HiDream-O1 اختراق في توليد الصور بالذكاء الاصطناعي، إذ يوحّد فهم النص وتركيب الصورة ضمن بنية نموذج واحدة. يشرح هذا المقال كيف يعمل HiDream-O1، وما الذي يميزه عن النماذج الرائدة الأخرى، وأداءه في الاختبارات المعيارية، وكيف تستخدم إصدارات HiDream المتاحة اليوم على PicassoIA لإنشاء صور واقعية كالصور الفوتوغرافية من أوامر نصية مفصلة.
HiDream-O1 نوع جديد من نماذج توليد الصور بالذكاء الاصطناعي، لا يتناسب بسهولة مع إطار "نص داخل، صورة خارج" الذي يستخدمه معظم الناس عند التفكير في أنظمة الانتشار. بنيته مبنية بطريقة مختلفة، ونهجه في تفسير الأوامر النصية مختلف أيضًا. والنتائج التي يقدمها في مقارنات الاختبارات المعيارية فاجأت الباحثين فعلًا، الذين توقعوا تحسينًا تدريجيًا آخر على الأسس القائمة. يشرح هذا المقال ما هو HiDream-O1، ولماذا يهم تصميمه الموحّد، وما يعنيه لكل من يولّد الصور بالذكاء الاصطناعي اليوم.
HiDream-O1 نموذج موحّد لتوليد الصور بالذكاء الاصطناعي طورته HiDream AI، ومصمم ليعامل فهم النص وتوليد الصورة كعملية واحدة متكاملة، بدلًا من مرحلتين منفصلتين. تعمل معظم نماذج توليد الصور القائمة على الانتشار عبر ترميز الأمر النصي بشكل منفصل، ثم تكييف عملية إزالة الضوضاء على ذلك التمثيل المرمّز. الترميز والتوليد منفصلان جوهريًا. يغيّر HiDream-O1 هذه العلاقة على المستوى المعماري.
كلمة "موحّد" في HiDream-O1 ليست لغة تسويقية. فهي تشير إلى قرار معماري محدد: النموذج لا يعتمد على مُرمِّز نصي خارجي مجمّد لمعالجة الأوامر. بل يدمج معالجة التوكنات على طريقة النماذج اللغوية مباشرة في العمود الفقري لتوليد الصور. تمر توكنات النص وتوكنات الصورة عبر آليات الانتباه نفسها، مما يخلق تأثيرًا ثنائي الاتجاه بين الوصف الذي تكتبه والصورة التي تتشكل.
عندما تكتب أمرًا نصيًا مفصلًا ودقيقًا، لا يضغطه النموذج إلى متجه ثابت ثم يحاول تكييف عملية انتشار منفصلة على تلك الإشارة المضغوطة. تُحفظ التفاصيل الإضافية، وتُوزن، وتُوزَّع على عملية التوليد طوال الوقت، لا في البداية فقط.
💡 تحدث معظم إخفاقات الأوامر النصية في خطوة الترميز. عندما يُغفل مُرمِّز النص علاقة دقيقة بين الكلمات، لا يمكن لأي جودة انتشار أن تستعيدها. تتجاوز المعالجة الموحّدة هذا الاختناق تمامًا.
أطلقت HiDream أول نموذج كبير لها باسم HiDream-I1، وهو نموذج تحويل نص إلى صورة بسعة 17 مليار معامل، وجذب اهتمامًا كبيرًا عند إطلاقه مفتوح المصدر في أوائل عام 2025. كان I1 مبهرًا بحجمه وبالتزامه القوي بالأمر النصي. ويبني O1 على هذا الأساس، لكنه يتبع نهجًا أكثر تعمدًا في التفكير بالتكوين البصري قبل الالتزام بتوليد البكسلات.
حيث يولّد I1 الصور في مرور مباشر نسبيًا، يتضمن O1 شكلًا من التفكير البصري المرحلي: يقيّم قرارات التكوين (موضع الشخص، ومنطق الإضاءة، والعلاقات المكانية) قبل أن تبدأ عملية الانتشار بجدية. فكّر فيه كنموذج يضع خطة هيكلية قبل الرسم، مما يؤدي إلى مشاهد معقدة أكثر تماسكًا بشكل عام.
لفهم سبب أداء HiDream-O1 بهذه الطريقة، يلزم النظر في ما يجعل معماريته مختلفة عن نماذج مثل Flux Dev أو Stable Diffusion 3.
بُني HiDream-O1 على عمود فقري من محولات الانتشار (DiT) بدلًا من معمارية الانتشار التقليدية القائمة على UNet. وهذا فرق ذو معنى. تعالج نماذج UNet الصور عبر مسارات ترميز وفك ترميز مع وصلات تخطٍّ، وهي تعمل جيدًا لكنها تخلق عنق زجاجة بنيويًا عند التوسع. أما المحولات فتتوسع بسلاسة أكبر، وتسمح لآليات الانتباه بالعمل على الصورة كاملة بشكل شامل في كل خطوة انتشار.
النتيجة العملية هي تماسك أفضل على المدى الطويل. تحافظ الأشياء في أجزاء مختلفة من الصورة على إضاءة متسقة، وحجم متسق، ومعالجة أسلوبية متسقة بموثوقية أكبر من الأنظمة القائمة على UNet. بالنسبة للمشاهد ذات الأشخاص المتعددين أو البيئات المعقدة، يظهر هذا الفرق المعماري بوضوح في النتائج.
| المعمارية | التماسك على المدى الطويل | الحساسية للأوامر | كفاءة التوسع |
|---|---|---|---|
| UNet (على نمط SD) | متوسط | متوسط | محدودة |
| DiT (HiDream-O1) | عالٍ | عالٍ | قوية |
| محول هجين | متوسط إلى عالٍ | عالٍ | متوسطة |
الجانب الأكثر ابتكارًا تقنيًا في HiDream-O1 هو طريقة تعامله مع الواجهة بين فهم اللغة وتوليد الصور. يستعير النموذج آليات من معماريات النماذج اللغوية الكبيرة (LLM)، وتحديدًا الطريقة التي تتعامل بها رؤوس الانتباه في النماذج اللغوية مع الاعتماديات طويلة السياق بين التوكنات.
عمليًا، يتيح هذا لـ HiDream-O1 معالجة أوامر بطول وتعقيد غير معتادين، دون التدهور المعتاد في التماسك الذي تسببه المُرمِّزات القصيرة السياق. ستُعالج بدقة أعلى بكثير أمرٌ من 200 كلمة لمشهد متقن يضم أشخاصًا متعددين، وظروف إضاءة محددة، وتعليمات تكوين دقيقة، مقارنةً بالنماذج التي تعتمد على مُرمِّزات بنمط CLIP، حيث تحدّ نافذة السياق الفعّالة من مقدار التفاصيل التي تصل إلى التوليد.
قياس أداء نماذج توليد الصور بالذكاء الاصطناعي صعب بشكل معروف، لأن معظم ما يهم فيها ذاتي. ومع ذلك، خضع HiDream-O1 لتقييم على عدة مقاييس قياسية توفر مقارنات موضوعية نسبيًا مع الأنظمة المنافسة.
على GenAI-Bench، المصمم لتقييم الالتزام بالأمر النصي عبر التعليمات التكوينية المعقدة، يسجل HiDream-O1 نتائج أعلى بكثير من نسخ Stable Diffusion السابقة، ومنافسة لنموذج DALL-E 3 أو متفوقة عليه في عدة فئات. يظهر التحسن الرئيسي في ربط الخصائص: عندما تقول لنموذج "مكعب أحمر فوق كرة زرقاء بجوار أسطوانة خضراء"، يقيس ربط الخصائص ما إذا كانت الألوان تطابق الأشياء الموصوفة فعلًا، بدلًا من أن تتوزع عشوائيًا. تجعل المعالجة الموحّدة لنموذج O1 هذا النوع من الإسناد المحدد أكثر موثوقية.
على T2I-CompBench، الذي يقيّم توليد التحويل من نص إلى صورة التكويني تحديدًا، يُظهر HiDream-O1 تقدمًا ملحوظًا في دقة العلاقات المكانية. تنتج الأوامر التي تصف المواضع النسبية (أمام، خلف، إلى يسار) ترتيبات مكانية صحيحة بمعدل أعلى من معظم النماذج المنافسة بأعداد معاملات متكافئة.
تظهر أوضح مزايا الأداء في ثلاث فئات محددة:
بالنسبة للأوامر الأبسط ("كلب على شاطئ")، تكون الفروق بين O1 والنماذج المضبوطة جيدًا مثل Flux Pro أقل وضوحًا. تتراكم مزايا المعمارية كلما ازداد تعقيد الأمر.
تقدم PicassoIA ثلاثة إصدارات من عائلة نماذج HiDream L1، كل منها مُحسَّن لحالات استخدام مختلفة. اختيار الإصدار المناسب لسير عملك يُحدث فرقًا كبيرًا في السرعة وجودة المخرجات معًا.
الإصدار السريع مصمم للتكرار السريع. إذا كنت تطوّر فكرة إبداعية وتحتاج إلى رؤية 12 تنويعة بسرعة، فإن HiDream-L1-Fast يقدم النتائج في جزء بسيط من الوقت الذي يتطلبه التشغيل الكامل عالي الجودة. المقابل هو فقدان بعض التفاصيل الدقيقة، خاصة في الأنسجة المعقدة وعند حواف الأجسام. لاستكشاف المفاهيم وتطوير الأوامر، هو نقطة البداية الصحيحة قبل الالتزام بتشغيلات كاملة.
الأفضل لـ: التكرار السريع، واستكشاف المفاهيم، واختبار الأوامر السرعة: أسرع بكثير من التشغيل الكامل المقابل: تفاصيل دقيقة أقل في الأنسجة والحواف
يشغّل الإصدار الكامل الاستدلال كاملًا دون تخفيضات عدد الخطوات الموجودة في النسخة السريعة. ينتج هذا نتائج أوضح بشكل ملحوظ، وتصييرًا أفضل للأنسجة، والتزامًا أدق بتعليمات الأوامر المفصلة. إذا كنت تولّد صورًا للنشر أو لعمل للعملاء، أو في أي سياق تهم فيه الجودة أكثر من سرعة التكرار، فإن HiDream-L1-Full هو الخيار المناسب.
الأفضل لـ: المخرجات النهائية، والصور الجاهزة للنشر، والأوامر التكوينية المعقدة الجودة: السعة الكاملة للنموذج، وأقصى احتفاظ بالتفاصيل الدقة: حتى 1024x1024، وقابلة للتوسيع برفع الدقة بالتحسين الفائق
يستهدف الإصدار التطويري المستخدمين الذين يريدون استكشاف قدرات النموذج بشكل أكثر مباشرة. يوفر تحكمًا أكبر في معاملات تشغيل النموذج، وهو مفيد بشكل خاص للباحثين ومهندسي الأوامر وأي شخص يبني سير عمل فوق معمارية HiDream. يعرض HiDream-L1-Dev عناصر تحكم في الاستدلال تُخفيها الإصدارات الموجهة للمستخدمين.
الأفضل لـ: البحث، واستكشاف المعاملات، وتطوير سير العمل، والتحقيق في الضبط الدقيق الإعداد: عناصر تحكم أكثر ظهورًا في الاستدلال حالة الاستخدام: المستخدمون التقنيون، والمستخدمون المتقدمون، والمطورون
معرفة المكان الذي يؤدي فيه النموذج أفضل أداءً تساعدك على استخلاص أقصى قيمة منه. لدى HiDream-O1 ثلاث فئات متميزة تترجم فيها مزاياه المعمارية إلى تحسينات واضحة في جودة المخرجات.
توليد البورتريهات البشرية هو المجال الذي تكون فيه دقة المخرجات مقارنةً بالأمر أكثر وضوحًا. عندما تصف تعبيرًا محددًا، أو إعداد إضاءة، أو عمرًا، أو صفة عاطفية، فإن المعالجة الموحّدة لنموذج HiDream-O1 تعني أن هذه الأوصاف تُوزن وتُحترم طوال عملية التوليد، بدلًا من أن تضيع جزئيًا في مرحلة الترميز.
تُظهر مخرجات البورتريه تصييرًا قويًا لملمس البشرة، ومطابقة دقيقة للتعبيرات، وإضاءة متسقة على الوجه تتوافق مع اتجاه مصدر الضوء الموصوف. عند إقرانها بنموذج Flux Canny Pro للتحكم البنيوي، أو برفع الدقة بالتحسين الفائق للتسليم النهائي، تصل مخرجات البورتريه إلى مستوى من التفاصيل كان صعب التحقيق مع نماذج مفتوحة المصدر الأقدم.
مشهد يضم خمسة عناصر متميزة (إعداد محدد، وشخصيتان بخصائص مختلفة، وزمن معين من اليوم، ونبرة عاطفية موصوفة) سيكشف الحدود التكوينية لأي نموذج صور تقريبًا. يتعامل HiDream-O1 مع هذا النوع من الأوامر بعدد أخطاء أقل بكثير مقارنةً بالمعماريات أحادية المرحلة المكيّفة بالمُرمِّز.
💡 تظهر تحسينات الاستدلال المكاني في O1 بوضوح أكبر عندما تتضمن أوامرك لغة اتجاهية. كلمات مثل "خلف"، و"تُلقي ظلًا على"، و"تنعكس في" تميل إلى إنتاج نتائج موضعية دقيقة باستمرار.
تصيير المواد قوة ثانوية: ملمس نسيج الأقمشة، وسلوك سطح الماء، وجودة انعكاس المعادن، والأسطح الحجرية أو الخرسانية الخشنة، كلها تستفيد من قدرة النموذج على الحفاظ على خصائص مادية متسقة عبر الصورة. عند وصف نوع مادة محدد في الأمر، تميل المخرجات إلى احترام هذا الوصف عبر الإطار كله، بدلًا من العودة إلى تقريبات عامة في المناطق الطرفية.
يتبع استخدام نماذج HiDream على PicassoIA الواجهة نفسها لمولّدات تحويل النص إلى صورة الأخرى في المنصة، مع بعض ممارسات الأوامر التي تعمل بشكل خاص جيدًا بالنظر إلى نقاط قوة المعمارية.
ابدأ بإصدار HiDream-L1-Fast للاستكشاف الأولي. اكتب أمرك بلغة طبيعية، وصف الشخص والإعداد والإضاءة والمزاج بقدر ما يبدو طبيعيًا. ولأن O1 يلتزم بالأمر النصي بشكل أقوى، فإن التحديد يُجدي نفعًا، على عكس النماذج التي تفقد السياق بعد عدد معين من التوكنات.
بنية أمر تعمل جيدًا مع HiDream:
مثال: "امرأة في الثلاثينات من عمرها ترتدي سترة كتانية كريمية، تجلس إلى مكتب خشبي في استوديو مشمس، ضوء بعد الظهر الدافئ من النافذة اليسرى يخلق ظلالًا ناعمة واتجاهية، تُلتقط بعدسة 85 مم f/1.8 مع بوكيه ناعم خلفها، أجواء هادئة ومركّزة، حبيبات فيلم Kodak Portra 400"
عند العمل مع HiDream-L1-Full، يؤثر معامل مقياس التوجيه تأثيرًا قويًا على طابع المخرجات:
عدد الخطوات مهم أيضًا: عدد أقل من الخطوات ينتج نتائج أسرع لكنها أكثر ضوضاء. يُعد نطاق من 30 إلى 40 خطوة عادةً النقطة المثالية لتوازن الجودة مع السرعة في النموذج الكامل. أما في الإصدار التطويري، فإن تجربة جدولات مختلفة (DDIM وDPM++ وEuler) تكشف خصائص جمالية مختلفة للأمر نفسه.
يساعد تحديد موقع HiDream-O1 بالنسبة إلى نماذج الصور الحالية الأخرى على توضيح مكانه في المشهد، ومتى تلجأ إليه.
Flux Dev وFlux Pro مولّدان صور عامان قويان، بمخرجات جمالية ممتازة وقاعدة مستخدمين كبيرة ومتينة. بالنسبة للأوامر العادية إلى المتوسطة، ينتج Flux نتائج ممتازة بأوامر قصيرة نسبيًا. وما يتقدم فيه HiDream-O1 هو تحديدًا الأوامر التكوينية المعقدة وربط الخصائص بالأجسام المتعددة. عندما تتضمن سير العمل أوامر مفصلة كثيفة التعليمات بعناصر موصوفة كثيرة، يصبح الفرق في الأداء قابلًا للقياس.
شكّل Stable Diffusion 3 خطوة معمارية حقيقية إلى الأمام مقارنةً بإصدارات SD السابقة، ويقدم نتائج قوية عبر مجموعة واسعة من أنواع الأوامر. HiDream-O1 و SD3 متنافسان في كثير من المجالات، ويُظهر O1 مزايا أوضح في دقة التكوين المكاني وفي التعامل مع الأوامر التي تتجاوز حدود السياق المعتادة للمُرمِّزات.
يُعد Recraft 20B وIdeogram v3 Turbo بديلين قويين لحالات استخدام محددة (عمل المتجهات وعرض النص على التوالي)، لكن أيًا منهما لا يستهدف النيش نفسه المتعلق بتماسك التكوين الذي يشغله HiDream-O1.
| النموذج | الأوامر البسيطة | التكوين المعقد | الأوامر الطويلة | مفتوح المصدر |
|---|---|---|---|---|
| HiDream-O1 | قوي | قوي جدًا | قوي جدًا | نعم |
| Flux Pro | قوي جدًا | قوي | متوسط | لا |
| Stable Diffusion 3 | قوي | قوي | متوسط | جزئيًا |
| Flux Dev | قوي | متوسط | متوسط | نعم |
| Recraft 20B | قوي | متوسط | متوسط | لا |
من أهم الحقائق حول HiDream-O1 أن أوزان النموذج متاحة للعموم. تتيح الأوزان المفتوحة للمجتمع ضبط النموذج بدقة على مجالات محددة، أي أنه يمكن بناء نسخ متخصصة للتصور المعماري أو الأزياء أو تصوير المنتجات أو أي مجال عمودي آخر فوق النموذج الأساسي، دون انتظار أن تطلق جهة مزودة نسخة مستهدفة.
صُمم إصدار HiDream-L1-Dev تحديدًا لدعم هذا النوع من أعمال البحث والضبط الدقيق. وبالنسبة للمستخدمين الذين يعملون عبر PicassoIA، فإن مسار المصدر المفتوح يعني أيضًا أن النموذج يستفيد من تحسينات المجتمع مع الوقت، إذ تعود النسخ المضبوطة بدقة وتطبيقات الاستدلال المحسّنة إلى المنظومة الأوسع.
يحقق HiDream-O1 أفضل أداء عندما يُعطى أوامر محددة ومفصلة تستفيد من بنيته المعالجة الموحّدة. يكافئ النموذج الجهد المبذول في بناء الأمر بطريقة لا تفعلها الأنظمة الأبسط، لأن التفاصيل الإضافية لا تضيع في مرحلة الترميز. الأمر الذي كان سيُتجاهل أو يُشوَّه في نموذج يعتمد على مُرمِّز غالبًا ما يُمثَّل بأمانة في مخرجات HiDream.
بالنسبة للمصورين ومديري الفن الذين يبنون لوحات الإلهام، فإن دقة التكوين المكاني تعني أن الصور المرجعية تطابق الرؤية الموصوفة بموثوقية أكبر. بالنسبة لصنّاع المحتوى، تجعل جودة البورتريه وربط الخصائص ثبات الشخصيات عبر تكرارات متعددة أكثر تحقيقًا. أما للباحثين والمطورين، فإن HiDream-L1-Dev يوفر وصولًا مباشرًا إلى معاملات الاستدلال التي تُخفيها معظم مولّدات الصور الموجهة للمستخدمين.
تقدم PicassoIA أيضًا أدوات تتكامل بشكل طبيعي مع مخرجات HiDream. بعد أن تحصل على صورة أساسية قوية، يتولى Flux Fill Pro التعديل الموضعي وإضافة التفاصيل، ويدير Flux Depth Pro التعديلات المدركة للعمق، ويتيح Flux Kontext Fast تعديل الصور السريع ضمن السياق دون فقدان طابع الصورة الأصلية.
إذا لم تجرّب نماذج HiDream بعد، فإن HiDream-L1-Fast هو المكان المناسب للبدء. اكتب أمرًا استخدمته من قبل على نموذج آخر، ثم شغّله عبر HiDream-L1-Fast بالمعاملات نفسها، وقارن النتائج جنبًا إلى جنب. تميل الفروق في معالجة الأوامر المعقدة إلى أن تصبح واضحة من المحاولة الأولى، خاصة في المشاهد التي تضم أشخاصًا متعددين أو أوصافًا مكانية مفصلة.
خذ أمرًا أحبطك في نماذج أخرى. انقله إلى HiDream-L1-Full بالصياغة نفسها، وانظر ما يحدث عندما تكون المعمارية مبنية فعلًا للحفاظ على تلك التفاصيل.
اختر لغتك
