卷首<它听懂了一句>”水墨江南”#

你输入”水墨风格的江南水乡,细雨蒙蒙,一位撑油纸伞的少女站在拱桥上”——然后它画出来了。没有翻译的损耗,没有语义的漂移,就像它真的懂什么叫”水墨”、什么叫”江南”。

这就是快手 Kolors(可图)最动人的地方。它是国产开源模型里,第一个让我觉得”中文是它的母语”的。

一、它是什么#

Kolors 是快手基于潜扩散模型自研的文生图模型,数十亿图文对训练,两阶段渐进(概念学习 + 美感提升)。2024 年 7 月在 WAIC 开源,一度登顶 HuggingFace Trending。

评测背书<智源> FlagEval 第三方评测 75.23 分,全球第二(仅次于闭源 DALL-E 3);50 位人类图像专家评估中与 Midjourney-v6 相当,视觉吸引力显著领先。

二、为什么”懂中文”是它的灵魂#

• 中文原生理解<提示词直接在中文学义空间映射>,无需”中译英”——文化意象(水墨、工笔、东方建筑)不失真。
• 中文文字入画<第一个原生支持中文文字生成的模型之一>,招牌、对联、书名都能”写进”画面。
• GLM 文本编码<英文同样可用>(偶有小瑕疵,中文是绝对主力)。
• 256 token 上下文<当时的主流水平>。

三、部署<门槛与许可>#

• 架构 基座 + ChatGLM256 编码。
• 显存<约> 19GB(SDXL 级体量,偏高)。
• 接入、ComfyUI、ModelScope 无缝。
• 许可<代码> Apache-2.0;模型权重个人免费,商用需向快手登记(重要!)。

四、它擅长与不擅长#

擅长

• 中文理解与国风表现<开源最佳之一>。
• 中文文字入画<独一份的>”汉字进图”。
• 完全开源 + 工具链完整(ControlNet/LoRA/IP-Adapter/ComfyUI)。
• 在线免费<可灵> AI 平台、可图小程序。

不擅长

• 写实与西方审美画质弱于 FLUX/SD4。
• 19GB 显存门槛偏高。
• 英文略弱;版本自 2024 开源后未见重大更新。

五、FAQ#

Q1<谁做的>? 快手(Kuaishou Kolors 团队),2024-07 WAIC 开源。 Q2<为什么>”中文原生”? 潜扩散 + ChatGLM 编码,中文免翻译,汉字可入画。 Q3<评测如何>? FlagEval 75.23 全球第二(仅次于 DALL-E 3)。 Q4<能商用吗>? 代码 Apache;权重商用需向快手登记。 Q5<显存>? 约 19GB;量化/云 GPU 可降。 Q6<英文好吗>? 可用但有小瑕疵;中文是主力。 Q7<支持哪些工具>? Diffusers/ComfyUI/ModelScope;CN/LoRA/IPA 全开源。 Q8<有在线版吗>? 有,可灵 AI 平台与可图小程序免费用。

六、实战配方#

A<中文国风海报> — 中文提示(水墨/工笔 + 汉字)→ 中文文字入画 → 本地部署数据不出网。 B 定制画风 — 开源训练流程 → 自有数据训 LoRA → 统一风格系列。 C<中文知识图解> — 中文长提示(≤256 token)+ 标签需求 → 准确中文文字图表。 D<在线快速创作> — 可灵 AI 平台直接出图 → 零门槛 → 需私有化再转本地。

七、提示词技巧#

八、风险与提醒#

• 商用登记是硬门槛,别省这一步。
• 画质上限<写实>/西方审美非强项。
• 显存 19GB 偏高;小显存需量化。
• 版本更新停滞,关注官方。
• 英文弱项,国际化物料搭配其他模型。

写在最后<可图教会> AI 的不只是画图,而是一种”中文审美”。在 AI 越来越国际化的今天,这种本土的、有温度的能力,反而成了最稀缺的东西。