/ Модель

Характеристики

Лицензия
MIT
Библиотека
diffusers
Опубликована
1 июл 2026

Lens

Генерация изображенийТекст → изображение

Переупакованная модель Microsoft Lens для генерации изображений по текстовым описаниям в формате Diffusers.

7скачиваний за 30 дней0лайковвеса обновлены1 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

SceneWorks/Lens — переупакованная копия текстово-графической модели Microsoft Lens в формате Diffusers. По README, веса побайтно совпадают с публичными источниками: трансформер Lens DiT взят из Comfy-Org/Lens, текстовый энкодер и токенизатор — из gpt-oss-20b, а VAE — из FLUX.2-dev. Переупаковка не включает переобучение; основной компонент модели — Lens DiT, а энкодер gpt-oss-20b используется в замороженном виде.

Модель предназначена для генерации изображений по текстовому описанию. Рекомендуемые настройки базовой версии — 20 шагов с guidance 5.0; для варианта с дистилляцией в репозитории README указывает SceneWorks/Lens-Turbo с четырьмя шагами и guidance 1.0. Модель распространяется по лицензии MIT; README отдельно указывает лицензии Apache-2.0 для компонентов gpt-oss-20b. Языковая поддержка и размер контекста не описаны в доступных данных.

Сценарии применения

  • создание изображений по текстовому запросу
  • визуализация сцен и объектов по описанию
  • генерация иллюстраций из промптов

Ограничения

README приводит параметры семплирования для базовой версии, но не сообщает о качестве на конкретных наборах запросов. Используемые компоненты имеют разные лицензии: MIT для модели и Apache-2.0 для текстового энкодера и токенизатора.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Lens (base)

Self-contained diffusers-layout snapshot of Microsoft's Lens text-to-image model, re-assembled for in-house (SceneWorks) use after Microsoft removed the original microsoft/Lens repository from the Hub.

This is a repackage, not a retrain — every weight is byte-identical to a public upstream source (verified by tensor-level comparison against Comfy-Org's authentic redistribution):

ComponentSourceLicense
transformer/Lens DiT, bf16 — from Comfy-Org/Lens (diffusion_models/lens_bf16.safetensors)MIT
text_encoder/gpt-oss-20b (MXFP4), used encoder-only — from openai/gpt-oss-20bApache-2.0
tokenizer/gpt-oss tokenizer — from openai/gpt-oss-20bApache-2.0
vae/FLUX.2 VAE (AutoencoderKLFlux2) — from black-forest-labs/FLUX.2-devFLUX.2-dev license

The Lens text encoder is stock, frozen gpt-oss-20b (tensor-verified identical to Comfy's gpt_oss_20b_nvfp4 up to quantization), and the VAE is stock FLUX.2-dev (full-file identical to Comfy's flux2-vae). Only the transformer/ DiT is Lens-specific.

Layout

tokenizer/       tokenizer.json, tokenizer_config.json, special_tokens_map.json
text_encoder/    model-0000*-of-00002.safetensors (MXFP4), model.safetensors.index.json, config.json
transformer/     lens_bf16.safetensors
vae/             diffusion_pytorch_model.safetensors, config.json

Sampling defaults for the base model: 20 steps, guidance 5.0. For the distilled variant see SceneWorks/Lens-Turbo (4 steps, guidance 1.0).

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Пайплайн LensPipeline не входит в diffusers 0.41.0.dev0: нужен custom_pipeline.

Ревизия весов
5c5521d

0 моделей