HunyuanImage-2.1核心功能解密PromptEnhancer模块如何让文本生成图片精度提升30%【免费下载链接】HunyuanImage-2.1HunyuanImage-2.1: An Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation项目地址: https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1HunyuanImage-2.1是一款高效的扩散模型专为高分辨率2K文本到图像生成而设计。其中PromptEnhancer模块作为核心功能之一通过智能优化提示词显著提升了文本生成图片的精度和质量。本文将深入解析这一模块的工作原理、使用方法以及实际效果帮助用户更好地利用HunyuanImage-2.1进行创作。什么是PromptEnhancer模块PromptEnhancer模块也称为RePrompt模块是HunyuanImage-2.1中用于优化文本提示词的关键组件。它通过特定的算法和模型对用户输入的原始提示词进行改写和增强使其更符合图像生成模型的需求从而提高生成图片的准确性和细节丰富度。该模块的核心代码位于hyimage/models/reprompt/reprompt.py主要包含一个RePrompt类实现了提示词的加载、处理和生成等功能。PromptEnhancer模块的工作原理提示词改写规则PromptEnhancer模块遵循一系列严格的提示词改写规则以确保生成的提示词能够准确传达用户的意图并符合图像生成模型的要求。这些规则包括内容一致性改写后的提示词必须包含与原始提示词一致的主体、动作、数量、风格、布局、关系、属性和文字等元素。结构清晰性采用“总-分-总”的结构使信息层次分明便于模型理解。客观性避免主观臆断和情感评价保持中立。主次分明先描述最重要的元素再描述次要和背景元素。逻辑严谨遵循空间逻辑或主次逻辑使读者能够在大脑中重建画面。结尾点题用一句话总结图像的整体风格或类型。这些规则被编码在SYSTEM_PROMPT常量中作为指导模型进行提示词改写的依据。模型架构与实现PromptEnhancer模块基于预训练的因果语言模型如PromptEnhancer-32B实现。在初始化RePrompt类时会加载指定路径下的预训练模型和分词器self.model AutoModelForCausalLM.from_pretrained(models_root_path, device_mapdevice_map, trust_remote_codeTrue) self.tokenizer AutoTokenizer.from_pretrained(models_root_path, trust_remote_codeTrue)在生成提示词时模块会将系统提示和用户输入的原始提示词组合成对话形式然后通过模型生成改写后的提示词messages [ {role: system, content: sys_prompt}, {role: user, content: org_prompt_cot}, ] tokenized_chat self.tokenizer.apply_chat_template( messages, tokenizeTrue, add_generation_promptTrue, return_tensorspt, enable_thinkingFalse ) outputs self.model.generate(tokenized_chat, max_new_tokens2048)生成的结果会经过正则表达式提取和后处理得到最终的优化提示词。如何使用PromptEnhancer模块加载模块在HunyuanImage-2.1的 pipeline 中可以通过设置use_repromptTrue来启用PromptEnhancer模块。例如在HunyuanImagePipeline的__call__方法中def __call__( self, prompt: Union[str, List[str]], ..., use_reprompt: bool False, ..., ): ... if use_reprompt: prompt self.reprompt_model.predict(prompt) ...下载预训练模型要使用PromptEnhancer模块需要先下载相应的预训练模型。推荐使用PromptEnhancer-32B模型可以通过以下命令下载hf download PromptEnhancer/PromptEnhancer-32B --local-dir ./ckpts/reprompt_32b实际应用示例以下是一个使用PromptEnhancer模块优化提示词的示例原始提示词一只可爱的小猫在草地上玩耍优化后的提示词一只白色的小猫在绿色的草地上玩耍它有着蓝色的眼睛和粉色的鼻子尾巴高高翘起。阳光明媚草地上点缀着五颜六色的小花。整体画面温馨可爱充满生机。通过这样的优化生成的图片能够更准确地反映用户的意图细节更加丰富。PromptEnhancer模块的效果展示PromptEnhancer模块能够显著提升文本生成图片的精度和质量。以下是一些实际案例的对比从上图可以看出使用PromptEnhancer模块优化后的提示词生成的图片在主体细节、场景布局、色彩搭配等方面都有明显的提升。无论是水晶球、人物肖像还是场景插画优化后的图片都更加生动、逼真与文本描述的一致性更高。总结PromptEnhancer模块是HunyuanImage-2.1中一项强大的功能它通过智能优化提示词有效提升了文本生成图片的精度和质量。通过遵循特定的改写规则和利用预训练模型该模块能够将简单的文本描述转化为详细、准确的图像生成指令帮助用户创造出更符合预期的高质量图片。如果你还没有体验过HunyuanImage-2.1不妨尝试使用PromptEnhancer模块感受它带来的创作提升。只需按照以下步骤克隆仓库并开始使用git clone https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1相信在PromptEnhancer模块的帮助下你一定能够创作出更加精彩的图像作品【免费下载链接】HunyuanImage-2.1HunyuanImage-2.1: An Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation项目地址: https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 HunyuanImage-2.1核心功能解密：PromptEnhancer模块如何让文本生成图片精度提升30%？
HunyuanImage-2.1核心功能解密PromptEnhancer模块如何让文本生成图片精度提升30%【免费下载链接】HunyuanImage-2.1HunyuanImage-2.1: An Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation项目地址: https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1HunyuanImage-2.1是一款高效的扩散模型专为高分辨率2K文本到图像生成而设计。其中PromptEnhancer模块作为核心功能之一通过智能优化提示词显著提升了文本生成图片的精度和质量。本文将深入解析这一模块的工作原理、使用方法以及实际效果帮助用户更好地利用HunyuanImage-2.1进行创作。什么是PromptEnhancer模块PromptEnhancer模块也称为RePrompt模块是HunyuanImage-2.1中用于优化文本提示词的关键组件。它通过特定的算法和模型对用户输入的原始提示词进行改写和增强使其更符合图像生成模型的需求从而提高生成图片的准确性和细节丰富度。该模块的核心代码位于hyimage/models/reprompt/reprompt.py主要包含一个RePrompt类实现了提示词的加载、处理和生成等功能。PromptEnhancer模块的工作原理提示词改写规则PromptEnhancer模块遵循一系列严格的提示词改写规则以确保生成的提示词能够准确传达用户的意图并符合图像生成模型的要求。这些规则包括内容一致性改写后的提示词必须包含与原始提示词一致的主体、动作、数量、风格、布局、关系、属性和文字等元素。结构清晰性采用“总-分-总”的结构使信息层次分明便于模型理解。客观性避免主观臆断和情感评价保持中立。主次分明先描述最重要的元素再描述次要和背景元素。逻辑严谨遵循空间逻辑或主次逻辑使读者能够在大脑中重建画面。结尾点题用一句话总结图像的整体风格或类型。这些规则被编码在SYSTEM_PROMPT常量中作为指导模型进行提示词改写的依据。模型架构与实现PromptEnhancer模块基于预训练的因果语言模型如PromptEnhancer-32B实现。在初始化RePrompt类时会加载指定路径下的预训练模型和分词器self.model AutoModelForCausalLM.from_pretrained(models_root_path, device_mapdevice_map, trust_remote_codeTrue) self.tokenizer AutoTokenizer.from_pretrained(models_root_path, trust_remote_codeTrue)在生成提示词时模块会将系统提示和用户输入的原始提示词组合成对话形式然后通过模型生成改写后的提示词messages [ {role: system, content: sys_prompt}, {role: user, content: org_prompt_cot}, ] tokenized_chat self.tokenizer.apply_chat_template( messages, tokenizeTrue, add_generation_promptTrue, return_tensorspt, enable_thinkingFalse ) outputs self.model.generate(tokenized_chat, max_new_tokens2048)生成的结果会经过正则表达式提取和后处理得到最终的优化提示词。如何使用PromptEnhancer模块加载模块在HunyuanImage-2.1的 pipeline 中可以通过设置use_repromptTrue来启用PromptEnhancer模块。例如在HunyuanImagePipeline的__call__方法中def __call__( self, prompt: Union[str, List[str]], ..., use_reprompt: bool False, ..., ): ... if use_reprompt: prompt self.reprompt_model.predict(prompt) ...下载预训练模型要使用PromptEnhancer模块需要先下载相应的预训练模型。推荐使用PromptEnhancer-32B模型可以通过以下命令下载hf download PromptEnhancer/PromptEnhancer-32B --local-dir ./ckpts/reprompt_32b实际应用示例以下是一个使用PromptEnhancer模块优化提示词的示例原始提示词一只可爱的小猫在草地上玩耍优化后的提示词一只白色的小猫在绿色的草地上玩耍它有着蓝色的眼睛和粉色的鼻子尾巴高高翘起。阳光明媚草地上点缀着五颜六色的小花。整体画面温馨可爱充满生机。通过这样的优化生成的图片能够更准确地反映用户的意图细节更加丰富。PromptEnhancer模块的效果展示PromptEnhancer模块能够显著提升文本生成图片的精度和质量。以下是一些实际案例的对比从上图可以看出使用PromptEnhancer模块优化后的提示词生成的图片在主体细节、场景布局、色彩搭配等方面都有明显的提升。无论是水晶球、人物肖像还是场景插画优化后的图片都更加生动、逼真与文本描述的一致性更高。总结PromptEnhancer模块是HunyuanImage-2.1中一项强大的功能它通过智能优化提示词有效提升了文本生成图片的精度和质量。通过遵循特定的改写规则和利用预训练模型该模块能够将简单的文本描述转化为详细、准确的图像生成指令帮助用户创造出更符合预期的高质量图片。如果你还没有体验过HunyuanImage-2.1不妨尝试使用PromptEnhancer模块感受它带来的创作提升。只需按照以下步骤克隆仓库并开始使用git clone https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1相信在PromptEnhancer模块的帮助下你一定能够创作出更加精彩的图像作品【免费下载链接】HunyuanImage-2.1HunyuanImage-2.1: An Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation项目地址: https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考