FIBO 1.5

Panoramica della posizione

fibo-gen-1.5 è la linea text-to-image della famiglia fibo-1.5, pensata per sviluppatori che richiedono controllo e riproducibilità di livello professionale. Si basa su un'architettura DiT da 8B parametri con flow matching, adotta il campionamento con distillazione a pochi passi e completa l'inferenza in soli 4–6 passi con CFG=1.0, proseguendo il paradigma dei prompt lunghi strutturati e mostrando una forte capacità di seguire attributi come illuminazione, composizione, colore e tipo di inquadratura. È adatta a scenari di produzione di immagini che integrano generazione in batch, iterazione a livello di attributi e riproducibilità dei risultati nei flussi di lavoro ingegnerizzati.

Punti di forza principali

• Campionamento a pochi passi che riduce sensibilmente il costo di inferenza per immagine——dopo la distillazione servono solo 4–6 passi e non è richiesto il classifier-free guidance, con costi di chiamata inferiori rispetto ai tradizionali flussi multi-passo ad alto CFG.
• Prompt lunghi strutturati per una forte aderenza al prompt——la generazione è guidata da descrizioni lunghe che elencano separatamente soggetto, illuminazione, composizione, colore, inquadratura e altri attributi, rendendo più esplicito il controllo in contesti professionali.
• Risultati riproducibili——il seed è fisso per impostazione predefinita a 5555; con lo stesso seed e lo stesso prompt si riproduce la stessa immagine, facilitando pipeline in batch e verifiche di regressione.
• Divisione dei compiti tra text-to-image e image editing nella famiglia——nella stessa famiglia è presente anche la linea di image editing fibo-edit-1.5, a cui passare quando occorre modificare un'immagine di riferimento.

Descrizione delle capacità

Campionamento con distillazione a pochi passi: con le impostazioni consigliate di 4–6 passi e CFG=1.0 si genera già l'immagine, eliminando la messa a punto e il consumo di calcolo dei tradizionali flussi ad alto CFG; ogni richiesta restituisce più rapidamente un risultato utilizzabile.

Aderenza ai prompt strutturati: addestramento e inferenza si basano su descrizioni lunghe strutturate dell'ordine di un migliaio di parole; scrivendo in modo puntuale soggetto, illuminazione, composizione, inquadratura e altri attributi si ottengono immagini più vicine alle attese.

Generazione riproducibile: il parametro seed insieme al prompt determina l'output; fissando entrambi si riproduce la stessa immagine, soluzione ideale per confronti tra versioni e tracciamento dei risultati nella produzione in batch.

Molteplici formati di immagine: sono inclusi nove rapporti 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, selezionabili direttamente in base al posizionamento o al layout, riducendo i ritagli in post-produzione.

Input con prompt lunghi: il prompt supporta fino a 10000 caratteri; le descrizioni lunghe strutturate possono essere inserite per intero senza doverle comprimere in frasi brevi, esprimendo gli attributi in modo più completo.

Scenari di applicazione

• Designer visivi commerciali: generazione con prompt lunghi strutturati——inserendo uno per uno illuminazione, composizione, colore e inquadratura nel prompt si producono immagini di livello commerciale direttamente utilizzabili per materiali pubblicitari ed e-commerce.
• Team creativi: rifinitura iterativa a livello di attributi——fissando il seed e modificando un solo attributo si generano ripetutamente varianti di una serie per confrontare le proposte, riducendo il lavoro di riscrittura dell'intero prompt.
• Team di ingegneria: generazione in batch riproducibile——chiamando in batch con seed fisso e prompt lunghi basati su template si producono asset immagine coerenti nello stile e tracciabili per le pipeline di produzione di contenuti.
• Sviluppatori di applicazioni: generazione adattata a più rapporti——scegliendo il rapporto di immagine in base al layout di destinazione si generano risorse immagine da inserire direttamente in App, Web e copertine video.

Limiti e consigli per la scelta

In questa versione il negative prompt non ha effetto: il controllo dell'immagine deve basarsi interamente sulla descrizione positiva; secondo le indicazioni ufficiali i pesi non sono applicabili alla messa a punto. Seguire i vecchi flussi multi-passo ad alto CFG porta a risultati lontani dalle attese: occorre usare CFG=1.0 e 4–6 passi. Il vantaggio di controllo dipende dai prompt lunghi strutturati; con prompt brevi comuni il beneficio è limitato. La scala da 8B rappresenta un carico notevole per hardware consumer locale; solo per il deployment locale serve una versione quantizzata; su HiAPI.ai la chiamata non presenta questo problema.