Waifu-diffusion on Hugging Face vs Dall-E 2

Waifu-diffusion on Hugging Face convierte descripciones de texto en imágenes de estilo anime a través de un modelo Stable Diffusion ajustado con ilustraciones de anime de alta calidad. Cargas hakurei/waifu-diffusion con la biblioteca Diffusers en Python, envías una descripción y obtienes una imagen generada. La ficha del modelo incluye código listo para ejecutar para CUDA, Apple MPS, Google Colab y aplicaciones locales como Draw Things y DiffusionBee.

En comparación con los puntos de control de propósito general de Stable Diffusion, este modelo está optimizado específicamente para la estética anime en lugar del fotorrealismo. Ese enfoque específico lo convierte en una base común para arte de aficionados, conceptos de personajes e ilustraciones estilizadas, mientras que los modelos de SD generales a menudo necesitan descripciones más detalladas para mantenerse en el estilo anime. Los pesos de la versión v1.4 se distribuyen bajo CreativeML OpenRAIL-M con más de 2,500 'me gusta' de la comunidad y alrededor de 1,166 descargas en el último mes en Hugging Face.

El modelo tiene un peso de 0.9 mil millones de parámetros en formato Safetensors y funciona con StableDiffusionPipeline en Diffusers. Los creadores pueden ajustarlo o adaptarlo aún más, con cuatro modelos adaptadores, dos ajustes finos y una cuantización listados en el árbol de modelos de Hugging Face.

Waifu-diffusion es adecuado para ilustradores, aficionados y desarrolladores que desean generar imágenes de estilo anime que puedan ejecutar localmente o en cuadernos sin necesidad de construir un modelo desde cero.

DALL-E 2 convierte indicaciones de texto en imágenes y obras de arte originales. Describes una escena en lenguaje sencillo, y el modelo combina conceptos, atributos y estilos en una nueva imagen. OpenAI lo lanzó en 2022 con cuatro veces la resolución del DALL-E original y los evaluadores lo prefirieron sobre DALL-E 1 en el 71.7% de las pruebas de coincidencia de leyendas y en el 88.8% de las comparaciones de fotorrealismo.

Midjourney y Stable Diffusion están dirigidos a comunidades de aficionados con flujos de trabajo en Discord o autoalojados. DALL-E 2 se incluye dentro de ChatGPT para creadores casuales y a través de la API de OpenAI para desarrolladores que necesitan generación programática de imágenes con filtros de contenido que bloquean indicaciones violentas, odiosas, para adultos y políticas, además de rostros públicos fotorrealistas.

Diseñadores, mercadólogos y desarrolladores usan DALL-E 2 para simular conceptos, ilustrar publicaciones de blog y prototipar visuales sin una sesión fotográfica. La página del producto ahora dirige a los usuarios a ChatGPT para la creación, mientras que la API de Imágenes continúa ofreciendo modelos más nuevos junto con DALL-E 2 para equipos que necesitan generación automatizada.