Encodeur de texte
Dans un générateur d'images ou de vidéos, l'encodeur de texte est un modèle de langage séparé qui transforme votre prompt en nombres exploitables par le générateur. Il ajoute au téléchargement et à l'usage mémoire.
Un générateur d'images est généralement un pipeline de composants. Un encodeur de texte lit le prompt, un transformer de diffusion crée l'image dans un espace compressé, et un autoencodeur (VAE) transforme le résultat en pixels. L'encodeur de texte est souvent un modèle de langage complet, si bien que le nombre de paramètres d'un modèle peut faire paraître plus léger ce que vous devez télécharger.
Le générateur de MOSS-Image fait 5B, mais son dépôt pèse 27,2 Go, dont 16,8 Go pour l'encodeur de texte Qwen3.5-9B. Le générateur 6B de Z-Image s'accompagne d'un encodeur de texte de 8 Go, l'encodeur 8B de Qwen-Image-2.1 porte son pipeline complet à environ 33 Go, et l'encodeur de 66,7 Go du MiniMax H3-Image est presque aussi gros que le reste de ses fichiers. Anima est le cas inverse, avec un encodeur de 1,19 Go dans un pipeline de 5,6 Go. Quand vous planifiez la mémoire, ajoutez l'encodeur au générateur, et rappelez-vous que beaucoup d'outils peuvent le décharger ou le libérer une fois le prompt lu.
Termes associés
- Modèle de diffusion Un modèle de diffusion génère des images ou des vidéos en partant d'un bruit aléatoire et en retirant le bruit étape par étape jusqu'à ce qu'une image apparaisse.
- Paramètres Les paramètres sont les nombres à l'intérieur d'un modèle qui sont ajustés pendant l'entraînement ; leur compte, comme 7B ou 70B, est la mesure habituelle de la taille d'un modèle.
- VRAM La VRAM est la mémoire d'une carte graphique ; elle décide quels modèles une GPU peut héberger, car les poids doivent tenir en mémoire pour que le modèle tourne vite.