SenseNova U1.5-Lite-Preview – شانتانگ کا اوپن سورس ہلکا پھلکا ملٹی موڈل ماڈل آپریشن میں

SenseNova U1.5-Lite-Preview شانتانگ ٹیکنالوجی کا اوپن سورس ہلکے پھلکے مقامی متحدہ ملٹی موڈل ماڈل کا پیش نظارہ ورژن ہے۔ یہ NEO-Unify آرکیٹیکچر کی بنیاد پر تیار کیا گیا ہے اور صرف 8B-MoT پیرامیٹرز کے ساتھ بصری فہم، استدلال، جنریشن اور ایڈیٹنگ کو یکجا کرتا ہے۔ ماڈل مقامی طور پر 4K تصاویر تیار کرتا ہے، باریک مقامی ساخت، حقیقی دنیا جیسا احساس، چینی و انگریزی متن کی جنریشن اور پیچیدہ لے آؤٹ کی صلاحیت رکھتا ہے، جبکہ طویل قدرتی زبان اور ساختی بصری ہدایات پر درست عمل درآمد کے لیے بہتر بنایا گیا ہے۔ اس کے ساتھ Prompt Enhance Skill پیچیدہ تخلیق کی رکاوٹ کم کرتا ہے۔

4K مقامی جنریشن: انتہائی اعلیٰ ریزولوشن کی تصاویر کو اینڈ ٹو اینڈ تیار کرتا ہے، جن کی تفصیلات زوم کرنے پر بھی برقرار رہتی ہیں۔
باریک بصری احساس: زیادہ حقیقی مادی ساخت، روشنی و سائے کی تہیں اور مقامی تفصیلات پیش کرتا ہے۔
چینی و انگریزی متن کی جنریشن: پیچیدہ لے آؤٹ میں چینی و انگریزی متن اور ٹائپوگرافی کو درست طور پر رینڈر کرتا ہے۔
تصویر کی ایڈیٹنگ اور تکرار: قدرتی زبان کی ہدایات پر مبنی مسلسل تکراری تصویر ایڈیٹنگ کی معاونت کرتا ہے۔
Prompt Enhance Skill: مختصر ضرورت کو خودکار طور پر مکمل تخلیقی منصوبے میں وسعت دیتا ہے اور ہدایات لکھنے کی رکاوٹ کم کرتا ہے۔

WeChat پر فالو کرکے “اوپن سورس” کا جواب دیں اور AI اوپن سورس پروجیکٹ کمیونٹی میں شامل ہوں
NEO-Unify متحدہ آرکیٹیکچر: ایک ہی ماڈل میں زبان، بصری معنویات اور پکسل جنریشن کی مشترکہ ماڈلنگ کرتا ہے، جس سے فہم، استدلال، جنریشن اور ایڈیٹنگ مقامی طور پر یکجا ہو جاتی ہے۔
8B-MoT ہلکا پھلکا ڈیزائن: صرف 80 ارب پیرامیٹرز کے مکسڈ ٹوکن آرکیٹیکچر کے ذریعے ہلکا پن برقرار رکھتے ہوئے ملٹی موڈل صلاحیتوں کی حدود کو وسعت دیتا ہے اور متحدہ آرکیٹیکچر کی مسلسل توسیع پذیری کی تصدیق کرتا ہے۔
مقامی پکسل-زبان میپنگ: پکسلز اور زبان سے آغاز کرتے ہوئے اینڈ ٹو اینڈ تربیت دی جاتی ہے، جس سے ماڈل زبان کی وضاحت سے بصری ساخت تک مقامی میپنگ کی صلاحیت سیکھتا ہے۔
طویل سیاق و سباق کا بصری کنٹرول: ماڈل طویل قدرتی زبان اور ساختی تخلیقی ہدایات کو سمجھنے کے لیے بہتر بنایا گیا ہے، اور متعدد پابندیوں والی درجہ بند بصری ہدایات کو درست طور پر نافذ کرتا ہے۔

ماڈل اور دستاویزات حاصل کریں: تکنیکی دستاویزات اور استدلال کا کوڈ دیکھنے کے لیے GitHub ریپوزٹری ملاحظہ کریں، یا Hugging Face سے 8B-MoT ماڈل کے وزن اور کنفیگریشن فائلیں ڈاؤن لوڈ کریں۔
ماحول کی تعیناتی: دستاویزات کے مطابق رن ٹائم ماحول ترتیب دیں اور ماڈل کے وزن لوڈ کرکے مقامی یا کلاؤڈ ماڈل کی شروعات مکمل کریں۔
بنیادی تصویر جنریشن: قدرتی زبان میں وضاحت براہ راست درج کریں، چینی اور انگریزی دونوں معاونت یافتہ ہیں، اور ماڈل مقامی طور پر 4K تصویر تیار کر دے گا۔
پیچیدہ تخلیقی ہدایات: موضوع، لے آؤٹ، انداز، متن اور پابندیوں پر مشتمل مکمل تخلیقی تقاضے فراہم کریں، ماڈل واضح بصری ساخت کے مطابق جنریشن کرے گا۔
Prompt Enhance معاونت: تجرباتی Prompt Enhance Skill کو استعمال کرکے مختصر خیال کو خودکار طور پر مکمل تخلیقی منصوبے میں وسعت دیں، پھر اسے ماڈل کے حوالے کریں۔
تصویر ایڈیٹنگ: موجودہ تصویر اپ لوڈ کریں اور قدرتی زبان میں ایڈیٹنگ ہدایات شامل کریں، ماڈل مجموعی تسلسل برقرار رکھتے ہوئے مسلسل تکراری ایڈیٹنگ مکمل کرے گا۔

ہلکا پھلکا اتحاد: صرف 8B-MoT پیرامیٹرز کے ساتھ فہم، جنریشن اور ایڈیٹنگ کو یکجا کرتا ہے اور تعیناتی لاگت کم کرتا ہے۔
4K الٹرا ہائی ڈیفینیشن: مقامی طور پر 4K ریزولوشن جنریشن کی معاونت کرتا ہے، اور بڑے کینوس پر بھی تفصیل و تسلسل برقرار رکھتا ہے۔
مضبوط ہدایات پر عمل درآمد: خصوصی Prompt Enhance فارمیٹائزیشن تربیت کے بغیر بھی طویل پیچیدہ بصری ہدایات کو مستحکم طور پر نافذ کرتا ہے۔
حقیقی احساس: مقامی ساخت، مادی روشنی و سائے اور حقیقی دنیا جیسے احساس کی پیش کش میں نمایاں بہتری۔
متن کا استحکام: چینی و انگریزی متن کی جنریشن اور پیچیدہ لے آؤٹ کی تنظیم زیادہ درست اور مستحکم ہے۔

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

تجارتی برانڈ بصری ڈیزائن: درست چینی و انگریزی متن، پیچیدہ لے آؤٹ اور مخصوص بصری انداز والے پوسٹرز، انفوگرافکس اور برانڈ تشہیری مواد تیزی سے تیار کریں، تاکہ اعلیٰ کنٹرول والی تجارتی تخلیق کی ضروریات پوری ہوں۔
انتہائی چوڑے بیانیہ طومار: 4K الٹرا ہائی ڈیفینیشن ریزولوشن میں تاریخی زمانی خاکے اور ثقافتی طومار جیسے مسلسل بیانیہ مواد تخلیق کریں، جہاں بڑی مقدار میں متن اور آئیکن کی تفصیلات زوم کرنے پر بھی واضح اور مستحکم رہیں۔
فن تعمیر اور مصنوعات کی تصوراتی بصری عکاسی: انتہائی حقیقی عمارتوں کے بیرونی رینڈر، اندرونی جگہوں کے تصوراتی خاکے اور مصنوعات کی نمائش کی تصاویر تیار کریں، جو حقیقی مادی ساخت، روشنی و سائے کی تہوں اور خلائی ماحول کو پیش کریں۔
فوٹوگرافی معیار کے پورٹریٹ اور کلوز اپ: ماڈل باریک جلدی ساخت، قدرتی روشنی و سائے اور حقیقی احساس والے پورٹریٹ، چہرے کے کلوز اپ اور موضوعاتی شخصی فن پارے تیار کر سکتا ہے، جبکہ پیچیدہ کمپوزیشن اور مخصوص انداز کی معاونت بھی کرتا ہے۔
ریٹرو اور کولاج آرٹ: ماڈل متعدد عناصر کے امتزاج سے ریٹرو اسکریپ بُک، کولاج پوسٹرز اور نیچرل ہسٹری گائیڈ جیسے اسٹائلش بصری فن پارے تیار کرتا ہے، اور کاغذی ساخت، ڈاک ٹکٹ اور ہاتھ سے لکھے متن جیسی تفصیلات کو درست طور پر پیش کرتا ہے۔