ERNIE-Image开源文生图模型

ERNIE-Image是由百度ERNIE-Image团队开发的一款开源文生图模型，采用潜在扩散模型（LDM）和Diffusion Transformer（DiT）架构。该模型在保持参数量紧凑的情况下，实现了精准的文字渲染和结构化图像生成。ERNIE-Image具有以下核心特性：

• 紧凑规模下的强竞争力：仅8B DiT参数即可与更大规模模型抗衡，在多个权威基准测试中稳居开源模型前列。
• 精准文字渲染：在密集长文本和排版敏感场景中表现突出，支持多语言。
• 强大的指令遵循能力：能够稳定处理复杂提示词和多对象关系。
• 结构化视觉生成：擅长带有明确版式或叙事结构的图像，如海报、动漫分镜等。
• 丰富的风格覆盖：支持平面设计、插画、写实摄影等多种风格。
• 便于部署、社区友好：可在消费级硬件上运行，易于微调和二次开发。