ فایل‌هایی که ComfyUI می‌تواند آنها را بهصورت مستقیم از پوشههای استاندارد مدل خود بارگذاری کند.
نسخههای اصلی و بالادستی Qwen از ساختار فریمورک Diffusers استفاده میکنند؛ ساختاری که بخش‌های مختلف مدل، فایل‌های پیکربندی، رمزگذار خودکار متغیر (VAE) و رمزگذار متن را بهصورت جداگانه نگه میدارد. در مقابل، تیم Comfy-Org تمام بخش‌های مدل دیفیوژن را در یک فایل چکپوینت واحد ادغام کرده و بخش‌های کمکی نظیر VAE و رمزگذار تصویری Qwen2.5-VL را از طریق یک مخزن مکمل ارائه داده است. با این رویکرد، توسعهدهندگان همچنان اجزای مورد نیاز خود را به دلخواه انتخاب و دانلود میکنند، اما دیگر نیازی به تبدیل دستی فرمت Diffusers نخواهند داشت.
شمارنده دانلود Hugging Face صرفاً تعداد دفعات دانلود فایل‌های مخزن را محاسبه میکند و نشان‌دهنده تعداد نصبهای یکتا یا کاربران فعال نیست. با این وجود، ثبت چنین رقمی بهخوبی نشان می‌دهد که تقاضای بسیار بالایی برای نسخههای سازگار و آماده اجرای ComfyUI در میان کاربران وجود دارد.
یک بسته نرم‌افزاری با نسخههای متنوع
این مخزن سه نسل مختلف از مدل Qwen-Image-Edit، یک نسخه بهینه‌شده به نام FireRed و شش ماژول LoRA را پوشش می‌دهد. مدل Qwen-Image-Edit بر پایه یک ترنسفورمر دیفیوژن چندحالته ۲۰ میلیارد پارامتری توسعه یافته است که به اختصار MMDiT نامیده می‌شود.
نسخه | فرمتهای موجود | توضیحات |
|---|---|---|
Qwen-Image-Edit | bf16 و fp8_e4m3fn | نسخه اصلی و اولیه مدل ویرایش تصویر. |
Qwen-Image-Edit-2509 | bf16، fp8_e4m3fn، ترکیب مختلط FP8 و int8 convrot | نسخه به‌روزرسانی‌شده با بهینه‌سازی فرمتها. |
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
سرمایهگذاری ۱۳۴ میلیون دلاری بریتانیا برای راهاندازی آزمایشگاه امنیت زیستی هوش مصنوعی
دولت بریتانیا با اختصاص بودجهای ۱۳۴ میلیون دلاری، آزمایشگاه ملی امنیت زیستی هوش مصنوعی را راهاندازی کرد. این مرکز مستقل با همکاری شرکت‌های پیشرویی مانند OpenAI، Anthropic و گوگل، بر شناسایی زودهنگام تهدیدهای بیولوژیکی و تسریع ساخت واکسن و درمانهای پزشکی تمرکز خواهد داشت.
مدل صوتی جدید شرکت Block با شبیه‌سازی دقیق احساسات و مکث‌ها، به طرز شگفت‌آوری شبیه انسان است
شرکت Block با معرفی مدل صوتی جدید Dessa، مرزهای واقع‌گرایی در هوش مصنوعی را جابه‌جا کرده است. این مدل قادر است هم‌زمان بشنود و صحبت کند و احساساتی مثل خنده و مکث را درست مانند یک انسان بازآفرینی نماید. علاوه بر این، فناوری مذکور بدون نیاز به پردازش ابری، روی رایانه‌های شخصی قدرتمند اجرا می‌شود.
آموزش مدل‌های کوچک هوش مصنوعی برای یادگیری از اشتباهات خود
تقطیر دانش یکی از روش‌های کلیدی برای انتقال توانمندی مدل‌های بزرگ به سیستم‌های زبانی کوچک‌تر است، اما این شیوه سنتی معمولاً به تکرار و تشدید خطا در زمان پاسخ‌دهی واقعی منجر می‌شود. مقاله‌ای پژوهشی و جامع با بررسی تکنیک تقطیر همسو یا OPD، نشان می‌دهد چگونه آموزش مدل‌ها بر اساس پاسخ‌های خودشان می‌تواند پایداری و دقت استدلال آنها را متحول کند.
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.