Última actualización 07-01-2026
Categoría:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
Omost
Omost es un proyecto de investigación de código abierto que convierte las habilidades de codificación de modelos de lenguaje grande en composición de imágenes estructurada. Tú describes una escena en lenguaje claro, y un LLM ajustado finamente escribe Python que distribuye elementos globales y regionales en un lienzo virtual. Luego, un renderizador de difusión transforma esa disposición en una imagen terminada.
El enfoque trata la construcción de escenas como programación: el modelo llama a métodos como set_global_description y add_local_description para colocar sujetos con indicios de ubicación, tamaño, profundidad y color. Esa estructura proporciona a los modelos de difusión una guía consciente de regiones en lugar de depender de una sola instrucción plana.
Puedes ejecutar Omost localmente con una app de Gradio o probar la demostración alojada vinculada desde el repositorio. Está dirigido a investigadores, ingenieros de ML y desarrolladores de generación de imágenes que desean un control más preciso sobre composiciones con múltiples sujetos en pipelines al estilo Stable Diffusion.
Los LLMs ajustados finamente escriben código Python Canvas a partir de tu indicación de texto
Coloca sujetos con ubicación, desplazamiento, área, profundidad y nombres de colores HTML
Intercambia elementos de forma conversacional, como cambiar un dragón por un dinosaurio en medio de la sesión
Tres familias de modelos preentrenados basados en variantes de Llama 3 y Phi-3
Incluye un renderizador de difusión consciente de la región básico que utiliza manipulación de atención
Ejecuta localmente vía Gradio con 8GB de VRAM Nvidia, o usa el espacio enlazado en HuggingFace
Código abierto bajo Apache 2.0 con instrucciones completas de despliegue local en GitHub.
El código Canvas consciente de la región ofrece un control más detallado sobre múltiples sujetos que un solo texto indicativo.
La edición conversacional permite refinar composiciones antes de renderizar.
Las variantes del modelo cuantizado caben en 8GB de VRAM sin necesidad de descarga.
La configuración local requiere una GPU Nvidia con al menos 8GB de VRAM.
La actividad del repositorio disminuyó después de mediados de 2024; los últimos commits en la rama principal tienen aproximadamente dos años.
El espacio de demostración de HuggingFace vinculado puede no cargarse debido a incompatibilidades en las versiones de las dependencias.
¿Omost es gratuito?
Sí. Omost es de código abierto bajo la licencia Apache 2.0 en GitHub. Puedes clonar el repositorio, ejecutarlo localmente o usar el espacio oficial de HuggingFace enlazado desde el README sin costo alguno.
¿Qué hardware necesita Omost para funcionar localmente?
El despliegue local requiere aproximadamente 8GB de VRAM Nvidia. El README recomienda Python 3.10, PyTorch con CUDA 12.1 y las dependencias fijas en requirements.txt. Se proporcionan modelos cuantificados para GPUs con memoria limitada.
¿Qué modelos LLM soporta Omost?
Omost ofrece tres familias de modelos preentrenados en HuggingFace: omost-llama-3-8b, omost-dolphin-2.9-llama3-8b y omost-phi-3-mini-128k, cada una con variantes cuantificadas. El README recomienda omost-llama-3-8b-4bits para la mayoría de los usuarios.
¿Puedo editar una escena después del prompt inicial en Omost?
Sí. Omost soporta edición conversacional: puedes pedir al modelo que cambie elementos específicos en el código Canvas, como reemplazar un sujeto por otro, y luego renderizar la composición actualizada cuando estés satisfecho.
¿En qué se diferencia Omost de un prompt estándar de texto a imagen?
En lugar de una única cadena de texto, Omost genera código Canvas estructurado con descripciones globales y locales separadas, regiones espaciales y orden de profundidad. Un motor de difusión personalizado usa esas regiones para guiar la atención durante la generación de la imagen.
¿Dónde puedo probar Omost sin instalar nada?
El README de GitHub de Omost enlaza a un espacio oficial en HuggingFace para demos basadas en navegador. También está documentada la instalación local con conda, pip y un punto de entrada gradio_app.py.