Kolors
El modelo de texto a imagen de pesos abiertos de Kuaishou, fuerte con prompts en chino
Kolors es el modelo de texto a imagen de pesos abiertos de Kuaishou, publicado en julio de 2024. Es un modelo de difusión latente de unos 2600 millones de parámetros, construido sobre una arquitectura U-Net, y usa ChatGLM como codificador de texto en lugar de un codificador al estilo CLIP, lo que le da una ventaja clara al leer y dibujar prompts en chino y texto chino dentro de las imágenes. Genera a una resolución nativa de 1024x1024 y admite varias relaciones de aspecto. Kuaishou lo entrenó con miles de millones de pares texto-imagen y publicó los pesos en GitHub y Hugging Face, gratis para uso de investigación, con un proceso de registro aparte para el despliegue comercial. Junto a modelos como Flux y Stable Diffusion 3, Kolors es uno de los pocos modelos de imagen abiertos de uso amplio que trata bien las escrituras no latinas.