Ovis-Image en ComfyUI: modelo de renderizado de texto de 7B

• Renderizado de texto sólido a escala 7B: ofrece una calidad de renderizado de texto comparable a la de sistemas mucho más grandes, de la clase de 20B, como Qwen-Image, y competitiva con modelos de código cerrado líderes como GPT4o en escenarios centrados en texto
• Alta fidelidad en prompts con mucho texto: destaca en prompts que exigen una alineación estrecha entre el contenido lingüístico y la tipografía renderizada (por ejemplo, pósteres, banners, logotipos, maquetas de UI, infografías)
• Renderizado de texto bilingüe preciso: produce texto legible, con la ortografía correcta y semánticamente coherente tanto en chino como en inglés, en fuentes, tamaños y relaciones de aspecto diversos
• Eficiencia y facilidad de despliegue: cabe en una sola GPU de gama alta con memoria moderada y admite un uso interactivo de baja latencia

• GitHub
• Hugging Face

​

Flujo de trabajo de texto a imagen de Ovis-Image

​

Ovis-Image: texto a imagen

​

Enlaces del modelo

• ovis_2.5.safetensors

• ovis_image_bf16.safetensors

• ae.safetensors

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 text_encoders/
│   │      └── ovis_2.5.safetensors
│   ├── 📂 diffusion_models/
│   │      └── ovis_image_bf16.safetensors
│   └── 📂 vae/
│          └── ae.safetensors