BAGEL AI | T2I + I2T + I2I

BAGEL AI: 用於 ComfyUI 的多模態基礎模型

BAGEL (BAndwidth-efficient Generalist Expert Learner) AI 是一個強大的多模態基礎模型，設計用於 圖像生成 和 視覺語言理解。基於具有 14B 參數的 Transformer 專家混合架構（Mixture-of-Transformer-Experts, MoT）——推理時啟用 7B 活躍參數——BAGEL AI 在文字轉圖像生成、圖像編輯和圖像理解任務中提供了最先進的性能。

直接集成到 ComfyUI 中，BAGEL AI 允許創作者從自然語言提示生成詳細圖像，透過文本指令編輯視覺內容，並執行多模態任務，如視覺問答、字幕生成和逐步推理。BAGEL AI 結合了擴散模型（如 Stable Diffusion 3）的質量和領先 VLM 的分析能力（勝過像 Qwen2.5-VL 和 InternVL-2.5 這樣的模型）。

為什麼使用 BAGEL AI？

BAGEL AI 工作流程提供：

• 文字轉圖像生成：使用 BAGEL AI 從自然語言提示創建高質量的圖像
• 透過文本進行圖像編輯：使用描述性指令修改現有圖像，使用 BAGEL AI
• 圖像理解：在 BAGEL AI 中執行圖像字幕生成、問答和視覺分析任務
• 多模態推理：透過 BAGEL AI 啟用逐步解釋或分析視覺輸入
• 一體化基礎模型：在 BAGEL AI 中使用單一的 14B MoT 架構進行多樣的多模態任務

透過 BAGEL AI，藝術家、研究人員和開發者可以使用一個統一且可擴展的 ComfyUI 介面，探索多模態 AI 的生成和分析能力，這一切都由 BAGEL AI 技術提供支持。

1 - 使用 BAGEL AI 進行文字轉圖像生成

使用自然語言提示生成圖像

BAGEL AI 允許您直接從文本輸入創建高質量的圖像。要開始使用 BAGEL AI：

1. 在 BAGEL AI 中的 Prompt 輸入節點中輸入詳細的 文本提示。
2. 可選地在 BAGEL AI 中配置參數，如種子、長寬比或解碼步驟。
3. 運行 BAGEL AI 工作流程，從 BAGEL 模型生成新圖像。

此 BAGEL AI 功能非常適合於概念藝術、視覺創意、故事講述或使用純自然語言描述進行快速原型設計。

2 - 使用 BAGEL AI 進行圖像理解和視覺問答

使用語言分析和理解圖像

BAGEL AI 包含先進的多模態推理和理解功能，BAGEL AI 是圖像字幕生成、分析和問答的理想選擇：

1. 在 BAGEL AI 中上傳要 分析的圖像。
2. 在 BAGEL AI 中輸入關於圖像的 問題或提示（例如，「那個人拿著什麼？」，「描述這個場景。」）。
3. BAGEL AI 系統根據圖像內容返回視覺答案或推理過程。
   此 BAGEL AI 功能特別適用於教育、內容標記、無障礙工作流程或需要視覺基礎的 AI 代理，通過 BAGEL AI 能力實現。

3 - 在 BAGEL AI 中使用文本指令進行圖像編輯

通過提示式編輯修改現有圖像

BAGEL AI 還支持通過其先進的 BAGEL AI 介面進行提示式圖像編輯。以下是如何使用 BAGEL AI：

1. 在 BAGEL AI 輸入節點中上傳您的 原始圖像。
2. 在 BAGEL AI 中提供描述您想要的修改的 文本指令（例如，「添加夕陽背景」，「讓它下雪」等）。
3. 運行節點組以使用 BAGEL AI 處理應用您想要的編輯。

這使得藝術家和設計師可以通過簡單的文本非破壞性地轉換圖像，而不需要手動照片編輯，所有這些都由 BAGEL AI 技術提供支持。

致謝

BAGEL AI 工作流程是基於開源的 BAGEL-7B-MoT 模型，由 ByteDance Seed 提供。
ComfyUI 的集成和 BAGEL AI 工作流程設置由 neverbiasu 開發，提供了在單一統一的 BAGEL AI 介面內無縫訪問圖像生成、編輯和理解功能。

GitHub Repository:

BAGEL AI 模型信息

• 模型名稱: ComfyUI BAGEL-7B-MoT
• 架構: 專為 BAGEL AI 優化的 Transformer 專家混合架構（MoT）
• 總參數: 14B（7B 活躍）在 BAGEL AI 中
• ComfyUI 路徑: models/bagel/ComfyUI-BAGEL-7B-MoT/
• 自動下載: 為 BAGEL AI 啟用
• 手動下載: