dflow_2b là mô hình tạo ảnh từ văn bản theo phương pháp khớp dòng chảy (flow matching) với 2B tham số, bộ mã hóa văn bản sử dụng một phần của T5Gemma 2 270M, còn bộ tự mã hóa dinac3_96 do chính tác giả huấn luyện. Mô hình chấp nhận cả mô tả thông thường và mô tả bố cục dạng JSON; các ký tự trong dấu ngoặc kép sẽ được đọc từng chữ cái, giúp ích cho việc đánh vần; độ dài tối đa của câu lệnh (prompt) là 6,144 token. Tác giả cho biết cần khoảng 7 GB VRAM trống, việc biên dịch bức ảnh đầu tiên mất thêm 30–45 giây, sau đó trên RTX 4090, mỗi bức ảnh kích thước 832×1216 mất khoảng 10 giây. Kho lưu trữ đồng thời là một thư mục nút tùy chỉnh của ComfyUI, kèm theo quy trình làm việc mẫu và báo cáo kỹ thuật.
Tại sao quan trọng Không phụ thuộc vào bất kỳ mô hình cơ sở có sẵn nào, bộ mã hóa văn bản và bộ tự mã hóa đều rất nhỏ, có thể chạy trên card đồ họa tiêu dùng; định dạng bố cục tương thích với MOSS-Image, cho phép viết JSON để thiết kế áp phích.
Lượt thích (Hug) 14 · Điểm tăng nhờ lượt thích 14 · Lượt tải xuống 26
Giấy phép: Phi thương mại · ComfyUI: Kho lưu trữ đi kèm nút tùy chỉnh · VRAM: ≈6 GB (ước tính)
Lý do
- Thẻ mô hình đi kèm thư viện ảnh mẫu (kéo thả vào ComfyUI để khôi phục quy trình làm việc), báo cáo kỹ thuật và ghi chú cập nhật
- Tác giả trực tiếp ghi rõ đây là phiên bản xem trước 0.215, vẫn đang trong quá trình huấn luyện, chất lượng ảnh đầu ra chưa ổn định, cần thử nhiều seed khác nhau
Cách sử dụng
- Python: Chạy lệnh hf download data-archetype/dflow_2b --local-dir dflow_2b rồi pip install -e dflow_2b, sử dụng DFlowPipeline.from_pretrained("dflow_2b") để tạo ảnh; yêu cầu Python 3.12, PyTorch 2.13 và card đồ họa NVIDIA hỗ trợ bf16
Rủi ro
- Giấy phép phi thương mại MG-BY-NC 2.0, bộ mã hóa văn bản còn chịu ràng buộc bởi các điều khoản sử dụng của Gemma
- Cách dùng với ComfyUI là tải toàn bộ kho lưu trữ vào thư mục custom_nodes và cài đặt các phụ thuộc, mã nguồn nút tùy chỉnh chưa được kiểm toán
- Phiên bản xem trước, trọng số và hiệu quả của các phiên bản sau sẽ thay đổi