/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
32 млрд
Размер весов
66,9 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-32B-Instruct
Библиотека
transformers
Опубликована
17 сен 2025

PromptEnhancer-32B

Генерация текстаТекст → текст3 профессии

Мультимодальная модель на 32 млрд параметров, дообученная для переписывания и улучшения китайских и английских промптов для генерации изображений.

176скачиваний за 30 дней20лайковвеса обновлены30 сен 2025

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 «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат 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

PromptEnhancerV2 (32B) — мультимодальная модель на базе Qwen2.5-VL-32B-Instruct, дообученная для улучшения и переписывания запросов к генераторам изображений. Она перестраивает пользовательский запрос, стараясь сохранить исходный замысел и сделать формулировку более ясной, детализированной и логически связной; в описании указано использование рассуждений chain-of-thought. Модель предназначена для подготовки текстовых промптов для последующей генерации изображений и оценивалась на наборе T2I-Keypoints-Eval.

Архитектура — плотная Qwen2.5-VL, размер — 32 млрд параметров, контекст — до 128 000 токенов. Указаны китайский и английский языки. Несмотря на мультимодальную базовую архитектуру, карточка описывает задачу переписывания текстовых промптов, а не анализ изображений на входе. Для репозитория указаны Transformers и формат safetensors. README указывает лицензию Apache-2.0, тогда как метаданные Hugging Face содержат значение other, поэтому условия распространения следует сверить с лицензией в репозитории.

Сценарии применения

  • улучшение краткого запроса для генерации изображения
  • переписывание промпта с сохранением исходного замысла
  • добавление ясных и согласованных деталей в запрос к генератору изображений
  • подготовка текстовых описаний для пайплайна text-to-image

Ограничения

Модель описана для улучшения текстовых промптов и не заявлена как самостоятельный генератор изображений. Карточка не приводит сравнительных результатов оценки; лицензия в README и метаданных различается.

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

PromptEnhancerV2 (32B)

PromptEnhancerV2 is a multimodal language model fine-tuned for text-to-image prompt enhancement and rewriting. It restructures user input prompts while preserving the original intent, producing clearer, layered, and logically consistent prompts suitable for downstream image generation tasks.

Model Details

Model Description

PromptEnhancerV2 is a specialized text-to-image prompt rewriting model that employs chain-of-thought reasoning to enhance user prompts.

  • Model type: Vision-Language Model for Prompt Enhancement
  • Language(s) (NLP): Chinese (zh), English (en)
  • License: Apache-2.0
  • Finetuned from model: Qwen/Qwen2.5-VL-32B-Instruct

Model Sources

How to Get Started with the Model

  • 1. Clone the repository::
git clone https://github.com/ximinng/PromptEnhancer.git
cd PromptEnhancer
pip install -r requirements.txt
  • 2. Model Download:
huggingface-cli download PromptEnhancer/PromptEnhancer-32B --local-dir ./models/promptenhancer-32b
  • 3. Use the model:
from inference.prompt_enhancer_v2 import PromptEnhancerV2

# Initialize the model
models_root_path = "./models/promptenhancer-32b"
enhancer = PromptEnhancerV2(models_root_path=models_root_path, device_map="auto")

# Enhance a prompt (Chinese or English)
user_prompt = "韩系插画风女生头像,粉紫色短发+透明感腮红,侧光渲染。"
enhanced_prompt = enhancer.predict(
    prompt_cot=user_prompt,
    device="cuda"
)

print("Enhanced:", enhanced_prompt)

Evaluation

The model is evaluated on the T2I-Keypoints-Eval dataset, which contains diverse text-to-image prompts across various categories and languages.

Citation

If you find this model useful, please consider citing:

BibTeX:

@article{promptenhancer,
  title={PromptEnhancer: A Simple Approach to Enhance Text-to-Image Models via Chain-of-Thought Prompt Rewriting},
  author={Wang, Linqing and Xing, Ximing and Cheng, Yiji and Zhao, Zhiyuan and Donghao, Li and Tiankai, Hang and Zhenxi, Li and Tao, Jiale and Wang, QiXun and Li, Ruihuang and Chen, Comi and Li, Xin and Wu, Mingrui and Deng, Xinchi and Gu, Shuyang and Wang, Chunyu and Lu, Qinglin},
  journal={arXiv preprint arXiv:2509.04545},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
04b14b1

0 моделей