OmniGen es una nueva arquitectura de modelo de difusión presentada por BAAI, centrada en la generación unificada de imágenes. Simplifica el complejo proceso de generación de imágenes al abordar múltiples tareas con un solo marco, como la generación de imágenes a partir de texto, la edición de imágenes y la generación basada en condiciones visuales. Además, OmniGen logra la transferencia de conocimiento mediante una estructura de aprendizaje unificada, lo que le permite adaptarse a distintas tareas y necesidades de dominio. El modelo no solo es muy simplificado y fácil de usar, sino que también demuestra una gran flexibilidad en el campo de la generación de imágenes.

Características del software:
Unificación: OmniGen puede abordar de forma integral diversas tareas de generación de imágenes, como la generación de imágenes a partir de texto, la generación guiada por temas, la edición de imágenes y la generación basada en condiciones visuales. Su innovación radica en convertir tareas tradicionales de visión por computador en tareas de generación de imágenes, ofreciendo así una experiencia de generación de imágenes integrada.
Sencillez: OmniGen prescinde de los engorrosos flujos de trabajo habituales de otros modelos y no necesita complementos como ControlNet o IP-Adapter, por lo que el tratamiento de las tareas es más intuitivo. Los usuarios pueden completar tareas complejas con instrucciones sencillas, lo que reduce enormemente la barrera de uso.
Transferencia de conocimiento: gracias al aprendizaje con un formato unificado, OmniGen puede transferir conocimiento entre distintas tareas, y resulta especialmente útil en tareas o dominios nunca vistos. En este proceso, OmniGen explora la aplicación del mecanismo de "cadena de pensamiento", lo que le confiere una capacidad más flexible de razonamiento y aprendizaje en contexto en la generación de imágenes.
Funciones del software:
Generación de imágenes a partir de texto: genera las imágenes correspondientes a partir de una descripción textual.
Edición de imágenes: edita una imagen de forma parcial o total según las necesidades del usuario.
Generación con consistencia de personaje: mantiene coherente la apariencia del personaje en varias imágenes.
Generación basada en condiciones visuales: genera imágenes que cumplen requisitos específicos a partir de condiciones visuales (como la postura o la información de bordes).
Requisitos de configuración:
Se recomienda que el equipo cumpla la siguiente configuración:
Sistema operativo: Windows 10/11 de 64 bits
Tarjeta gráfica: 8 GB de memoria de vídeo son utilizables, pero la generación es más lenta; se recomienda una tarjeta NVIDIA con más de 8 GB de memoria de vídeo,
CUDA >= 11.8
El paquete completo ocupa unos 24,5 GB tras descomprimirlo, así que hay que reservar suficiente espacio en disco
Si el equipo no tiene CUDA instalado, puede consultar el tutorial de instalación:
Cómo consultar la marca, el modelo y la memoria de la tarjeta gráfica:
Abre el Administrador de tareas
Haz clic en "Rendimiento"
Haz clic en "GPU"
En la esquina superior derecha se ve el modelo de la tarjeta gráfica y, debajo, el tamaño de la memoria de vídeo

Tutorial de uso:
① Descarga el paquete integrado y descomprímelo;
Nota: la ruta de las carpetas y los nombres de archivo (incluidos los nombres de archivos de audio, imágenes, vídeos, etc.) no deben contener caracteres chinos; de lo contrario, algunos programas darán error al no poder reconocerlos

② Haz doble clic en "一键启动.exe" y, tras unos instantes, la interfaz de operación se abrirá automáticamente en el navegador

③ Sube una imagen (también puedes no subir ninguna), introduce el prompt (si en el prompt necesitas hacer referencia a una imagen subida, el formato del nombre de la imagen debe seguir estrictamente esta forma: <img><|image_i|></img> , de lo contrario no se reconocerá y dará error; la i puede cambiarse por los números 1, 2, 3), luego ajusta parámetros como el ancho y el alto, o mantén los valores predeterminados, y por último haz clic en enviar; el resultado generado aparecerá a la derecha

1. Generar una imagen a partir de un prompt
Prompt: A curly-haired man in a red shirt is drinking tea.
Traducción: Un hombre de pelo rizado con camisa roja está bebiendo té.

2. Generar una imagen con una sola imagen de referencia
Prompt: The woman in <img><|image_1|></img> waves her hand happily in the crowd.
Traducción: La mujer de <img><|image_1|></img> saluda alegremente con la mano entre la multitud.

3. Generación basada en la postura
Prompt: Generate a new photo using the following picture and text as conditions: <img><|image_1|><img>
Un niño pequeño está sentado en un sofá de la biblioteca con un libro en las manos. Tiene el pelo bien peinado y una leve sonrisa en los labios, con algunas pecas repartidas por las mejillas. La biblioteca está en silencio, con hileras de estanterías repletas de libros que se extienden detrás de él.
Traducción: Genera una nueva foto usando la siguiente imagen y texto como condiciones: <img><|image_1|></img> Un niño pequeño está sentado en un sofá de la biblioteca con un libro en las manos. Tiene el pelo bien peinado y una leve sonrisa en los labios, con algunas pecas repartidas por las mejillas. La biblioteca está en silencio, con hileras de estanterías repletas de libros que se extienden detrás de él.

4. Colocar a los personajes de dos imágenes en una sola imagen
Prompt: Two woman are raising fried chicken legs in a bar. A woman is <img><|image_1|></img>. The other woman is <img><|image_2|></img>.
Traducción: Dos mujeres levantan muslos de pollo frito en un bar. Una mujer es <img><|image_1|></img>. La otra mujer es <img><|image_2|></img>.

5. Extraer a una persona concreta de una multitud y colocarla en una imagen
Prompt: A man and a woman are sitting at a classroom desk. The man is the man with yellow hair in <img><|image_1|></img>. The woman is the woman on the left of <img><|image_2|></img>.
Traducción: Un hombre y una mujer están sentados en un pupitre de un aula. El hombre es el de pelo amarillo de <img><|image_1|></img>. La mujer es la que está a la izquierda de <img><|image_2|></img>.

6. Cambiar un objeto de la imagen
Prompt: <img><|image_1|><img>
Sustituye la taza por un vaso transparente lleno de cola helada con gas.
Traducción: <img><|image_1|><img>
Cambia la taza por un vaso transparente lleno de cola helada con gas.

Dirección de código abierto
[Dirección oficial de OmniGen]