階躍星辰公司近期宣布了一項(xiàng)重大決定，將自家圖像編輯領(lǐng)域的明星大模型Step1X-Edit向公眾開放源代碼。據(jù)官方宣稱，這款模型在開源社區(qū)中已達(dá)到最新技術(shù)水平，即SOTA狀態(tài)。Step1X-Edit憑借其強(qiáng)大的功能，能夠應(yīng)對多種高頻圖像編輯需求，包括文字替換、風(fēng)格遷移、材質(zhì)變換、人物修圖等11種常見任務(wù)類型，幾乎覆蓋了用戶在進(jìn)行圖像編輯時(shí)的所有需求。

這款圖像編輯大模型的總參數(shù)量達(dá)到了驚人的190億，其中，70億參數(shù)屬于MLLM（推測為多模態(tài)語言模型），而另外的120億參數(shù)則歸屬于DiT（推測為擴(kuò)散模型）。Step1X-Edit專注于自然語言圖像編輯任務(wù)，并具備三大核心優(yōu)勢。

首先，Step1X-Edit具備出色的語義解析能力。它能夠準(zhǔn)確理解并執(zhí)行用戶通過自然語言描述的復(fù)雜指令，無需依賴任何預(yù)設(shè)模板。這意味著用戶在進(jìn)行圖像編輯時(shí)，可以更加自由地進(jìn)行多輪、多任務(wù)的編輯操作。模型還能對圖像中的文字進(jìn)行精準(zhǔn)識別、替換與重構(gòu)，顯著提升了圖像編輯的效率和靈活性。

其次，Step1X-Edit在保持身份一致性方面表現(xiàn)出色。在進(jìn)行圖像編輯的過程中，它能夠穩(wěn)定地保留圖像中的人臉、姿態(tài)和身份特征。這一特點(diǎn)對于虛擬人形象、電商模特展示以及社交圖像編輯等需要高度一致性的場景來說，尤為重要。用戶無需擔(dān)心編輯后的圖像出現(xiàn)身份特征不一致的問題。

最后，Step1X-Edit還具備高精度區(qū)域級控制能力。它能夠根據(jù)用戶的指令，對圖像中的指定區(qū)域進(jìn)行文字、材質(zhì)、色彩等定向編輯，同時(shí)保持圖像整體風(fēng)格的統(tǒng)一。這種精細(xì)化的控制能力使得編輯后的圖像更加自然、逼真，滿足了用戶對高質(zhì)量圖像編輯的需求。