PsyEyesOfficial

У меня рядом с городом недавно построили автомобильный завод Haval, и я то и дело вижу китайскую братву всем автобусом раз в неделю-другую заполоняющую старый гипермаркет Магнит. Такие маленькие прикольные: все черноволосые, все в чёрной одежде, все почти одного роста, ну и на лица естественно похожие так, что у нейронки мозг вспотеет как их различить. Но сейчас не об этом.

Иду я сегодня по своим делам в другой части города, и тут мне на встречу молодой китаец. Весь напуганный, чувствуется что куда-то не успевает и заблудился. Показывает мне экран телефона, на котором что-то вроде расписания и на русском написано Новый Магнит. Я думаю "новый" это какой? Их десятки по городу. Вспоминаю, что через дорогу тоже есть Магнит и показываю ему на красную вывеску. Он пишет на экране своего переводчика "В ту сторону?". Я ему уже двумя руками как в меме показывают на здание напротив с присказкой "This building! This ONE!" Он ни в какую, пишет в переводчике "5 минут в ту сторону?". То что рисовая братва не знает ни английского, ни русского - только китайский и язык калькулятора (...100... ДОЛЛАРЬ) я знал ещё по выставкам аудио-видео техники. Жаль, что это не меняется.

Я подумал проще будет его просто через дорогу перевести. Но тут проходящий мимо русский чувак ему свистнул, показал рукой на Магнит, и тот пошел через дорогу сам... "О как! - думаю. - Ну и хорошо". И пошёл дальше в другую сторону по своим делам.

Иду и думаю, что надо на всякий подобный случай скачать в Google Translate китайский языковой пакет. В настройках поставил на закачку сразу и традиционный и упрощенный - никогда не знаешь что тебе пригодится. Я в 2018 году был в Швейцарии и там есть франкоговорящие регионы (до Берна) и германоговорящие. Будучи в Вербье, я через Booking снимал место в шалле у пожилой женщины, и как выяснилось по приезду она вообще ни слова по английски - только французский. И тут как раз пригодился Google Translate с аудиорежимом: она говорит на французском <—> я читаю перевод <—> я отвечаю ей на англисйком (чтобы гугл лучше реагировал) <—> она читает перевод. И так потихоньку разрулились. У неё там кстати до меня японская делегация была, они ей оригами журавлика оставили... А я ей оригами котика сделал, так что у неё после меня оставался целый контактный зоопарк.

Докачались языки на телефон. Иду по тротуару уже километр-полтора... И тут боковым зрением вижу китайца идущего по проезжей части и оглядывающегося по сторонам с мешком в обнимку. Я сначала подумал может это другой китаец, но мозжечком понимаю, что это тот же самый.

Я осознаю, что это идеальный случай затестить новый разговорный режим в Google Translate с автоматическим распознаванием языка (в том числе русского) и окрикиваю бедолагу. Он подходит и я говорю в переводчик: "Ты знаешь точный адрес куда тебе нужно?", ему выдаётся перевод, но он мне показывает на экране на тот же Новый Магнит. Иного я и не ждал. Дальше разговор через переводчик:

- "Твоя китайская братва от Haval обычно тусуется возле Магнита в той стороне"
- Он читает и радостно кивает Йес Йэс!
- "Давай я вызову тебе такси"
- Йэс, Йэс! Сэнк Йу! (ну хоть что-то он знает по-английски)
- "У тебя есть деньги? Наличные или карта"
- Йэс, Йэс!

Пока я переключаюсь на приложение такси он оглядывается как буд-то от этого зависит его жизнь. Хотя будучи наслышанным про китайскую рабочую этику, я не удивлюсь.

Вызываю ему такси и пока мы ждём я его спрашиваю как тебя зовут. Он мне отвечает в переводчик, и я читаю: "Дерево, приносящее убытки". Я засмеялся. Понимаю, что это скорее всего корявый перевод у шумной дороги. Но потом думаю, а вдруг его имя реально как-то так переводится или он поугарал?

В общем посадил птенца в такси и отправил в путь.

Уже будучи дома Гемини дал свой коммент:

Сейчас думаю надо было дать ему свой контакт в телеге, оформил бы на него Seedance/Jimeng/Kling/итд. Но ладно, поймаю у Магнита другого китайца.

Моя нейропещерка Psy Eyes
https://t.me/+U6skQIZEFgAxZjEy

Это 12B DiT модель в двух версиях:

• Raw — базовый чекпоинт для тренировки лор и файнтюна. Непригоден для инференса.

• Turbo — чекпоинт для генерации картинок. Можно использовать со своими лорами, натренированными на Raw.

Есть только text-2-image режим. Редактирования текстом, подключения рефов, Image-2-image — этого нет.

При создании датасета разработчики полностью исключили сгенерированные картинки из этапа претрейна, используя свои фильтры для очистки данных от «цифрового пластика». Благодаря этому модель выдает более живые, разнообразные и арт-ориентированные стили.

Krea 2 выдаёт изображения с высокой детализацией, хорошей анатомией, чёткими надписями, без блюра, сетки, и без шумов как Z-image Turbo при тех же 8 шагах. Модель напоминает по скорости и качеству опенсорсный Ernie-Image от Baidu, но Krea 2 не ловит таких артефактов как она.

Вместе с моделью идёт улучшайзер промта, как опять же в Ernie, но он может как сделать картинку детальнее, так и увести её в совсем другое русло. Лучше начальный промт иметь поконкретнее.

Следование самому промту в Krea 2 хорошее: сцена, персонажи и объекты будут располагаться как указано. Причём, так как текстовый энкодер Qwen3VL понимает русский, можно промтить прямо на русском. Но на любом языке ощущается малая вариативность по одному и тому же промту с разными сидами. Так что играться с промтами придётся.

Turbo модель заточена генерить в разрешениях от 1 МП (1024х1024) до 4 МП (2048х2048), хотя можно выставить и 16 МП (4096х4096), но тогда появляются проблемы с анатомией и часто объекты/персонажи начинают двоиться в кадре. В 2048х2048 картинка ощутимо чётче и детальнее, чем в 1024х1024. Можно даже сказать 2048х2048 стоит использовать как дефолтное разрешение. В воркфлоу из шаблонов Comfy размер картинки задаётся в МП (мегапикселях) в ноде Resolution Selector. Если что, её можно отстегнуть и задавать разрешение вручную.

Тесты а 4090 и 128 ГБ RAM:

При использовании Krea 2 Turbo bf16 и текстового энкодера Qwen3VL 4B bf16 в видеокарту загружается до ~23 ГБ VRAM, а в оперативку до ~10 ГБ. На генерацию 1024x1024, 8 шагов, cfg 1 = уходит 5 сек. Генка в 2048х2048 уже занимает 23 сек.

Использование fp8 весов модели и энкодера снизит общее потребление до 18-20 ГБ VRAM. Генерация 1024x1024, 8 шагов, cfg 1 = займёт 4 сек, а 2048х2048 уже 21 сек. Качество при этом останется хорошим, но могут появиться лишние конечности, а изображение потеряет немного в чёткости и станет шумным в мехе и подобных мелких вещах.

Тренировка лор уже завезена в AI-Toolkit, а также в Musubi. Я опробовал треню в AI-Toolkit и модель очень быстро подхватывает нужный стиль. На моём железе квантованная версия тренируется на скорости ~6 сек/шаг, а неквантованная уже +6 мин/шаг.

Krea и сами выпустили подборку лор, которые можно использовать в воркфлоу Comfy из шаблонов. У кого-то даже получается на Krea 2 натренировать лору на стиль, который раньше не давался.

Разрабы выпустили технический отчёт с деталями по тренировке модели. Ждём теперь от рисовой братвы новых качественных генераторов картинок и финтов с Krea 2, которым её не учили. Кто-то уже NSFW прикрутил.

Есть гайд по промтингу от Krea.

Лицензия разрешает использование модели в коммерческих целях, если общий доход за год меньше $1 млн, и не пилится NSFW на её основе.

Отдельный респект им за выкладывание модели торрентом с магнитной ссылкой.

magnet:?xt=urn:btih:2a644d0279182a022d08dd395ea593cfcc218e12&dn=watering-hole.zip

С хаггинга то и дело качаешь сотни гигов, и у них то скорость скачивания падает, то оно обрывается и надо качать заново. А если бы они бы генерили магнетлинки, то через qBittorent и иже с ними всё качалось бы без проблем, да и нагрузка на их сервера была бы меньше.

Демо

Playground

Анонс

Технический отчёт

Гитхаб

Хаггинг

Гайд по промтингу

API

Моя нейропещерка Psy Eyes: https://t.me/+U6skQIZEFgAxZjEy

Доллар по ~31,5 руб на тот момент.

Я тогда у себя в городе таких цен не видел. На рынке пиратки были по 100-150 руб. А диски менялись и того дешевле. Единственно лицушный первый Splinter Cell на 3-4 дисках мне тогда родители купили за 300 руб где-то. Это был первый и единственный раз, когда я прочитал от начала и до конца пользовательское соглашение.

Вот заодно ещё немного дублей