/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Базовая модель
openjourney-v4
Библиотека
diffusers
Опубликована
11 июл 2026

openjourney-cfg-onnx

Генерация изображенийТекст → изображение

Экспортированная в ONNX модель Openjourney v4 на базе Stable Diffusion 1.5 для генерации изображений в стиле Midjourney по текстовым запросам.

9скачиваний за 30 дней1лайквеса обновлены11 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Heliosoph/openjourney-cfg-onnx — экспорт в формате ONNX модели Openjourney v4, разработанной PromptHero. Это дообученная на изображениях в стиле Midjourney v4 модель Stable Diffusion v1.5 для генерации изображений по текстовым запросам. Репозиторий содержит полный, не дистиллированный UNet и VAE модели; активирующая фраза не требуется.

Модель рассчитана на создание изображений с помощью classifier-free guidance. В README рекомендованы планировщик Euler, масштаб guidance около 7,5 и примерно 25 шагов (обычно 20–30). Нативное разрешение — 512×512. Для guidance UNet выполняется дважды на шаг, поэтому генерация обходится дороже, чем у дистиллированного варианта Hyper, зато лучше сохраняет соответствие запросу и детализацию.

Экспорт выполнен в FP32: автор отмечает, что VAE Stable Diffusion 1.5 может быть нестабилен в FP16, вызывая переполнение и постеризацию. Модель ориентирована на англоязычные запросы; базовая Openjourney v4 стилизована под Midjourney v4. Лицензия — CreativeML OpenRAIL-M.

Сценарии применения

  • Создание стилизованных иллюстраций по текстовому описанию
  • Генерация изображений с высокой точностью следования запросу
  • Подготовка концепт-артов в эстетике Midjourney v4

Ограничения

Нативное разрешение составляет 512×512; генерация с CFG и примерно 25 шагами требует больше вычислений, чем дистиллированный вариант Hyper. FP16 может вызывать переполнение VAE и постеризацию, поэтому экспорт сделан в FP32.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Openjourney v4 (CFG, full quality) — ONNX

ONNX export of prompthero/openjourney-v4 (which ships its own VAE). No distillation LoRA — this is the full, non-distilled UNet driven with classifier-free guidance. SD 1.5 architecture, 512×512 native, Euler scheduler, CFG ≈ 7.5, ~25 steps.

This is the quality counterpart to the 4-step Hyper export. The Hyper variant is distilled for fast, CFG-free, 1–4 step sampling; it's great for previews and batch work but caps fidelity and prompt adherence. This non-distilled export, run with classifier-free guidance, a negative prompt, and a normal step budget, recovers the cinematic, prompt-faithful output Openjourney is known for — at a higher per-image cost (the UNet runs twice per step, over ~25 steps).

Openjourney v4 is a Midjourney-v4-style SD 1.5 fine-tune. No activator phrase — unlike v1/v3 it dropped the mdjrny-v4 style trigger; prompt it like any modern fine-tune.

Converted artifact. Training credit: PromptHero (Openjourney).

What this repo contains

model_index.json
feature_extractor/
scheduler/
text_encoder/
tokenizer/
unet/                   # Openjourney v4 UNet, non-distilled (no LoRA)
vae_decoder/            # Openjourney v4 bundled VAE
vae_encoder/

How it was produced

  1. Load prompthero/openjourney-v4 via diffusers (uses its bundled VAE).
  2. optimum-cli export onnx (no LoRA fusion step).

Exported at FP32 — the SD 1.5 VAE is fp16-fragile (it overflows and posterizes), so the quality export stays full precision.

Toolchain: optimum 1.24.0, diffusers 0.31.0, transformers 4.45.2, torch 2.4.x (CUDA 12.4). Conversion script: scripts/export-openjourney-cfg.ps1.

Inference notes

SettingValue
SchedulerEuler
Steps25 (20–30 sweet spot)
CFG / guidance scale7.5 (6–9 usual range)
Negative promptSupported — use it
Activator phraseNone (v4 dropped the v1/v3 trigger)
Resolution512×512 native (best results); 768×768 OK

Classifier-free guidance runs the UNet twice per step (conditional + unconditional) and combines them as uncond + guidance · (cond − uncond). The negative prompt only takes effect when guidance > 1.

License

CreativeML OpenRAIL-M (SD 1.5 + Openjourney). License files included. By using this model you accept those terms.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

В компонентах пайплайна нет весов PyTorch/safetensors.

Ревизия весов
1735345

0 моделей