SupraLabs 正式發布 Supra2-IMG，這是一個僅有 1 億參數的擴散變壓器（DiT）文字轉影像模型。該模型在 Runpod 平台上，使用單張 NVIDIA H100 GPU 在不到 10 小時內從頭訓練完成，能在 256x256 解析度下生成頂尖品質的影像。

Supra2-IMG 支援高效的本地推理，在 CPU 上生成一張影像約需 20 秒，在 GPU 上則僅需 2 秒。模型採用標準設定，包括 50 個採樣步驟和 3.0 的 CFG 比例。該模型為開源，已在 Hugging Face 上發布，並提供推理腳本以方便用戶本地部署。

事件背景

擴散變壓器（DiT）是一類將變壓器架構應用於影像生成擴散過程的模型，通常表現優於傳統的 U-Net 模型。然而，訓練大型 DiT 模型通常需要大量的運算能力和記憶體，這使得沒有高端 GPU 的一般用戶難以在本地進行推理。

社群觀察

社群對如此小型模型所能達到的品質表示驚嘆，並認為能在基礎硬體上本地運行文字轉影像功能令人耳目一新。用戶還討論了新增 NSFW LoRA 的潛力，並建議將此貼文分享給更專業的影像生成社群。