Деплой генератора картинок от команды DeepSeek: тесты и сравнения

Всего месяц назад команда DeepSeek выпустила в открытый доступ новую мультимодальную модель для генерации картинок — Janus-Pro-7B. Разработчики заверяют, что она умеет генерировать изображения, почти неотличимые от настоящих, отлично работает в локальном режиме, бесплатна и превосходит западных конкурентов в ряде задач. 

Что нового в Janus-Pro

Janus-Pro — это усовершенствованная версия Janus, в которой:

• оптимизирована стратегия обучения,
• расширен датасет,
• увеличен размер модели.

Благодаря этим улучшениям Janus-Pro достигает значительных успехов в мультимодальном понимании и лучше преобразует текст в изображение. Но это только по заверениям разработчиков. Перейдем к тестам.

Развертывание модели на облачном сервере

Перейдем к развертыванию модели в облаке. Далее — сравним ее результаты с другими нейросетями. 

1. Перейдем в раздел Продукты → Облачные серверы внутри панели управления.

2. Нажмем Создать сервер.

3. В качестве источника использую загруженный образ Ubuntu 20.04 6 LTS.

4. Выбираем Регион «Москва» и Пул — ru-7b. Для работы воспользуемся фиксированной конфигурацией с видеокартой A5000, но вы можете подобрать произвольную сборку под свои задачи.

5. Указываем тип диска и публичную подсеть, чтобы сервер был доступен из интернета.

6. После ознакомления с конфигурацией и стоимостью сборки нажимаем Создать сервер.

7. Перейдем к развертыванию модели. 

    # Обновляем список пакетов
apt update  

# Устанавливаем pip
apt install -y pip  

# Обновляем pip
python3 -m pip install --upgrade pip  

# Устанавливаем git
apt install -y git  

# Клонируем репозиторий с моделью
git clone https://github.com/deepseek-ai/Janus.git  

# Переходим в папку с репозиторием
cd Janus  

# Устанавливаем пакет в режиме редактируемого режима
pip install -e .  

# Ставим дополнительные зависимости для Gradio
pip install -e .[gradio]  

# Запускаем сервер
python3 demo/app_januspro.py  

Развертывание заняло около 20 минут, где большую часть времени я ждал загрузки модели.

Для доступа к нейросети переходим по ссылке:

• локально — http://127.0.0.1:7860/,

через публичный URL — https://8690e0b19830202a84.gradio.live.

Проверка качества генерации

Важный момент при использовании Janus-Pro-7B — это возможность работы с мультимодальным пониманием и генерацией текста в картинку. Нас интересует второй вариант.

Генерация картинок на разных языках

Попробовал задать промт на русском:

Результат: нейросеть отрисовала пять картинок. Отобрал для вас наиболее адекватные:

Зададим тот же промт, но на английском: 

Результат: точность выше, композиция ближе к ожидаемой.

Финальный босс — традиционный китайский:

Результат: из пяти картинок удалось выбрать лишь одну, но и к ней достаточно вопросов. Псевдокитайский (или японский), традиционный дом, лес и облака. Все как просили (нет).

Подробный промт

Попробуем задать подробно описанный промт:

Результат: детализация осталась та же, и качество изображения по-прежнему оставляет желать лучшего.

Итог

Основная часть обучающих данных, которые используют нейросети, представлена на английском языке — именно на него модели ориентируются в первую очередь. Для других языков качественных данные сильно меньше, что может влиять на точность генерации.
Для наилучших результатов рекомендуется формулировать запросы на английском. Это значительно повысит эффективность работы нейросети. Если вам не хочется разворачивать модель локально, проще воспользоваться веб-версией на Hugging Face. Результат будет практически таким же, но без необходимости тратить время на настройку:

Сравнение с другими моделями

Сравним качество генерации Janus-Pro с другими онлайн-нейросетями. Не будем рассматривать слишком популярные варианты, чтобы сравнение было чуть справедливее.

Deep Dream Generator

Начнем с сайта deepdreamgenerator.com. Ключевые особенности:

• генерация и улучшения изображений;
• генерация видео;
• лимит «энергии» — при регистрации у вас 100 единиц, каждая генерация стоит от 4 до 30. При этом 80 начисляют единоразово, а 20 регулярно пополняется со временем;
• можно протестировать нейросеть без авторизации.

А еще никто не запрещает использовать мультиаккаунты. 😉

Выберем нужную модель. Площадка позволяет выбрать три pro-модели в день, при этом использовать обычные можно без ограничений.

Советую задавать запросы на английском, так как запросы по промтам на иных языках будут очень абстрактными. Протестируем тот же промт.

Результат: за четыре единицы энергии получилось неплохо, но дельфина забыли.

Попробуем тот же промт, но с моделью AIVision. За 30 единиц «энергии» она соблюла ТЗ, но от себя добавила какую-то человекоподобную черепаху. 

Проверим генерацию на более подробном промте, который ранее тестировали с Janus.

Результат: Нейросеть справилась с поставленной задачей.

DeepAI

Следующий сервис для сравнения — deepai.org. Это универсальная платформа с множеством инструментов: от стандартного чат-бота и генератора изображений до аудиочата и «хуманизатора» ИИ-текстов. Использовать можно без регистрации.

Для генерации картинок нужно:

• задать промт, 
• выбрать качество генерации, 
• определить приоритет (скорость или качество), 
• подобрать стиль из более чем ста вариантов.

Создадим изображение с игрой в теннис на Марсе. Промт прежний.

Можно поэкспериментировать со стилями, чтобы получить более интересные генерации. Все в ваших руках! Результаты неплохие, но не идеальные. Однако ключевые плюсы платформы — бесплатное использование и отсутствие ограничений по количеству генераций. Можно дорабатывать промт и получать более точные картинки без лишних затрат.

Далее выберем подходящий неоновый стиль и зададим подробный промт.

Результат: получилось качественное изображение с прорисованным «Жаном», грузовиками, и даже тенью.

Chatbot Arena

Последний сервис в нашем сравнении — lmarena.ai. Особенности платформы:

• возможность получать ответы от двух разных моделей одновременно; 
• сравнение полученных результатов (генерация текста, чат, помощь с GitHub-репозиториями);
• голосование за лучший результат.

Прописываем промт и получаем два результата. Чтобы узнать, где какая нейросеть, нужно проголосовать.

Chabot Area — интересный инструмент для сравнения различных нейросетей на основе результата их работы. Пользователи участвуют в оценке генераций моделей, формируя объективный рейтинг.

Заключение

Развернуть модель Janus-Pro-7B локально или в облаке будет полезно, если вам нужно неограниченное количество генераций, а также полный контроль над процессом. Однако стоит помнить, что это требует затрат и времени на настройку. Онлайн-версия модели при этом работает быстро, бесплатна и не требует от вас ресурсов, но накладывает ограничения на количество использований.

Пока Janus Pro 7B уступает по качеству генерации бесплатным онлайн-нейросетям, которых на просторах интернета сейчас очень много. Но списывать модель со счетов не стоит. Конкуренция между OpenAI и DeepSeek только растет, а с увеличением финансирования модели будут развиваться.