Codificador de texto
En un generador de imágenes o vídeo, el codificador de texto es un modelo de lenguaje aparte que convierte tu prompt en números que el generador puede usar. Aumenta la descarga y el uso de memoria.
Un generador de imágenes suele ser una tubería de partes. Un codificador de texto lee el prompt, un transformador de difusión crea la imagen en un espacio comprimido y un autoencoder (VAE) convierte el resultado en píxeles. El codificador de texto suele ser un modelo de lenguaje completo, así que el número de parámetros de un modelo puede hacer que lo que tienes que descargar parezca menor de lo que es.
El generador de MOSS-Image es de 5B, pero su repositorio pesa 27.2 GB, de los cuales 16.8 GB son el codificador de texto Qwen3.5-9B. El generador de 6B de Z-Image viene con un codificador de texto de 8 GB, el codificador de 8B de Qwen-Image-2.1 hace que su tubería completa ronde los 33 GB, y el codificador de 66.7 GB de MiniMax H3-Image es casi tan grande como el resto de sus archivos. Anima es el caso contrario, con un codificador de 1.19 GB en una tubería de 5.6 GB. Cuando planifiques la memoria, suma el codificador al generador, y recuerda que muchas herramientas pueden descargarlo o liberarlo una vez que ha leído el prompt.
Términos relacionados
- 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.
- Parámetros Los parámetros son los números dentro de un modelo que se ajustan durante el entrenamiento; su cuenta, como 7B o 70B, es la medida habitual del tamaño de un modelo.
- VRAM La VRAM es la memoria de una tarjeta gráfica; decide qué modelos puede sostener una GPU, porque los pesos deben caber en memoria para que el modelo funcione rápido.