本文へスキップ

CogView4-6B

中国語または英語の文章から高解像度の画像を生成

公式サイトを見る

CogView4-6B とは

本モデルは清華大学の知識工学グループが開発したテキストから画像への生成モデルと紹介され、深層学習に基づき文章の説明から画像を生成する。 機能一覧は高解像度の出力、多言語入力、効率的な推論を挙げ、画像生成のベンチマークとして DPG-Bench と GenEval を示す。

できること

  • 512 から 2048 ピクセルの範囲で画像を生成する
  • 中国語または英語で文章の提示を入力する
  • モデルの CPU オフロードと 4 ビットのテキストエンコーダでメモリを削減する
  • BF16 または FP32 の精度で動作し掲載された指標を確認する

使用例

  • 説明から海辺の赤いスポーツカーの画像を描く
  • 中国語の文章から伝統的な祭りの場面を描く
  • 英語の説明から SF の場面を描く

導入の手順

  • Diffusers ライブラリをソースから導入しモデルを動かす
  • CogView4Pipeline.from_pretrained で事前学習済みモデルを読み込む
  • enable_model_cpu_offload や vae.enable_slicing などを設定する
  • 場面・色・物体を描写した詳しい文章の提示を入力する

長所と短所

✓ 良い点

  • 詳細なモデルの指標と性能のデータが提供される
  • BF16 と FP32 の精度に対応する

! 注意したい点

  • 実行前に Diffusers ライブラリをソースから導入する必要がある
  • 生成結果は入力した文章の提示に左右される

よくある質問

提示に使える言語は?

機能一覧は中国語と英語の文章入力を挙げる。

対応する解像度は?

資料は 512 から 2048 ピクセルの高解像度生成を説明。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法