HiDream-O1-Image-1.5 - Zhixiang Futureが発売した商用画像生成モデル。

HiDream-O1-Image-1.5とは何ですか？

HiDream-O1-Image-1.5は、Zhixiang Futureが開発した商用画像生成モデルで、ネイティブのフルモーダルUiTアーキテクチャに基づいています。人工知能による生画像分析ランキングでは、ELOスコア1265で世界第3位、中国国内第1位を獲得し、Google Nano Banana 2やByteDanceのSeedream 4.0を凌駕しました。このモデルは、写真レベルのポートレートおよび動物モデリング機能、正確なテキストレンダリング、複数被写体の一貫性を備えており、広告、ブランドデザイン、eコマースのビジュアル、映画のストーリーボードなどの商用シナリオを対象としています。これは、Zhixiang Futureがビジュアル生成分野における世界有数の企業としての地位を確固たるものにしていることを示しています。

HiDream-O1-Image-1.5の主な機能

• ポートレート写真の世代魔法のような照明と影、2人プレイでのインタラクション、キャラクターのクローズアップに対応し、肌の質感、衣服の質感、身体の配置、環境のぼかしといった点で自然な効果を表現します。
• 動物とその自然環境動物の構造、毛皮の質感、動的な動作、複雑な照明、水中での屈折などの詳細なモデリング。
• テキストのレンダリングとレイアウト高精度なテキスト生成機能と高度な組版機能を備えている。
• 複数被験者の一貫性複数のキャラクターや要素の協調的な生成、およびビジュアルストーリーテリングをサポートします。
• ストーリーボード作成とシーン構成映画やテレビの絵コンテ、広角／低角度ショットなど、複雑な構図をサポートします。

HiDream-O1-Image-1.5の技術原理

• ネイティブなフルモーダルUiTアーキテクチャこのモデルは、Zhixiang Futureが独自開発したUnified Transformer（UiT）ネイティブマルチモーダルアーキテクチャに基づいています。このアーキテクチャは、統一されたピクセルレベルのネイティブ表現を使用してマルチモーダル情報を処理するため、従来のマルチモーダルモデルにおけるモダリティ変換による情報損失を回避し、テキスト、画像、その他のデータを統一された空間で理解・生成することを可能にします。
• オープンソース検証から商用生産までこのモデルは、オープンソース版HiDream-O1-Image-Dev-2604の技術ロードマップを踏襲し、UITアーキテクチャを技術検証から製品検証へと進化させています。オープンソース版で既に検証済みのピクセルレベルのネイティブなフルモーダル機能を基盤として、商用版は広告・マーケティング、ブランドデザイン、eコマースのビジュアルなど、需要の高い商用シナリオ向けに強化・最適化されており、基盤となるアーキテクチャの利点をビジュアル生産性ツールへと昇華させています。
• 総合的な能力強化メカニズム本モデルは、意味的適合精度、複雑なシーン生成の安定性、テキストレンダリング精度、および複数被写体の一貫性制御を向上させることにより、4000以上のサンプルを対象とした匿名比較評価において、ELOスコア1265を達成しました。コア技術は、テキスト指示の深い意味理解とピクセルレベルの画像生成をエンドツーエンドで統合的にモデリングすることにあり、複雑な構成、空間的遠近感、および視覚的物語の調和のとれた統一性を保証します。