Replicate

بنیادی کارکردگی

methexis-inc/img2prompt اسٹائل کے ساتھ ایک تخمینی ٹیکسٹ پرامپٹ تیار کرتا ہے، جسے Stable Diffusion کے ساتھ استعمال کرکے تصویر یا پینٹنگ سے ملتے جلتے ورژن بنائے جا سکتے ہیں۔ یہ Stable Diffusion (CLIP ViT-L/14) کے لیے بہتر بنایا گیا ہے۔ CLIP Interrogator، OpenAI CLIP ماڈلز کی مدد سے دی گئی تصویر کو مختلف فنکاروں، ذرائع اور اسٹائلز کے مقابل آزماتا ہے تاکہ یہ سمجھا جا سکے کہ مختلف ماڈلز تصویر کے مواد کو کس طرح دیکھتے ہیں۔ یہ نتائج کو BLIP کیپشن کے ساتھ ملا کر ایک ٹیکسٹ پرامپٹ بھی تجویز کرتا ہے۔

استعمال اور ورک فلو

1. ان پٹ: اپنے کمپیوٹر سے فائل اپ لوڈ کریں یا تصویر کا URL فراہم کریں۔
2. پروسیسنگ: ماڈل ViT-L/14 استعمال کرکے تصویر کا تجزیہ کرتا ہے۔
3. آؤٹ پٹ: تصویر کے مواد، اسٹائل، فنکاروں وغیرہ پر مشتمل ٹیکسٹ پرامپٹ تیار ہوتا ہے، مثلاً a cat wearing a suit and tie with green eyes, a stock photo by Hanns Katz, pexels, furry art, stockphoto, creative commons attribution, quantum wavetracing۔

چلانے کے طریقے

• API کالز: Node.js، Python اور HTTP API معاونت یافتہ ہیں۔ REPLICATE_API_TOKEN ماحولاتی متغیر سیٹ کرنا ضروری ہے اور ماڈل ورژن ID 50adaf2d3ad20a6f911a8a9e3ccf777b263b8596fbd2c8fc26e8888f8a0edbb5 استعمال ہوتی ہے۔
• مقامی عمل درآمد: Cog یا Docker کے ذریعے اسے ڈاؤن لوڈ کرکے مقامی طور پر چلایا جا سکتا ہے۔ Nvidia T4 GPU ہارڈویئر درکار ہے۔

قیمت اور اخراجات

• Replicate پر اس ماڈل کو چلانے کی لاگت تقریباً $0.011 ہے، یعنی $1 میں تقریباً 90 رنز، تاہم یہ آپ کے ان پٹس کے لحاظ سے بدل سکتی ہے۔
• پیش گوئیاں عموماً 49 سیکنڈ کے اندر مکمل ہو جاتی ہیں۔ پہلی API کال ماڈل کو بوٹ کرے گی (کولڈ بوٹ) اور زیادہ وقت لے سکتی ہے، جبکہ بعد کے جوابات تیز ہوں گے۔

تکنیکی پس منظر اور ماخذ

یہ @pharmapsychotic کے CLIP Interrogator نوٹ بک کا قدرے ترمیم شدہ ورژن ہے۔ یہ اپنی License کے تحت اوپن سورس ہے، اور اس کا سورس کوڈ GitHub پر pharmapsychotic/clip-interrogator میں موجود ہے۔