1 подписчик

🛠 Z-Image-Engineer превращает идеи в кинематографичные промпты локально и обучен на парах «идея→промпт

ВчераВчера

~1 мин

» Устали вручную дописывать «динамику» в промпте — объективы, освещение, композицию — чтобы генерация выглядела как кадр из фильма? Z-Image-Engineer (семейство 4B моделей на Qwen3) обучен именно на «языке картинок»: он уточняет оптику (например, 85mm vs 24mm), схему света и художественные стили, а затем выдаёт развернутый промпт на ~200–250 слов. По методике SMART Training (V4) автор сообщил падение валидационной потери на 55% (с 2.80 до 1.27) на 55k примерах. Это спорит с ожиданием, что качественные промпты обязаны делать только GPT-4o/Claude — цифры пока не доказывают всё, но реализация выглядит практичной. Как запустить: загрузка доступна через Hugging Face (safetensors); для ComfyUI есть узлы ZEngineerCLIPLoader и ZEngineerPromptEnhancer, модель можно подключать как локальный enhancer. По железу: GGUF Q4_K_M — около 2.3–4 GB VRAM-диапазон, FP16 — ближе к ~9 GB. Лицензия — Apache 2.0 (можно коммерчески). #model #Qwen3 #prompt-engineering #LoRA #ComfyUI #GGUF #stable-diffusion

🛠 Z-Image-Engineer превращает идеи в кинематографичные промпты локально и обучен на парах «идея→промпт»

Устали вручную дописывать «динамику» в промпте — объективы, освещение, композицию — чтобы генерация выглядела как кадр из фильма?

Z-Image-Engineer (семейство 4B моделей на Qwen3) обучен именно на «языке картинок»: он уточняет оптику (например, 85mm vs 24mm), схему света и художественные стили, а затем выдаёт развернутый промпт на ~200–250 слов.

По методике SMART Training (V4) автор сообщил падение валидационной потери на 55% (с 2.80 до 1.27) на 55k примерах. Это спорит с ожиданием, что качественные промпты обязаны делать только GPT-4o/Claude — цифры пока не доказывают всё, но реализация выглядит практичной.

Как запустить: загрузка доступна через Hugging Face (safetensors); для ComfyUI есть узлы ZEngineerCLIPLoader и ZEngineerPromptEnhancer, модель можно подключать как локальный enhancer. По железу: GGUF Q4_K_M — около 2.3–4 GB VRAM-диапазон, FP16 — ближе к ~9 GB. Лицензия — Apache 2.0 (можно коммерчески).

#model #Qwen3 #prompt-engineering #LoRA #ComfyUI #GGUF #stable-diffusion

🔗 BennyDaBall/Qwen3-4b-Z-Image-Engineer-V4 (+ 1 variants: Qwen3-4b-Z-Image-Engineer-V2.5)