Waifu-diffusion on Hugging Face vs Dall-E 2

Waifu-diffusion on Hugging Face transforma comandos de texto em imagens no estilo anime através de um modelo Stable Diffusion ajustado com artes de anime de alta qualidade. Você carrega hakurei/waifu-diffusion com a biblioteca Diffusers em Python, passa um comando e obtém uma imagem gerada. A página do modelo inclui código pronto para execução para CUDA, Apple MPS, Google Colab e aplicativos locais como Draw Things e DiffusionBee.

Em comparação com checkpoints do Stable Diffusion de uso geral, este modelo é ajustado especificamente para a estética de animes em vez de fotorrealismo. Esse foco restrito o torna uma base comum para fan art, conceitos de personagens e ilustrações estilizadas, enquanto os modelos SD gerais frequentemente precisam de comandos mais pesados para se manterem no estilo anime. Os pesos da v1.4 são distribuídos sob a licença CreativeML OpenRAIL-M com mais de 2.500 curtidas da comunidade e cerca de 1.166 downloads no último mês no Hugging Face.

O modelo tem 0,9 bilhão de parâmetros no formato Safetensors e funciona com o StableDiffusionPipeline no Diffusers. Os criadores podem ajustá-lo ou adaptá-lo ainda mais, com quatro modelos de adaptador, dois ajustes finos e uma quantização listados na árvore de modelos do Hugging Face.

Waifu-diffusion é adequado para ilustradores, entusiastas e desenvolvedores que desejam geração de imagens de anime que possam executar localmente ou em notebooks sem construir um modelo do zero.

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.