mo-di-diffusion on Hugging Face vs Dall-E 2

mo-di-diffusion é um checkpoint do Stable Diffusion 1.5 ajustado no Hugging Face que gera personagens e cenas com um visual de filme de animação moderno. O criador nitrosocke treinou-o com capturas de tela de um estúdio de animação popular usando DreamBooth com perda de preservação prévia e treinamento do codificador de texto por mais de 9.000 etapas. Adicione o token modern disney style ao seu prompt para ativar a estética.

Os checkpoints gerais do SD 1.5 visam o fotorrealismo ou estilos amplos de ilustração. mo-di-diffusion foca fortemente naquele visual brilhante de animação de personagens, razão pela qual os prompts de exemplo para heróis de jogos, animais e paisagens são todos cinematográficos em vez de fotográficos. Os pesos carregam através do pipeline padrão Diffusers StableDiffusionPipeline, então você pode executá-lo localmente, no Colab ou dentro do Hugging Face Spaces sem uma API proprietária.

Artistas, entusiastas e desenvolvedores que experimentam conceitos de personagens usam mo-di-diffusion quando querem renderizações próximas ao estilo Disney sem encomendar treinamento personalizado do modelo. A ficha do modelo inclui código de exemplo em Python, links para demos Gradio e notas sobre opções de exportação ONNX, MPS e FLAX. É gratuito para download sob a licença CreativeML OpenRAIL-M com uso comercial permitido sujeito às restrições de danos da licença.

DALL-E 2 transforma descrições em texto em imagens e obras de arte originais. Você descreve uma cena em linguagem simples, e o modelo combina conceitos, atributos e estilos em uma nova imagem. A OpenAI lançou-o em 2022 com quatro vezes a resolução do DALL-E original, e avaliadores o preferiram ao DALL-E 1 em 71,7% dos testes de correspondência de legendas e 88,8% das comparações de fotorrealismo.

Midjourney e Stable Diffusion atendem comunidades de entusiastas com fluxos de trabalho via Discord ou auto-hospedados. O DALL-E 2 é integrado ao ChatGPT para criadores casuais e disponível via API da OpenAI para desenvolvedores que precisam de geração programática de imagens com filtros de conteúdo que bloqueiam descrições violentas, odiosas, adultas e políticas, além de rostos públicos fotorrealistas.

Designers, profissionais de marketing e desenvolvedores usam o DALL-E 2 para criar conceitos, ilustrar posts de blog e prototipar visuais sem necessidade de sessão fotográfica. A página do produto agora direciona os usuários ao ChatGPT para criação, enquanto a API de Imagens continua a oferecer modelos mais recentes junto com o DALL-E 2 para equipes que precisam de geração automatizada.