Характеристики

Лицензия: Apache 2.0
Опубликована: 1 окт 2026

Ссылки

spectra_20m_image

Генерация изображенийТекст → изображение

SPECTRA 20M Image — трансформерная модель eltag-labs для генерации изображений размером 128 пикселей по текстовым запросам.

472скачиваний за 30 дней1лайквеса обновлены3 окт 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

SPECTRA 20M Image — модель генерации изображений по текстовому описанию, разработанная eltag-labs. Она использует трансформерную архитектуру Composer/Refiner и представляет изображения размером 128 пикселей через фиксированные Oklab/Haar/FSQ-токены без VQGAN. Текст кодируется замороженным энкодером T5-small с обучаемым кросс-внимательным pooling.

Модель предназначена для создания изображений по текстовым запросам. В README указано обучение на датасете prithivMLmods/Caption3o-Opt-v3. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. Метаданные помечают английский язык. README не уточняет качество генерации и ограничения по содержанию или применению.

Сценарии применения

создание изображений по текстовым описаниям на английском языке
генерация небольших иллюстраций размером 128 пикселей
эксперименты с трансформерной генерацией изображений и токенизацией Oklab/Haar/FSQ

Ограничения

Модель ориентирована на изображения размером 128 пикселей; в README не приведены оценки качества и подробные ограничения генерации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SPECTRA ?M Image

Chroma-factorised scale-wise text-to-image transformer (Composer/Refiner), ~?M parameters, no VQGAN -- images are represented as Oklab luma/chroma Haar-FSQ tokens (see spectra_tokenizer.py).

Architecture

Model: SPECTRA (Composer + Refiner, see spectra_model.py)
Image tokenizer: fixed (non-learned) Oklab/Haar/FSQ, image_size=128
Text encoder: t5-small (T5, encoder-only), frozen + learned cross-attention pooling
Training data: prithivMLmods/Caption3o-Opt-v3

Loading the tokenizer

from transformers import AutoTokenizer
tok = AutoTokenizer.from_pretrained("eltag-labs/spectra_20m_image/tokenizer")

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов: 1b37149