# LongCat-Image

  

Kami memperkenalkan LongCat-Image, model fondasi sumber terbuka dan dwibahasa (Tionghoa-Inggris) yang perintis untuk generasi gambar, yang dirancang untuk mengatasi tantangan inti dalam render teks multibahasa, fotorealisme, efisiensi deployment, dan aksesibilitas pengembang yang umum terjadi pada model terkemuka saat ini.

### Fitur Utama
- 🌟 **Keefektifan dan Kinerja Luar Biasa**: Dengan hanya **6B parameter**, LongCat-Image melampaui banyak model open-source yang ukurannya beberapa kali lebih besar di berbagai benchmark, menunjukkan potensi besar dari desain model yang efisien.
- 🌟 **Kinerja Editing yang Unggul**: Model LongCat-Image-Edit mencapai kinerja state-of-the-art di antara model open-source, memberikan kemampuan mengikuti instruksi dan kualitas gambar yang terdepan dengan konsistensi visual yang superior.
- 🌟 **Render Teks Mandarin yang Kuat**: LongCat-Image menunjukkan akurasi dan stabilitas yang unggul dalam merender karakter Mandarin umum dibandingkan dengan model open-source SOTA yang ada, serta mencapai cakupan kamus Mandarin yang memimpin industri.
- 🌟 **Fotorealisme yang Luar Biasa**: Melalui strategi data dan kerangka pelatihan yang inovatif, LongCat-Image mencapai fotorealisme yang luar biasa pada gambar yang dihasilkan.
- 🌟 **Ekosistem Open-Source yang Komprehensif**: Kami menyediakan toolchain lengkap, mulai dari checkpoint perantara hingga kode pelatihan penuh, yang secara signifikan menurunkan hambatan untuk penelitian dan pengembangan lebih lanjut.

Untuk detail lebih lanjut, silakan merujuk pada [***Laporan Teknis LongCat-Image***](https://arxiv.org/abs/2412.11963) yang komprehensif

## Contoh Penggunaan

```py
import torch
import diffusers
from diffusers import LongCatImagePipeline

weight_dtype = torch.bfloat16
pipe = LongCatImagePipeline.from_pretrained("meituan-longcat/LongCat-Image", dtype=torch.bfloat16 )
pipe.to('cuda')  # or "mps", "xpu", "cpu"
# pipe.enable_model_cpu_offload()

prompt = '一个年轻的亚裔女性，身穿黄色针织衫，搭配白色项链。她的双手放在膝盖上，表情恬静。背景是一堵粗糙的砖墙，午后的阳光温暖地洒在她身上，营造出一种宁静而温馨的氛围。镜头采用中距离视角，突出她的神态和服饰的细节。光线柔和地打在她的脸上，强调她的五官和饰品的质感，增加画面的层次感与亲和力。整个画面构图简洁，砖墙的纹理与阳光的光影效果相得益彰，突显出人物的优雅与从容。'
image = pipe(
    prompt,
    height=768,
    width=1344,
    guidance_scale=4.0,
    num_inference_steps=50,
    num_images_per_prompt=1,
    generator=torch.Generator("cpu").manual_seed(43),
    enable_cfg_renorm=True,
    enable_prompt_rewrite=True,
).images[0]
image.save(f'./longcat_image_t2i_example.png')
```

Pipeline ini disumbangkan oleh LongCat-Image Team. Basis kode aslinya dapat ditemukan [di sini](https://github.com/meituan-longcat/LongCat-Image).

Model yang tersedia:

  
    
      
        Model Jenis Deskripsi Tautan Unduhan
      
    
    
      
        LongCat‑Image Text‑to‑Image Rilis Akhir. Model standar untuk inferensi langsung tanpa konfigurasi tambahan.
        
          🤗 Huggingface
        
      
      
        Pengembangan LongCat‑Image‑Dev Text‑to‑Image. Checkpoint mid-training, cocok untuk fine-tuning.
        
          🤗 Huggingface
        
      
      
        LongCat‑Image‑Edit Model khusus untuk pengeditan gambar.
        
          🤗 Huggingface
        
      
    
  

## LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

#### diffusers.LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

```python
diffusers.LongCatImagePipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKL, text_encoder: Qwen2_5_VLForConditionalGeneration, tokenizer: Qwen2Tokenizer, text_processor: Qwen2VLProcessor, transformer: LongCatImageTransformer2DModel)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/longcat_image/pipeline_longcat_image.py#L205)

Pipeline untuk generasi teks-ke-gambar.

- semua
- __call__

## LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

#### diffusers.pipelines.longcat_image.LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

```python
diffusers.pipelines.longcat_image.LongCatImagePipelineOutput(images: list[PIL.Image.Image, numpy.ndarray])
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/longcat_image/pipeline_output.py#L10)

**Parameter:**

images (`list[PIL.Image.Image]` atau `np.ndarray`) : Daftar gambar PIL yang telah didenois dengan panjang `batch_size` atau array numpy dengan bentuk `(batch_size, height, width, num_channels)`. Gambar PIL atau array numpy menyajikan gambar-gambar yang telah didenois dari pipeline difusi.

Kelas output untuk pipeline Stable Diffusion.