/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
24 июн 2026

LongCat-Image-Edit

Преобразование изображенийИзображение, текст → изображение3 профессии

Производная модели meituan-longcat/LongCat-Image-Edit. LongCat-Image-Edit — двуязычная модель Meituan для точного редактирования изображений по текстовым инструкциям с сохранением нетронутых деталей.

8скачиваний за 30 дней0лайковвеса обновлены24 июн 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

Карточка модели Jinstudio/LongCat-Image-Edit на Hugging Face совпадает с карточкой meituan-longcat/LongCat-Image-Edit, поэтому описание составлено по ней.

LongCat-Image-Edit — модель Meituan для редактирования изображений по инструкциям на китайском и английском языках. Она предназначена для глобальных и локальных правок, изменения текста на изображении и редактирования с опорой на референсное изображение.

Модель стремится точно следовать инструкциям и сохранять в нетронутых областях композицию, текстуры, цветовую гамму и идентичность объектов. Поддерживает многошаговое редактирование; в карточке также заявлены высокое качество изображений и повышенная эффективность вывода среди открытых моделей для редактирования. Для генерации или изменения текста на изображении целевой текст рекомендуется заключать в кавычки.

Модель распространяется в форматах Diffusers и Safetensors по лицензии Apache-2.0. В README не приведены размер модели и длина контекста.

Сценарии применения

  • локальное изменение объектов или деталей на изображении
  • глобальное редактирование изображения по инструкции
  • замена или исправление текста на изображении
  • редактирование изображения с использованием референса
  • последовательное многошаговое редактирование изображения

Ограничения

Для генерации или изменения текста на изображении целевой текст нужно заключать в кавычки, иначе качество его отображения может значительно снизиться. Заявления о качестве и эффективности основаны на README и не сопровождаются здесь подробностями оценивания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Introduction

We introduce LongCat-Image-Edit, the image editing version of Longcat-Image. LongCat-Image-Edit supports bilingual (Chinese-English) editing, achieves state-of-the-art performance among open-source image editing models, delivering leading instruction-following and image quality with superior visual consistency.

Key Features

  • 🌟 Superior Precise Editing: LongCat-Image-Edit supports various editing tasks, such as global editing, local editing, text modification, and reference-guided editing. It has strong semantic understanding capabilities and can perform precise editing according to instructions.
  • 🌟 Consistency Preservation: LongCat-Image-Edit has strong consistency preservation capabilities, specifically scrutinizes whether attributes in non-edited regions, such as layout, texture, color tone, and subject identity, remain invariant unless targeted by the instruction, is well demonstrated in multi-turn editing.
  • 🌟 Strong Benchmark Performance: LongCat-Image-Edit achieves state-of-the-art (SOTA) performance in image editing tasks while significantly improving model inference efficiency, especially among open-source image editing models.

🎨 Showcase

Quick Start

Hugging Face app

Installation

pip install git+https://github.com/huggingface/diffusers

Run Image Editing

[!CAUTION] 📝 Special Handling for Text Rendering

For both Text-to-Image and Image Editing tasks involving text generation, you must enclose the target text within single or double quotation marks (both English '...' / "..." and Chinese ‘...’ / “...” styles are supported).

Reasoning: The model utilizes a specialized character-level encoding strategy specifically for quoted content. Failure to use explicit quotation marks prevents this mechanism from triggering, which will severely compromise the text rendering capability.

import torch
from PIL import Image
from diffusers import LongCatImageEditPipeline

if __name__ == '__main__':
    device = torch.device('cuda')

    pipe = LongCatImageEditPipeline.from_pretrained("meituan-longcat/LongCat-Image-Edit", torch_dtype= torch.bfloat16 )
    # pipe.to(device, torch.bfloat16)  # Uncomment for high VRAM devices (Faster inference)
    pipe.enable_model_cpu_offload()  # Offload to CPU to save VRAM (Required ~18 GB); slower but prevents OOM

    img = Image.open('assets/test.png').convert('RGB')
    prompt = '将猫变成狗'
    image = pipe(
        img,
        prompt,
        negative_prompt='',
        guidance_scale=4.5,
        num_inference_steps=50,
        num_images_per_prompt=1,
        generator=torch.Generator("cpu").manual_seed(43)
    ).images[0]

    image.save('./edit_example.png')

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
55b7f78

0 моделей