Kolors

Kolors ist das Text-zu-Bild-Modell von Kuaishou mit offenen Gewichten und wurde im Juli 2024 veröffentlicht. Es ist ein latentes Diffusionsmodell mit etwa 2,6 Milliarden Parametern auf Basis einer U-Net-Architektur. Als Text-Encoder nutzt es ChatGLM statt eines CLIP-ähnlichen Encoders. Dadurch kann es chinesischsprachige Eingaben und chinesische Schrift in Bildern besonders gut lesen und darstellen. Das Modell generiert Bilder nativ mit einer Auflösung von 1024 × 1024 Pixeln und unterstützt verschiedene Seitenverhältnisse. Kuaishou trainierte es mit Milliarden von Text-Bild-Paaren und veröffentlichte die Gewichte kostenlos für Forschungszwecke auf GitHub und Hugging Face. Für den kommerziellen Einsatz ist ein separates Registrierungsverfahren erforderlich. Neben Modellen wie Flux und Stable Diffusion 3 zählt Kolors zu den wenigen weit verbreiteten offenen Bildmodellen, die nicht-lateinische Schriftsysteme gut verarbeiten.