Kolors

KolorsはKuaishouが2024年7月に公開したオープンウェイトのテキスト画像生成モデルです。U-Netアーキテクチャを基にした潜在拡散モデルで、約26億のパラメータを持ちます。CLIP系のエンコーダーではなくChatGLMをテキストエンコーダーとして使うため、中国語のプロンプトや画像内の中国語テキストの読み取り・描画に強みがあります。ネイティブの1024×1024解像度で画像を生成し、複数のアスペクト比に対応します。数十億組のテキストと画像で学習し、GitHubとHugging Faceで重みを公開しました。研究には無料で使えますが、商用展開には別途登録が必要です。FluxやStable Diffusion 3などと並び、ラテン文字以外の文字を適切に扱える広く使われているオープン画像モデルの1つです。