1〜2ステップで画像生成できる「NitroFusion 2」公開 ComfyUIでローカル動作
研究チームが画像生成モデル「NitroFusion 2」をオープンソースで公開した。マルチモーダルテキストストリームに対する敵対的蒸留技術を採用し、従来の数ステップからわずか1〜2ステップでの高品質生成を実現。1ステップでも文字や細部を維持でき、ComfyUIを使って一般GPUで手軽にローカル実行できる。
Z-Image
画像生成モデル「L2P」公開：VAEを完全排除しピクセル空間で直接生成
画像生成モデル L2P が公開された。従来の拡散モデルから VAE と潜在空間を取り除き、ピクセル空間で直接画像を生成することでディテールの欠損を防ぐ。最大 4K 解像度に対応し、現在はコードおよび 1K 解像度向けの約 20GB のモデル重みが提供されている。
アニメ特化の画像生成AI「Zanime」公開 6B全量微調整、4ステップ生成に対応
開発者のSeeSee21氏は、アリババのZ-Image Baseをフルファインチューニングしたアニメ特化型画像生成モデル「Zanime」を公開した。60億パラメータで、6GBのFP8版や4ステップで高速生成できる蒸留版を用意。従来のタグ列ではなく自然言語プロンプトに対応し、8GBのVRAMでも軽快に動作する。
アリババ、画像生成AIの基底モデル「Z-Image」をオープンソース公開
アリババの通義チームは画像生成AIの基底モデル「Z-Image」を公開した。蒸留前のフルモデルで、Turbo版で課題だった構図の固定化や顔の重複を解消し、LoRAなどの追加学習に適している。生成ステップ数は50歩に増えるが、ComfyUIで即日利用可能だ。