Text-To-Pokemon

Tính năng và đặc điểm chính

Được tinh chỉnh trên Stable Diffusion bằng các hình ảnh Pokémon có chú thích từ BLIP, mô hình có thể tạo hình ảnh theo phong cách Pokémon từ mô tả văn bản. Không cần kỹ thuật viết prompt để tạo nhân vật.

Cách dùng và tham số đầu vào

• prompt (string): prompt đầu vào, ví dụ “Yoda”.
• num_outputs (integer): số lượng ảnh đầu ra, từ 1 đến 4; mặc định là 1.
• num_inference_steps (integer): số bước khử nhiễu, từ 1 đến 50; mặc định là 25.
• guidance_scale (number): hệ số hướng dẫn không phân loại, từ 1 đến 20; mặc định là 7.5.
• seed (integer): seed ngẫu nhiên; để trống để tạo ngẫu nhiên.

Phương thức tích hợp

1. Node.js / Python API: cài thư viện máy khách Replicate, đặt biến môi trường REPLICATE_API_TOKEN và chạy mô hình bằng mã băm phiên bản ff6cc781634191dd3c49097a615d2fc01b0a8aae31c448e55039a04dcbf36bba để nhận URL hình ảnh hoặc ghi ảnh vào đĩa.
2. HTTP API: gửi yêu cầu POST đến https://api.replicate.com/v1/predictions bằng curl.
3. Cog: cài Cog và dùng cog predict r8.im/lambdal/text-to-pokemon@sha256:... để tải xuống và chạy mô hình cục bộ.
4. Docker: chạy mô hình trong môi trường GPU cục bộ bằng lệnh docker run và gọi API.

Đối tượng sử dụng và ưu điểm

Hướng đến những người yêu thích nghệ thuật AI, nhà phát triển game và người hâm mộ Pokémon. Ưu điểm chính gồm khả năng tinh chỉnh chuyên biệt cho phong cách Pokémon, kết quả tạo ảnh giàu tính chủ đề và hỗ trợ triển khai cục bộ mã nguồn mở.

Giá và chi phí

Mô hình chạy trên Replicate với chi phí khoảng $0.047 mỗi lần, tương đương khoảng 21 lần chạy với $1. Mô hình sử dụng GPU Nvidia T4 và dự đoán thường hoàn tất trong vòng 4 phút. Đây là mô hình mã nguồn mở và có thể chạy miễn phí trên phần cứng cục bộ.

Trường hợp sử dụng phổ biến

Nhập “Yoda” để tạo hình ảnh Yoda theo phong cách Pokémon; nhập “Girl with a pearl earring”, “Donald Trump” và các nội dung khác để tạo nhân vật Pokémon thú vị.

Bối cảnh mô hình

Được Justin Pinkney tại Lambda Labs huấn luyện bằng 2 GPU A6000 trên Lambda GPU Cloud trong khoảng 15.000 bước (khoảng 6 giờ, với chi phí khoảng $10). Các bộ dữ liệu và trọng số được cung cấp dưới dạng mã nguồn mở trên Hugging Face.