Text-To-Pokémon

मुख्य विशेषताएँ और विशेषताएँ

BLIP द्वारा कैप्शन की गई Pokémon इमेज पर Stable Diffusion के साथ fine-tune किया गया यह मॉडल टेक्स्ट विवरण से Pokémon-शैली की इमेज बना सकता है। पात्र बनाने के लिए prompt engineering की आवश्यकता नहीं है।

उपयोग और इनपुट पैरामीटर

• prompt (string): इनपुट प्रॉम्प्ट, जैसे Yoda।
• num_outputs (integer): आउटपुट इमेज की संख्या; 1 से 4 तक, डिफ़ॉल्ट 1।
• num_inference_steps (integer): denoising चरणों की संख्या; 1 से 50 तक, डिफ़ॉल्ट 25।
• guidance_scale (number): classifier-free guidance का स्केल; 1 से 20 तक, डिफ़ॉल्ट 7.5।
• seed (integer): रैंडम सीड; खाली छोड़ने पर इसे रैंडम किया जाएगा।

इंटीग्रेशन के तरीके

1. Node.js / Python API: Replicate क्लाइंट लाइब्रेरी इंस्टॉल करें, REPLICATE_API_TOKEN एनवायरनमेंट वेरिएबल सेट करें और version hash ff6cc781634191dd3c49097a615d2fc01b0a8aae31c448e55039a04dcbf36bba का उपयोग करके मॉडल चलाएँ। इमेज URL प्राप्त किए जा सकते हैं या इमेज को डिस्क पर लिखा जा सकता है।
2. HTTP API: curl का उपयोग करके https://api.replicate.com/v1/predictions पर POST अनुरोध भेजें।
3. Cog: Cog इंस्टॉल करें और cog predict r8.im/lambdal/text-to-pokemon@sha256:... का उपयोग करके मॉडल डाउनलोड कर स्थानीय रूप से चलाएँ।
4. Docker: स्थानीय GPU वातावरण में docker run कमांड से मॉडल चलाएँ और API कॉल करें।

लक्षित उपयोगकर्ता और मुख्य लाभ

यह AI कला के शौकीनों, गेम डेवलपरों और Pokémon प्रशंसकों के लिए है। मुख्य लाभों में Pokémon शैली के लिए विशेष fine-tuning, विषयानुकूल जनरेशन परिणाम और ओपन-सोर्स स्थानीय डिप्लॉयमेंट का समर्थन शामिल हैं।

कीमत और लागत

यह Replicate पर चलता है और इसकी लागत लगभग $0.047 प्रति रन है (लगभग $1 में 21 रन)। यह Nvidia T4 GPU हार्डवेयर पर चलता है और प्रेडिक्शन आमतौर पर 4 मिनट में पूरा होता है। मॉडल open source है और स्थानीय हार्डवेयर पर निःशुल्क चलाया जा सकता है।

सामान्य उपयोग के मामले

Yoda इनपुट करके Pokémon-शैली की Yoda मास्टर इमेज बनाएँ; Girl with a pearl earring, Donald Trump आदि इनपुट करके मज़ेदार Pokémon-शैली के पात्र बनाएँ।

मॉडल की पृष्ठभूमि

इसे Lambda Labs में Justin Pinkney ने Lambda GPU Cloud पर 2xA6000 GPU का उपयोग करके लगभग 15,000 चरणों में प्रशिक्षित किया था। प्रशिक्षण में लगभग 6 घंटे लगे और लागत लगभग $10 थी। डेटासेट और weights Hugging Face पर open source किए गए हैं।