NitroFusion2 开源：1-2 步出图且文字清晰，对抗损失搬到文本流
pbaylies · x · 2026-11-05
NitroFusion2 发布，是一个基于 Z-Image-Turbo 的 1–2 步文生图模型，核心创新是把对抗损失（adversarial loss）作用于多模态扩散 Transformer（MMDiT）的文本流——由于文本流已读过图像信息，可被引导以修正排版文字和物体细节，单步即可渲染出清晰可读的文字与精细细节。项目采用 Apache-2.0 开源，checkpoint 已上架 Hugging Face，并附带 ComfyUI 工作流（1 步/2 步两个版本）、diffusers 代码和在线 Demo。
所属事件:NitroFusion2 发布：文本流对抗蒸馏实现 1-2 步文生图(5 条相关)→
「多模态」频道最新
- Runway 上线 Gemini Omni 1.2 Flash:15 秒视频生成可升级 4K — runwayml · 2026-11-06
- Boson AI 发布 45B MoE 全双工音视频模型，Big Bench Audio 98.9 分居首 — smolix · 2026-11-06
- 三个开源模型本地拼出实时语音数字人:全程端侧运行 — shinjiw_at_cmu · 2026-11-06
- 2026 AI 视频市场图谱：137 家公司分 10 层，最卷的不是模型层 — FinanceYF5 · 2026-11-06
- 谷歌 EmbeddingGemma 2 技术报告发布：740M 多模态嵌入模型 — bdsqlsz · 2026-11-06
- AssemblyAI Universal 3.6 Pro 登顶干净音频转写:词错率仅 1.77% — AssemblyAI · 2026-11-06