Z-Imageবিনামূল্যে অনলাইন AI ইমেজ এডিটর এবং জেনারেটর

Z-Image একটি শক্তিশালী AI মডেল যা ফটোরিয়েলিস্টিক ইমেজ জেনারেশন, চাইনিজ এবং ইংরেজি উভয় টেক্সটের নির্ভুল রেন্ডারিং এবং দ্বিভাষিক নির্দেশনার শক্তিশালী মেনে চলার ক্ষমতা রাখে। এটি মাত্র ৮টি ধাপে প্রতিযোগী বা তার চেয়ে বেশি পারফরম্যান্স অর্জন করে।

Z-Image মডেল একটি স্কেলেবল সিঙ্গেল-স্ট্রিম DiT (S3-DiT) আর্কিটেকচার গ্রহণ করে। এই ডিজাইনটি বিভিন্ন শর্তসাপেক্ষ ইনপুট (যেমন টেক্সট এবং ইমেজ এম্বেডিংস) এবং শোরগোল সংবলিত ইমেজ লেটেন্টসকে একটি একক সিকোয়েন্সে একীভূত করে, যা তারপর ট্রান্সফর্মার ব্যাকবোনে ফিড করা হয়। টেক্সট, ভিজ্যুয়াল সিমান্টিক টোকেন এবং ইমেজ VAE টোকেন সিকোয়েন্স স্তরে সংযুক্ত করা হয় একটি একীভূত ইনপুট স্ট্রিম হিসাবে কাজ করতে, যা ডুয়াল-স্ট্রিম পদ্ধতির তুলনায় প্যারামিটার দক্ষতা সর্বাধিক করে।

একটি ৬ বিলিয়ন প্যারামিটার মডেলের জন্য, এটি ইমেজ জেনারেশনে ব্যতিক্রমীভাবে ভালো পারফর্ম করে। ModelScope প্ল্যাটফর্মে পরীক্ষার সময় (যা NVIDIA A10 GPU ব্যবহার করে), বেশিরভাগ জেনারেশন মাত্র ৯টি ধাপে সর্বোচ্চ ২ সেকেন্ড সময় নেয়। উচ্চ-প্রান্ত ভোক্তা GPU-তে (যেমন RTX 3090 বা 4090), এটি প্রায় ২ থেকে ৩ সেকেন্ড সময় নেবে, যখন মধ্য-পরিসরের কার্ড ৪ থেকে ৫ সেকেন্ড সময় নেবে।