Modelo de difusión
Un modelo de difusión genera imágenes o vídeo partiendo de ruido aleatorio y quitando el ruido paso a paso hasta que emerge una imagen.
La mayoría de los generadores abiertos de imagen y vídeo, incluidos FLUX, Qwen-Image, Wan y LTX, son modelos de difusión, a menudo construidos sobre la arquitectura transformer. Un codificador de texto convierte tu prompt en números que guían cada paso de denoising.
Las versiones destiladas se entrenan para necesitar menos pasos. FLUX 3 Image Klein, por ejemplo, funciona en 16 pasos, mientras que su versión Base tarda 50 y está pensada para fine-tuning. Menos pasos significa imágenes más rápidas, normalmente a un pequeño coste en flexibilidad.
Términos relacionados
- Modelo multimodal Un modelo multimodal puede manejar más de un tipo de datos, como texto, imágenes, audio o vídeo, como entrada, como salida o ambos.
- Destilación La destilación entrena a un modelo estudiante más pequeño para imitar a un modelo profesor más grande, conservando gran parte de su capacidad con una fracción del tamaño.
- LoRA (adaptación de bajo rango) LoRA, siglas de low-rank adaptation, ajusta un modelo entrenando un pequeño conjunto de pesos añadidos en lugar de cambiar todos sus parámetros.