PixArt Sigma 900M: 改良されたテキスト→画像モデル

モデル概要

PixArt Sigma 900Mは、PixArt Sigmaアーキテクチャに基づくテキストから画像を生成するモデルです。このバージョンは、元の600Mパラメータのベースモデルから900Mパラメータに拡張されています。以下の2つの異なったバリアントが利用可能です：

1. PixArt Sigma 900M Base（写実的）

2. PixArt Sigma 900M アニメ

主な特徴

• 9億パラメータ（ベースモデルより3億増加）

• 画像生成品質の向上

技術的詳細

• アーキテクチャ：PixArt Sigmaバリアント

• パラメータ数：9億

• ベースモデル：600M PixArt Sigma

クレジット

• 元のPixArt Sigmaモデル：PIXART-Σ (pixart-alpha.github.io)

• jimmycarter (Jimmy Carter) (huggingface.co)によるPixArt Sigmaのアダプテーションに基づく

ComfyUIとの互換性

現在、ComfyUIはこのバリアントをネイティブでサポートしていないため、カスタムノードが必要です。必要なカスタムノードは以下から取得できます：https://github.com/city96/ComfyUI_ExtraModels

必要なコンポーネント

1. T5モデル：

   • ダウンロード先：Hugging FaceのPixArt-alpha/PixArt-Sigma-XL-2-1024-MS at main (huggingface.co)

   • ファイル命名規則：リポジトリ内に表示されている通りにT5モデルファイルを命名してください

   • 重要：ファイル名に「text_encoder」が前置されている場合は、必ずそれを削除してください

セットアップ手順

1. 上記のHugging FaceリポジトリからT5モデルをダウンロードする

2. 必要に応じてT5モデルファイルの名前を変更し、「text_encoder」のプレフィックスを削除する

3. GitHubリポジトリからカスタムComfyUIノードをインストールする

4. ComfyUI_ExtraModelsのドキュメントに従って、すべてのモデルファイルを適切なディレクトリに配置する