BAGEL AI | T2I + I2T + I2I

BAGEL AI：用于 ComfyUI 的多模态基础模型

BAGEL (BAndwidth-efficient Generalist Expert Learner) AI 是一个强大的多模态基础模型，专为 图像生成 和 视觉-语言理解 设计。基于 14B 参数的 Transformer 专家混合体 (MoT) 架构—推理时 7B 活跃—BAGEL AI 在文本到图像生成、图像编辑和图像理解任务中提供了最先进的性能。

直接集成到 ComfyUI 中，BAGEL AI 允许创作者通过自然语言提示生成详细图像，使用文本指令编辑视觉内容，并执行多模态任务，如视觉问答、字幕生成和逐步推理。BAGEL AI 将扩散模型（如 Stable Diffusion 3）的质量与领先 VLMs 的分析能力相结合，优于如 Qwen2.5-VL 和 InternVL-2.5 的模型。

为什么使用 BAGEL AI？

BAGEL AI 工作流提供：

• 文本到图像生成：使用 BAGEL AI 从自然语言提示创建高质量图像
• 通过文本进行图像编辑：使用描述性指令修改现有图像，使用 BAGEL AI
• 图像理解：在 BAGEL AI 中执行图像字幕生成、问答和视觉分析任务
• 多模态推理：通过 BAGEL AI 启用视觉输入的逐步解释或分析
• 一体化基础模型：在 BAGEL AI 中使用单一的 14B MoT 架构进行多样化的多模态任务

借助 BAGEL AI，艺术家、研究人员和开发人员可以通过统一且可扩展的 ComfyUI 接口探索多模态 AI 的生成和分析能力，BAGEL AI 技术提供支持。

1 - 使用 BAGEL AI 进行文本到图像生成

使用自然语言提示生成图像

BAGEL AI 允许您直接从文本输入创建高质量图像。要开始使用 BAGEL AI：

1. 在 BAGEL AI 中的 Prompt 输入节点中输入详细的 文本提示。
2. 可选地在 BAGEL AI 中配置参数，如种子、长宽比或解码步骤。
3. 运行 BAGEL AI 工作流以从 BAGEL 模型生成新图像。

此 BAGEL AI 功能非常适合于概念艺术、视觉创意、故事讲述或使用纯自然语言描述进行快速原型设计。

2 - 使用 BAGEL AI 进行图像理解和视觉问答

使用语言分析和理解图像

BAGEL AI 包含先进的多模态推理和理解功能，使 BAGEL AI 成为图像字幕生成、分析和问答的理想选择：

1. 在 BAGEL AI 中上传要分析的 图像。
2. 在 BAGEL AI 中键入有关图像的 问题或提示（例如，“这个人拿着什么？”，“描述这个场景。”）。
3. BAGEL AI 系统根据图像内容返回视觉答案或推理轨迹。
   此 BAGEL AI 功能特别适用于教育、内容标记、可访问性工作流或需要视觉基础的 AI 代理，利用 BAGEL AI 功能。

3 - 在 BAGEL AI 中使用文本指令编辑图像

通过基于提示的编辑修改现有图像

BAGEL AI 还支持通过其高级 BAGEL AI 接口进行基于提示的图像编辑。以下是使用 BAGEL AI 的方法：

1. 在 BAGEL AI 输入节点中上传您的 原始图像。
2. 在 BAGEL AI 中提供描述您想要的修改的 文本指令（例如，“添加日落背景”，“让它下雪”等）。
3. 运行节点组以使用 BAGEL AI 处理应用您想要的编辑。

这允许艺术家和设计师通过简单的文本非破坏性地转换图像，而无需手动照片编辑，所有这些都由 BAGEL AI 技术提供支持。

致谢

用于 ComfyUI 的 BAGEL AI 工作流基于 ByteDance Seed 的开源 BAGEL-7B-MoT 模型。
ComfyUI 集成和 BAGEL AI 工作流设置由 neverbiasu 开发，提供无缝访问图像生成、编辑和理解功能，所有这些都在单一统一的 BAGEL AI 接口中实现。

GitHub 仓库：

BAGEL AI 模型信息

• 模型名称：ComfyUI BAGEL-7B-MoT
• 架构：为 BAGEL AI 优化的 Transformer 专家混合体 (MoT)
• 总参数：BAGEL AI 中的 14B（7B 活跃）
• ComfyUI 路径：models/bagel/ComfyUI-BAGEL-7B-MoT/
• 自动下载：为 BAGEL AI 启用
• 手动下载：