定价
登录
Prompt
Attach MediaLibrary
Pick Character
1 / 4
💎 2 tokens
Demo Preview
Ernie Image
ERNIE-Image
ERNIE-Image是百度的开放权重文本到图像模型，适用于需要可读文本、更强提示准确性以及结构化布局的创作者，用于海报、信息图和漫画等场景。
ERNIE-Image的最佳用途
可读文本布局
百度明确定位ERNIE-Image用于密集、长篇和对布局敏感的文本。这使其更适合海报、信息图和类似UI的视觉场景，其中标签破损或文本变形会破坏设计草稿。
提示增强支持
ERNIE-Image将其DiT模型与轻量级提示增强器配对，可将短提示扩展为更丰富的描述。当创作者清楚场景类型但希望模型在生成前添加更多结构时，这种功能最为有用。
结构化场景控制
官方文档反复提到海报、漫画、故事板和多面板构图。这些用例很重要，因为布局是意义的一部分，而不是后期装饰的附加元素。
开放权重部署适配
百度表示ERNIE-Image可以在拥有24G显存的消费级GPU上运行，这对于希望本地评估开放权重模型而不是仅依赖托管图像API的团队来说是一个实际的门槛。
需要关注的核心ERNIE-Image信号
8B DiT基础
百度将ERNIE-Image发布为8B单流DiT模型，而不是模糊的未命名堆栈。
提示增强路径
短提示可以在生成前扩展，这在场景清晰但措辞稀疏时非常有用。
文本密集型优势
官方材料强调长篇和对布局敏感的文本，而不是将宣传局限于风格化艺术。
Turbo选项
ERNIE-Image-Turbo被记录为8步变体，用于更快的迭代和更轻松的审查流程。
24G显存目标
百度表示该模型可以在拥有24G显存的消费级GPU上运行，这对于本地测试计划来说很重要。
基准透明度
GenEval和LongTextBench表格已发布，但它们应该指导测试而不是替代测试。
如何评估ERNIE-Image
三个实用步骤
01
从输出类型开始
首先命名实际任务：海报、信息图、漫画面板、类似UI的场景或照片级真实构图。当结构和文本重要时，ERNIE-Image最有趣。
02
提前指定文本和布局
将标签需求、层次结构和对象关系放在提示的前面，这样模型可以在您微调风格语言之前解决硬约束。
03
比较标准版和Turbo版
将相同的提示包运行在ERNIE-Image和ERNIE-Image-Turbo上，然后保留最符合您对准确性、速度和审查努力平衡的版本。
为什么团队关注ERNIE-Image
更适合复杂提示
如果您的视觉简报包括标签、面板或结构化信息，ERNIE-Image比主要以风格样本销售的模型更容易证明其价值。
开放权重评估路径
这并不意味着部署变得简单，但它比模糊的企业专属图像产品提供了更具体的起点。
发布数据，而非口号
真正的信任信号不是ERNIE-Image声称赢得一切，而是官方材料提供了足够的细节来验证模型实际强大的领域。
探索相关AI图像工作流程
常见问题解答