SenseNova U1.5-Lite-Preview – Muundo mwepesi wa multimodali wa SenseTime wenye msimbo huria Inafanya kazi

SenseNova U1.5-Lite-Preview ni toleo la majaribio la muundo mwepesi wa multimodali wa asili uliounganishwa, uliotolewa kwa msimbo huria na SenseTime. Ukitumia usanifu wa NEO-Unify, unaunganisha uelewa wa kuona, hoja, uzalishaji na uhariri kwa vigezo 8B-MoT pekee. Muundo huu unaunga mkono moja kwa moja uzalishaji wa picha za 4K, ukiwa na maumbo madogo yaliyo wazi, mwonekano wa ulimwengu halisi, uzalishaji wa maandishi ya Kichina na Kiingereza, pamoja na miundo changamano. Pia umeboreshwa kwa ajili ya kufuata kwa usahihi maagizo marefu ya lugha asilia na maagizo ya kuona yaliyopangwa, huku Prompt Enhance Skill ikisaidia kupunguza ugumu wa uundaji.

Uzalishaji wa asili wa 4K: Unaunga mkono uzalishaji wa picha za mwonekano wa juu sana kutoka mwanzo hadi mwisho, huku maelezo yakibaki wazi hata picha inapokuzwa.
Mwonekano wa kuona wenye maelezo: Hutoa maumbo ya nyenzo yaliyo halisi zaidi, viwango vya mwanga na kivuli, pamoja na maelezo madogo yaliyo wazi.
Uzalishaji wa maandishi ya Kichina na Kiingereza: Hutoa maandishi na mpangilio wa Kichina na Kiingereza kwa usahihi katika miundo changamano.
Uhariri na uboreshaji wa picha: Unaunga mkono uhariri wa picha unaoendelea kuboreshwa kulingana na maagizo ya lugha asilia.
Prompt Enhance Skill: Hupanua kiotomatiki mahitaji mafupi kuwa mpango kamili wa uundaji, na hivyo kupunguza kizingiti cha kuandika maagizo.

Fuatilia akaunti ya WeChat na ujibu “开源” ili ujiunge na kundi la mawasiliano la miradi ya AI yenye msimbo huria
Usanifu wa pamoja wa NEO-Unify: Hujenga kwa pamoja modeli za lugha, maana ya kuona na uzalishaji wa pikseli ndani ya muundo mmoja, na hivyo kuunganisha kiasili uelewa, hoja, uzalishaji na uhariri.
Muundo mwepesi wa 8B-MoT: Hutumia usanifu mseto wa tokeni wenye vigezo bilioni 8 pekee. Huku ukiendelea kuwa mwepesi, huongeza mipaka ya uwezo wa multimodali na kuthibitisha upanuzi endelevu wa usanifu uliounganishwa.
Ulinganifu wa asili kati ya pikseli na lugha: Hufunzwa kutoka pikseli na lugha hadi mwisho, hivyo kujifunza uwezo wa asili wa kuunganisha maelezo ya lugha na muundo wa kuona.
Udhibiti wa kuona wenye muktadha mrefu: Umeboreshwa ili kuelewa lugha asilia ndefu sana na maagizo ya uundaji yaliyopangwa, na unaweza kutekeleza kwa usahihi maagizo ya kuona yenye vizuizi vingi na viwango mbalimbali.

Pata muundo na nyaraka: Tembelea hazina ya GitHub ili kuona nyaraka za kiteknolojia na msimbo wa uendeshaji, au pakua uzito wa muundo wa 8B-MoT na faili za usanidi kutoka Hugging Face.
Usambazaji wa mazingira: Sanidi mazingira ya uendeshaji kulingana na nyaraka, pakia uzito wa muundo, kisha ukamilishe uanzishaji wa muundo wa ndani au wa wingu.
Uzalishaji wa msingi wa picha: Ingiza moja kwa moja maelezo ya lugha asilia, kwa Kichina au Kiingereza, na muundo utazalisha picha ya 4K kiasili.
Maagizo changamano ya uundaji: Toa mahitaji kamili yanayojumuisha mada, mpangilio, mtindo, maandishi na masharti; muundo utazalisha picha kwa kufuata muundo wa kuona ulioainishwa.
Msaada wa Prompt Enhance: Tumia Prompt Enhance Skill ya majaribio kupanua kiotomatiki wazo fupi kuwa mpango kamili wa uundaji, kisha uwasilishe kwa muundo utekelezwe.
Uhariri wa picha: Pakia picha iliyopo na uongeze maagizo ya uhariri katika lugha asilia; muundo utakamilisha uhariri wa mfululizo huku ukidumisha uwiano wa jumla.

Umoja mwepesi: Kwa vigezo 8B-MoT pekee, huunganisha uelewa, uzalishaji na uhariri, na hivyo kupunguza gharama ya usambazaji.
Ubora wa juu wa 4K: Unaunga mkono kiasili uzalishaji wa mwonekano wa 4K, huku ukidumisha maelezo na uwiano hata katika picha kubwa sana.
Ufuataji thabiti wa maagizo: Hata bila mafunzo maalumu ya kupanga Prompt Enhance, unaweza kutekeleza kwa uthabiti maagizo marefu na changamano ya kuona.
Mwonekano halisi: Huboresha kwa kiasi kikubwa maumbo madogo, mwanga na kivuli cha nyenzo, pamoja na mwonekano wa ulimwengu halisi.
Uthabiti wa maandishi: Uzalishaji wa maandishi ya Kichina na Kiingereza pamoja na upangaji wa miundo changamano huwa sahihi na thabiti zaidi.

Hazina ya GitHub：https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1.5_preview.md
Maktaba ya miundo ya HuggingFace：https://huggingface.co/sensenova/SenseNova-U1.5-8B-MoT-Preview

Ubunifu wa kibiashara wa picha za chapa: Zalisha kwa haraka mabango, infografiki na nyenzo za matangazo ya chapa zenye maandishi sahihi ya Kichina na Kiingereza, miundo changamano na mtindo maalumu wa kuona, ili kukidhi mahitaji ya uundaji wa kibiashara yenye udhibiti mpana.
Mikunjo mirefu ya simulizi yenye upana mkubwa: Tumia mwonekano wa juu wa 4K kuunda ratiba za kihistoria, mikunjo ya kitamaduni na maudhui mengine ya simulizi endelevu yenye upana mkubwa; maandishi na maelezo mengi ya aikoni hubaki wazi na thabiti hata yanapokuzwa.
Uonyeshaji wa dhana za usanifu na bidhaa: Tengeneza uonyeshaji wa nje wa majengo wenye uhalisia wa juu, picha za dhana za nafasi za ndani na picha za kuonyesha bidhaa, zikiwasilisha maumbo halisi ya nyenzo, viwango vya mwanga na kivuli, pamoja na anga ya nafasi.
Picha za watu na karibu za kiwango cha upigaji picha: Muundo unaweza kuzalisha picha za watu, picha za karibu za nyuso na kazi zenye mada za wahusika zilizo na maumbo madogo ya ngozi, mwanga wa asili na mwonekano halisi, huku ukiunga mkono miundo changamano na mitindo maalumu.
Uundaji wa sanaa ya kale na kolagi: Unaunga mkono uundaji wa picha wenye mitindo mbalimbali, kama daftari za kumbukumbu za kale, mabango ya kolagi na vielelezo vya historia ya asili, kwa kuchanganya vipengele vingi na kuonyesha kwa usahihi maelezo kama maumbile ya karatasi, stempu na maandishi ya mkono.