/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
6 ноя 2025

prx-1024-t2i-beta

Генерация изображенийТекст → изображение3 профессии

PRX-1024-t2i-beta — модель Photoroom для генерации изображений разрешением 1024 пикселя по текстовым описаниям.

113скачиваний за 30 дней84лайкавеса обновлены13 фев 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

PRX-1024-t2i-beta — модель генерации изображений по текстовому описанию, разработанная Photoroom. Это предварительный вариант семейства PRX с разрешением 1024 пикселя; модель обучена с нуля и затем прошла supervised fine-tuning (SFT). Она использует упрощённую архитектуру на основе MMDiT, flow matching и текстовый энкодер T5-Gemma-2B-2B-UL2 для многоязычного ввода. В качестве латентного кодировщика применяется Flux VAE.

Модель предназначена для создания изображений по промптам и служит открытой базовой моделью для генерации, тонкой настройки и изучения диффузионных трансформеров. Репозиторий рассчитан на использование с Diffusers и содержит веса в формате safetensors. Лицензия — Apache 2.0; также действуют ограничения Gemma Prohibited Use Policy и требования применимого законодательства.

Сценарии применения

  • создание иллюстраций по текстовому промпту
  • генерация изображений для макетов и рекламных материалов
  • подготовка изображений для дальнейшей тонкой настройки модели

Ограничения

Это beta-версия семейства PRX, поэтому её качество и поведение могут измениться в последующих выпусках. Использование ограничено правилами Gemma Prohibited Use Policy и применимым законодательством.

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

PRX: Open Text-to-Image Generative Model

PRX

PRX (Photoroom Experimental) is a 1.3-billion-parameter text-to-image model trained entirely from scratch and released under an Apache 2.0 license.

It is part of Photoroom’s broader effort to open-source the complete process behind training large-scale text-to-image models — covering architecture design, optimization strategies, and post-training alignment. The goal is to make PRX both a strong open baseline and a transparent research reference for those developing or studying diffusion-transformer models.

For more information, please read our announcement blog post.

Model description

PRX is designed to be lightweight yet capable, easy to fine-tune or extend, and fully open.

PRX generates high-quality images from text using a simplified MMDiT architecture where text tokens don’t update through transformer blocks. It uses flow matching with discrete scheduling for efficient sampling and Google’s T5-Gemma-2B-2B-UL2 model for multilingual text encoding. The model has around 1.3B parameters and delivers fast inference without sacrificing quality. You can choose between Flux VAE for balanced quality and speed, or DC-AE for higher latent compression and faster processing.

This card in particular describes Photoroom/prx-1024-t2i-beta, a preview model from our upcoming 1024-pixel family and one of the PRX model variants:

  • Resolution: 1024 pixels
  • Architecture: PRX (MMDiT-like diffusion transformer variant)
  • Latent backbone: Flux's VAE
  • Text encoder: T5-Gemma-2B-2B-UL2
  • Training stage: Supervised fine-tuning (SFT)
  • License: Apache 2.0

For other checkpoints, browse the full PRX collection.

Example usage

You can use PRX directly in Diffusers:

from diffusers.pipelines.prx import PRXPipeline
import torch

pipe = PRXPipeline.from_pretrained(
    "Photoroom/prx-1024-t2i-beta",
    torch_dtype=torch.bfloat16
).to("cuda")

prompt = "A front-facing portrait of a lion in the golden savanna at sunset"
image = pipe(prompt, num_inference_steps=28, guidance_scale=5.0).images[0]
image.save("lion.png")

Visual examples and demo

Below are a few generations from this model (Photoroom/prx-1024-t2i-beta).

PRX Demo on Hugging Face Spaces — interactive text-to-image demo for Photoroom/prx-1024-t2i-beta.

Training details

PRX models were trained from scratch using recent advances in diffusion and flow-matching training. We experimented with a range of modern techniques for efficiency, stability, and alignment, which we’ll cover in more detail in our upcoming series of research posts:

Other PRX models

You can find additional checkpoints in the PRX collection:

  • Base – pretrained model before alignment; best starting point for fine-tuning or research
  • SFT — supervised fine-tuned model; produces more aesthetically pleasing, ready-to-use generations
  • Latent backbones — Flux's and DC-AE VAEs
  • Distilled – 8-step generation with LADD
  • Resolutions – 256, 512, and 1024 pixels

License

PRX is available under an Apache 2.0 license.

Use restrictions

You must not use PRX models for:

  1. any of the restricted uses set forth in the Gemma Prohibited Use Policy;
  2. or any activity that violates applicable laws or regulations.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
0370504

0 моделей