Publication open source de HiDream-I1 - Modèle de génération d'images de nouvelle génération

HiDream.ai a officiellement publié en open source son dernier modèle texte-image HiDream-I1 le 7 avril 2025. Avec 17 milliards de paramètres, ce modèle peut générer des images de haute qualité en quelques secondes et a obtenu des scores de premier plan dans plusieurs tests de référence.

Caractéristiques du modèle

• ✨ Qualité d'image supérieure - Prend en charge les styles réalistes, de dessins animés, artistiques et divers autres styles, atteignant des résultats SOTA dans l'évaluation HPSv2.1, hautement alignés avec les préférences esthétiques humaines
• 🎯 Excellente réponse aux instructions - Performances exceptionnelles dans les benchmarks GenEval et DPG, surpassant tous les autres modèles open source
• 🔓 Entièrement open source - Publié sous licence MIT, soutenant la recherche scientifique et les applications innovantes
• 💼 Compatible avec les entreprises - Les images générées peuvent être librement utilisées pour des projets personnels, la recherche scientifique et les applications commerciales

Versions disponibles du modèle

HiDream.ai propose trois versions du modèle HiDream-I1 pour répondre à différents besoins :

| Nom du modèle | Étapes d'inférence | Caractéristiques | Lien vers le dépôt | |

• |

|

• |

| | HiDream-I1-Full | 50 | Version complète, meilleure qualité | 🤗 HiDream-I1-Full | | HiDream-I1-Dev | 28 | Version distillée, équilibre entre efficacité et efficacité | 🤗 HiDream-I1-Dev | | HiDream-I1-Fast | 16 | Version rapide, adaptée aux besoins de génération en temps réel | 🤗 HiDream-I1-Fast |

Points forts techniques

HiDream-I1 utilise un modèle DiT avec architecture Mixture of Experts (MoE), combinant des blocs MMDiT à double flux avec des blocs DiT à flux unique, allouant efficacement les ressources de calcul grâce à des mécanismes de routage dynamique. Le modèle intègre plusieurs encodeurs de texte, notamment OpenCLIP ViT-bigG, OpenAI CLIP ViT-L, T5-XXL et Llama-3.1-8B-Instruct, améliorant considérablement les capacités de compréhension sémantique.

Résultats des benchmarks

DPG-Bench

| Modèle | Global | Global | Entity | Attribute | Relation | Other | |

|

|

|

|

|

--
PixArt-alpha
SDXL
DALL-E 3
Flux.1-dev
SD3-Medium
Janus-Pro-7B
CogView4-6B
HiDream-I1

GenEval

| Modèle | Global | Single Obj. | Two Obj. | Counting | Colors | Position | Color attribution | |

|

|

-- |

-- |

-- |

|

-- |

-- | | SDXL | 0.55 | 0.98 | 0.74 | 0.39 | 0.85 | 0.15 | 0.23 | | PixArt-alpha | 0.48 | 0.98 | 0.50 | 0.44 | 0.80 | 0.08 | 0.07 | | Flux.1-dev | 0.66 | 0.98 | 0.79 | 0.73 | 0.77 | 0.22 | 0.45 | | DALL-E 3 | 0.67 | 0.96 | 0.87 | 0.47 | 0.83 | 0.43 | 0.45 | | CogView4-6B | 0.73 | 0.99 | 0.86 | 0.66 | 0.79 | 0.48 | 0.58 | | SD3-Medium | 0.74 | 0.99 | 0.94 | 0.72 | 0.89 | 0.33 | 0.60 | | Janus-Pro-7B | 0.80 | 0.99 | 0.89 | 0.59 | 0.90 | 0.79 | 0.66 | | HiDream-I1 | 0.83 | 1.00 | 0.98 | 0.79 | 0.91 | 0.60 | 0.72 |

Benchmark HPSv2.1

| Modèle | Moyenne | Animation | Concept-art | Painting | Photo | |

|

• |

|

-- |

--
Stable Diffusion v2.0
Midjourney V6
SDXL
Dall-E3
SD3
Midjourney V5
CogView4-6B
Flux.1-dev
stable cascade
HiDream-I1

Démarrage

Pour essayer le modèle HiDream-I1, visitez le dépôt GitHub du projet pour des guides détaillés d'installation et d'utilisation : Dépôt GitHub HiDream-I1

Vous pouvez également télécharger directement les poids du modèle depuis Hugging Face, en choisissant la version qui convient à vos besoins.

Conseil : L'utilisation de ce modèle nécessite l'installation de Flash Attention, avec la version CUDA 12.4 recommandée. Le modèle utilise également Llama-3.1-8B-Instruct, alors assurez-vous d'avoir une connexion réseau et un espace disque adéquats.

Liens connexes

• Site web du produit : https://vivago.ai/
• Dépôt GitHub : https://github.com/HiDream-ai/HiDream-I1
• Dépôts de modèles Hugging Face :
  • HiDream-I1-Full
  • HiDream-I1-Dev
  • HiDream-I1-Fast