ERNIE-Image
Открытая 8B-модель от Baidu с точным рендерингом текста и версткой многокадровых постеров
Вместо привычной каши из букв нейросеть выводит читаемые заголовки на постере и раскладывает историю по фреймам комикса. Команда Baidu выпустила ERNIE-Image — открытую диффузионную модель на архитектуре Diffusion Transformer (DiT) объемом 8 миллиардов параметров. Нас подкупило, что инженеры сосредоточились не на абстрактной сочности картинки, а на точном следовании сложным инструкциям и типографике.
Что умеет
- Рендерить сложный текст. Модель аккуратно пишет длинные фразы, заголовки, выноски и диалоги на английском и китайском языках, сохраняя структуру надписей в макете.
- Собирать структурированные форматы. Генерирует готовые черновики постеров, раскадровки манги и аниме, а также многопанельные серии картинок с единой логикой сцены.
- Докручивать короткие промпты. В комплекте идет встроенный 3B Prompt Enhancer — легковесный модуль, который разворачивает лаконичный пользовательский запрос в подробное техническое описание композиции.
- Работать вне предсказуемого глянца. Поддерживает реалистичную фотографию, мягкие кинематографичные тона и пленочное зерно без характерного искусственного перенасыщения.
- Разворачиваться на обычном железе. Модели на 8B параметров и ее скоростной версии Turbo хватает пользовательской видеокарты с 24 ГБ видеопамяти.
Цены и доступ
Веса модели открыты. Разработчики заявляют ее использование для некоммерческого личного творчества.
Инструмент пригодится дизайнерам и иллюстраторам, которым нужно быстро собрать эскиз сложного постера, черновой журнал или связную раскадровку с настоящим читаемым текстом.
