Ming-Image-0.1-Design Inafanya kazi

Ming-Image-0.1-Design ni modeli ya 6B ya kutengeneza picha iliyotolewa kama chanzo huria na InclusionAI ya Ant Group, inayolenga hali za usanifu, ikisaidia vidokezo virefu vilivyopangwa vya hadi 8K na kutengeneza kwa mwisho hadi mwisho miundo kamili ya kuona kama UI, infografia na mabango. Ikiunganishwa na modeli ya Design-Layer iliyotolewa pia kama chanzo huria, inaweza kugawanya muundo wa picha katika tabaka 2—9 za uwazi zinazoweza kuhaririwa kivyake, na kutekeleza mchakato mzima wa kutengeneza—kutenganisha tabaka—kuhariri—kukabidhi. Ming-Image-0.1-Design imeongoza katika nafasi ya kwanza ya orodha ya modeli huria za UI/UX ya Artificial Analysis, na tayari imeunganishwa katika programu halisi kama Lingguang na Huamei.

Maandishi hadi muundo: Inasaidia vidokezo virefu vilivyopangwa vya hadi 8K, na kutengeneza kwa mwisho hadi mwisho miundo kamili ya kuona kama UI, Dashibodi, infografia na mabango kutoka kwa mahitaji ya maandishi.
Utoaji wa maandishi na mpangilio: Huboresha uwasilishaji wa maandishi katika vichwa, vitufe, kadi na taarifa za maeneo mengi, kuhakikisha mpangilio thabiti na upangaji sahihi wa taarifa.
Mtindo thabiti wa jumla: Hukamilisha muundo wote kwa mara moja, ikiunganisha rangi, muundo na mtindo wa nyenzo ili kuzuia kutofautiana kwa mtindo kunakosababishwa na uzalishaji wa mara nyingi.
Utengenezaji wa nyenzo zenye uwazi: RGBA VAE asilia hutengeneza moja kwa moja nyenzo zenye mandharinyuma yenye uwazi, kama watu, bidhaa, ikoni na mapambo.
Utenganishaji wa muundo (Layer): Hugawanya muundo wa picha katika tabaka 2—9 za RGBA zinazojitegemea kimaana, na kusaidia kuhariri, kusogeza na kubadilisha maandishi, mada na mandharinyuma kivyake.
Uwasilishaji wa mbele (Design Skill): Text-to-Page huandaa kwanza mpango wa muundo kisha huandika msimbo; Visual Coding huwezesha kurejesha ukurasa unaoweza kuendeshwa kutoka kwenye picha ya skrini ya muundo.
Uwasilishaji wa PPT (PPT Skill): Hurejesha maandishi, maeneo ya rangi na mpangilio wa picha kuwa vipengele vinavyoweza kuhaririwa katika PowerPoint, huku ikitoa na kutumia tena ikoni na vielelezo moja kwa moja.

Fuata WeChat na ujibu “开源” ili kujiunga na kikundi cha mawasiliano cha miradi huria ya AI
Uboreshaji wa vidokezo virefu vilivyopangwa vya 8K: Modeli hupanga mahitaji ya mtumiaji kiotomatiki kuwa ingizo lililopangwa katika vipengele vinne: maandishi, moduli, mpangilio na mtindo wa kuona. Hivyo, taarifa katika vidokezo virefu vya hadi 8K hueleweka na kutekelezwa kikamilifu, na kusaidia uwasilishaji sahihi wa moduli na vipengele vingi katika kurasa changamano.
Utengenezaji wa muundo mzima kutoka mwisho hadi mwisho: Tofauti na mbinu ya kutengeneza mandharinyuma, vielelezo na mapambo kando kisha kuvichanganya, modeli husimamia mpangilio wa jumla, rangi na mtindo wa nyenzo katika mchakato mmoja wa utengenezaji. Mafunzo maalum huimarisha uwezo wa kushughulikia maandishi, mpangilio na mchanganyiko wa vipengele vingi, na hivyo kupunguza kimsingi migongano ya rangi na kutofautiana kwa mtindo kati ya nyenzo.
RGBA VAE asilia: Koda ya kiotomatiki ya tofauti iliyotengenezwa na modeli, inayosaidia chaneli ya Alpha, hufanya nafasi ya utengenezaji ijumuisha moja kwa moja nyenzo zenye mandharinyuma yenye uwazi. Watu, bidhaa, ikoni na mapambo vinaweza kutoka vikiwa na chaneli ya uwazi bila kuhitaji kuondoa mandharinyuma baada ya utengenezaji.
Kizuizi cha majukumu ya tabaka cha Type Token: Modeli ya Layer hutumia Type Token kueleza wazi jukumu la usanifu la kila tabaka, ikiielekeza modeli kugawanya kwa kuzingatia maana na kuhakikisha kuwa maudhui ya tabaka zilizotenganishwa yako wazi na majukumu yake yanajitegemea.
Uboreshaji wa Tabaka unaozingatia Alpha: Uboreshaji maalum hufanywa kwa maeneo yenye uwazi na kingo, ukilenga usahihi wa chaneli ya Alpha katika tabaka za RGBA. Hii hufanya kingo zenye uwazi za tabaka ziwe safi bila mabaki, na kutatua ukungu wa kingo au kuchanganyika na rangi ya mandharinyuma katika hali changamano za kufunikana.
Composite-Layer Stack Consistency (kizuizi cha uthabiti wa kuunganisha upya): Wakati wa mafunzo, modeli hulazimisha tabaka zote zilizotenganishwa ziweze kuunganishwa tena na kurejesha muundo wa awali. Hii hudhibiti uthabiti wa mahusiano ya nafasi na ukamilishaji wa maeneo yaliyofunikwa kati ya tabaka.

Chagua njia ya kuunganisha: Unaweza kuijaribu haraka kupitia API ya bure ya mtandaoni ya OpenRouter https://openrouter.ai/inclusionai/ming-image-0.1-design, au kupakua uzani wa modeli kutoka Hugging Face / ModelScope na kuiendesha ndani ya kifaa.
Andika vidokezo: Eleza mahitaji kwa lugha asilia; inapendekezwa kupanga maudhui kwa muundo wa “maandishi, moduli, mpangilio, mtindo wa kuona” ili kutumia kikamilifu uwezo wa vidokezo virefu vya 8K.
Tengeneza muundo wa picha: Ita modeli ya Design ili kutengeneza kwa mara moja muundo kamili wa kuona kama UI, infografia au bango.
Gawanya tabaka: Ingiza muundo uliotengenezwa au uliopo katika modeli ya Design-Layer, kisha ugawanye katika tabaka 2—9 za uwazi zinazoweza kuhaririwa kivyake.
Uwasilishaji wa mbele: Pata Design Skill (ling-cookbook) kwenye GitHub; baada ya kuingiza mahitaji, mpango wa ukurasa hutengenezwa kwanza kwa takribani sekunde 15, kisha baada ya kuthibitisha hukabidhiwa kwa Coding ili kutengeneza ukurasa unaoweza kuendeshwa.
Uwasilishaji wa PPT: Tumia PPT Skill (ling-cookbook) kurejesha muundo wa picha kwa mara moja kuwa ukurasa wa PowerPoint unaoweza kuhaririwa, kisha uendelee kurekebisha maandishi, rangi na mpangilio.

Vigezo vichache, utendaji wa juu: Vigezo 6B vinaizidi modeli kubwa kama Nano Banana 2 na FLUX.2; katika kazi changamano za UI, imeshinda mara 12/12 na 10/10.
Mtindo thabiti kutoka mwisho hadi mwisho: Huratibu mpangilio, rangi na nyenzo katika utengenezaji mmoja, na kuzuia kutofautiana kwa mtindo na hisia ya templeti kunakosababishwa na kuunganisha matokeo ya mara nyingi.
Muundo unaoweza kuhaririwa: Modeli ya Layer hugawanya muundo wa picha katika tabaka za RGBA zinazojitegemea kimaana; imeshika nafasi ya kwanza katika vipimo vyote 12 vya Crello-Test, hivyo matokeo yanaweza kuendelea kuhaririwa.
Kasi kubwa na gharama ndogo: Ni mara 4.3 haraka kuliko toleo huria la 20B Qwen; baada ya uboreshaji wa kihandisi, picha hutoka kwa takribani sekunde 20, huku gharama ya kubadilisha maandishi ikiwa 1/7 tu ya GPT-image2.
Mnyororo kamili wa uwasilishaji: Kwa Design Skill na PPT Skill, unaweza kutoka moja kwa moja kwenye maandishi/picha ya marejeo hadi ukurasa wa mbele na PPT inayoweza kuhaririwa; muda wa kuona matokeo ya kwanza hupungua kutoka dakika 5 hadi sekunde 15.
Mahitaji madogo ya kupeleka: Idadi ya vigezo 6B hupunguza gharama ya uendeshaji na uundaji wa ziada; uzani na Skills zote ni chanzo huria, hivyo zana za usanifu zinaweza kujengwa kwa uhuru.

Maktaba ya modeli ya HuggingFace: https://huggingface.co/inclusionAI/Ming-Image-0.1-Design
https://huggingface.co/inclusionAI/Ming-Image-0.1-Design-Layer

Onyesho la awali la utengenezaji wa programu za AI: Kabla ya Agent kuandika msimbo, Design hutengeneza kwanza onyesho la kuona la programu, na kumwezesha mtumiaji kuthibitisha mwelekeo mapema kwa matumizi ya “unachoona ndicho unachopata”.
Uhariri wa kitaalamu wa tabaka za muundo: Gawanya bango au picha kuu ya biashara mtandaoni kuwa tabaka zinazoweza kuhaririwa kwa mbofyo mmoja. Mbunifu anaweza kubadilisha maandishi, kusogeza mada na kubadilisha mandharinyuma kivyake kwa takribani sekunde 40, kisha kuhamisha kama PSD.
Kurejesha ukurasa wa mbele (Visual Coding): Ingiza muundo au picha ya skrini; baada ya Layer kutenganisha nyenzo, ukurasa wa mbele unaoweza kuendeshwa hutengenezwa kiotomatiki na kuthibitishwa na kusahihishwa kupitia ulinganishaji wa picha za skrini.
Urejeshaji wa haraka wa PPT: Rejesha muundo mmoja wa picha kuwa ukurasa wa PowerPoint unaoweza kuhaririwa; maandishi, rangi na picha vinaweza kuendelea kurekebishwa, huku ikoni na vielelezo vikitolewa na kutumiwa tena moja kwa moja.