Saltar al contenido principal
PixelDiT es el transformer de difusión en espacio de píxeles de NVIDIA para la generación de texto a imagen a 1024px. A diferencia de los modelos de difusión tradicionales que operan en el espacio latente, PixelDiT genera imágenes directamente en el espacio de píxeles mediante una arquitectura DiT de dos niveles: un DiT a nivel de parche combinado con un DiT a nivel de píxel, con fusión MM-DiT para la atención conjunta entre tokens de texto e imagen. Aspectos destacados del modelo:
  • Sin VAE: genera directamente en el espacio de píxeles, sin codificación ni decodificación VAE tradicional
  • DiT de dos niveles: DiT a nivel de parche + DiT a nivel de píxel para una generación de alta calidad
  • Múltiples relaciones de aspecto: resolución base de 1024px con soporte para varias relaciones de aspecto
  • ~1.3B parámetros: lo bastante eficiente para GPUs de consumo
  • Licencia: NSCLv1 (solo para investigación y evaluación no comercial)
Enlaces relacionados:

Flujo de trabajo de texto a imagen con PixelDiT

Flujo de trabajo de texto a imagen con PixelDiT

Descargar flujo de trabajo

Descarga el JSON o busca “PixelDiT” en la Biblioteca de plantillas

Ejecutar en Comfy Cloud

Abrir en la nube
Asegúrate de que tu ComfyUI esté actualizado.Los flujos de trabajo de esta guía se encuentran en las Plantillas de flujos de trabajo. Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:
  1. No estás usando la última versión de ComfyUI (versión nocturna)
  2. Algunos nodos fallaron al importarse durante el inicio
El flujo de trabajo consta de tres nodos principales:
  1. ResolutionSelector: elige la resolución de salida que quieras
  2. Subgrafo Text to Image (PixelDiT): el nodo de generación principal, con controles expuestos para el prompt, la semilla, la selección del modelo y la resolución
  3. SaveImage: guarda la imagen generada

Acerca de los subgrafos

Este flujo de trabajo usa nodos de subgrafo para el procesamiento modular. Consulta la documentación de subgrafos para aprender a personalizar y ampliar el flujo de trabajo.

Controles del flujo de trabajo

Los controles expuestos en el nodo de subgrafo Text to Image (PixelDiT) incluyen:

Descargas de modelos

PixelDiT usa dos archivos de modelo: un codificador de texto y el modelo de diffusion.

Codificador de texto

gemma_2_2b_it_elm_bf16.safetensors: codificador de texto Gemma-2-2B-IT

Modelo de difusión

pixeldit_1300m_1024px_bf16.safetensors: modelo de diffusion PixelDiT 1300M 1024px

Ubicación de almacenamiento de los modelos