FIBO 1.5

Краткое описание

fibo-gen-1.5 — это линия текст-в-изображение в семействе fibo-1.5, ориентированная на разработчиков, которым нужны профессиональные управляемость и воспроизводимость. Она построена на архитектуре DiT с 8B параметров и потоковом матчинге, использует малошаговую дистиллированную выборку: для инференса достаточно всего 4–6 шагов при CFG=1.0, а также продолжает парадигму структурированных длинных запросов, обладая сильной способностью следовать таким атрибутам, как освещение, композиция, цвет и оптика. Подходит для сценариев производства изображений, где пакетная генерация, итерации на уровне атрибутов и воспроизводимость результатов встроены в инженерный процесс.

Ключевые особенности

• Многошаговая выборка, заметно снижающая затраты на инференс одного изображения — после дистилляции требуется всего 4–6 шагов и не нужен classifier-free guidance; стоимость вызова ниже, чем у традиционного многошагового процесса с высоким CFG.
• Структурированные длинные запросы обеспечивают строгое следование — генерация управляется длинным описанием, в котором по пунктам указаны субъект, освещение, композиция, цвет, оптика и другие атрибуты; управляемость в профессиональных сценариях становится более определённой.
• Воспроизводимые результаты генерации — seed по умолчанию фиксирован на 5555; одинаковые seed и prompt воспроизводят одно и то же изображение, что удобно для пакетных конвейеров и регрессионной проверки.
• Разделение задач текст-в-изображение и редактирования изображений внутри семейства — в том же семействе есть линия редактирования изображений fibo-edit-1.5; при необходимости изменить изображение по референсу можно переключиться на соответствующую линию.

Описание возможностей

Многошаговая дистиллированная выборка: изображение генерируется при рекомендуемых настройках 4–6 шагов и CFG=1.0, что избавляет от настройки параметров и вычислительных затрат традиционных рабочих процессов с высоким CFG; один запрос быстрее возвращает пригодный результат.

Следование структурированным запросам: обучение и инференс основаны на структурированных длинных описаниях объёмом около тысячи слов; если разработчик подробно описывает субъект, освещение, композицию, оптику и другие атрибуты по пунктам, можно получить изображение, более близкое к ожидаемому.

Воспроизводимая генерация: параметр seed вместе с prompt определяет вывод; зафиксировав оба, можно воспроизвести одно и то же изображение, что подходит для сравнения версий и отслеживания результатов в пакетном производстве.

Различные соотношения сторон: встроены девять пропорций — 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9; можно сразу выбрать подходящую под площадку размещения или макет, сокращая необходимость кадрирования после обработки.

Длинный ввод запроса: prompt поддерживает до 10000 символов; структурированное длинное описание можно записать полностью, не сжимая в короткие фразы, что обеспечивает более полное выражение атрибутов.

Сценарии применения

• Дизайнер коммерческой визуализации: генерация по структурированным длинным запросам — освещение, композиция, цвет и оптика по пунктам вносятся в запрос, что позволяет создавать коммерческие изображения, пригодные для рекламы и материалов электронной коммерции.
• Творческая команда: точная доработка на уровне атрибутов — при фиксированном seed меняется только один атрибут и генерация повторяется, получая серию вариантов для сравнения решений и сокращая переработку из-за полного переписывания запроса.
• Инженерная команда: пакетная воспроизводимая генерация — пакетные вызовы с фиксированным seed и шаблонными длинными запросами дают стилистически согласованные и отслеживаемые графические ресурсы для конвейера производства контента.
• Разработчик приложений: генерация с адаптацией под разные пропорции — выбор соотношения сторон под целевой макет позволяет получать изображения, которые сразу встраиваются в App, Web и обложки видео.

Ограничения и рекомендации по выбору

В этой версии негативный запрос не оказывает действия, поэтому ограничивать изображение нужно полностью за счёт позитивного описания; официально указано, что веса не подходят для дообучения. Использование устаревшего многошагового рабочего процесса с высоким CFG приведёт к отклонению от ожидаемого результата; следует работать при CFG=1.0 и 4–6 шагах. Преимущество управляемости зависит от структурированных длинных запросов; обычные короткие запросы дают ограниченную выгоду. Масштаб 8B создаёт значительную нагрузку на локальное потребительское оборудование; для локального развёртывания нужна квантованная версия; при вызове на HiAPI.ai этой проблемы нет.