ERNIE-Image 8B 开源：8B 参数实现顶级文生图与精准文字渲染

📌 一句话摘要

百度文心大模型团队开源了基于单流 DiT 架构的 8B 参数文生图模型 ERNIE-Image，其在指令遵循、精准文字渲染及复杂布局生成上表现卓越，并推出支持 8 步快速推理的 Turbo 版本，模型权重与推理代码已全部开源。

📝 详细摘要

文章宣布了百度文心大模型团队开源其 8B 参数文生图模型 ERNIE-Image 及其 Turbo 版本。该模型基于单流 DiT 架构，仅需 24GB 显存即可在消费级显卡上运行，并在 GenEval、OneIG、LongTextBench 等主流评测基准上全面领先开源模型，效果接近顶级商业模型。文章详细介绍了模型在精准文字渲染、复杂指令跟随、结构化生成（如海报、漫画分镜）以及多元风格覆盖方面的核心优势。同时，文章提供了详细的推理部署指南（支持 Diffusers、SGLang、DiffSynth 三种方式）和 LoRA 训练教程，旨在降低研究与生产环境的使用门槛。

💡 主要观点

- ERNIE-Image 以 8B 小参数量实现了媲美顶级商业模型的文生图性能。 该模型在 GenEval、OneIG、LongTextBench 等多个主流评测基准上均取得开源模型第一或前列的成绩，证明了其极高的参数效率，仅需 24GB 显存即可部署。

模型在精准文字渲染和复杂指令跟随方面具有显著优势。 特别擅长处理高密度文本、长文本及版式敏感的文字生成任务，支持中英文渲染，并在面对多主体关系、细节约束等复杂 prompt 时保持强理解与执行能力。

内置 Prompt Enhancer 以充分发挥模型在结构化长 prompt 下的潜力。 模型内置一个 3B 参数的轻量级提示词增强器，可将用户的简短描述自动扩展为更详细、结构化的 prompt，从而在海报、动漫、网页布局等结构化视觉任务中显著提升生成质量。

提供完整的开源生态与部署方案，极大降低了使用门槛。 不仅开源了模型权重，还详细提供了基于 Diffusers、SGLang、DiffSynth 的推理代码，以及使用 DiffSynth-Studio 进行 LoRA 训练的完整教程，支持从快速体验到定制化微调的全流程。

💬 文章金句

- 百度文心大模型团队开源了基于单流 DiT 架构的 8B 参数文生图模型 ERNIE-Image，仅需 24GB 显存的消费级显卡即可运行，在指令遵循、文字渲染等主流 benchmark 上全面领先开源模型。

• ERNIE-Image 在 GenEval、OneIG、LongTextBench 等主流评测中全面领先开源模型，整体效果接近 NanoBanana、Seedream 4.5 等最先进模型。
• ERNIE-Image 证明了 8B 参数模型可以在文字渲染、复杂指令跟随、结构化生成和多元风格表达上与更大规模模型竞争，同时保持消费级硬件可部署的实用性。

📊 文章信息

AI 初评：88

来源：魔搭ModelScope社区

作者：魔搭ModelScope社区

分类：人工智能

语言：中文

阅读时间：12 分钟

字数：2956

标签： 文生图, 扩散模型, DiT, 模型开源, 百度文心

阅读完整文章