Alice AI ART 2.0: как объединить генерацию и редактирование картинок в одной модели

Команда генеративных моделей «Яндекса» поделилась опытом создания unified-модели Alice AI ART 2.0. Раньше сценарии Text-to-Image (T2I) и Image-to-Image (I2I) жили раздельно: у каждого были свои базовые модели, данные и метрики, что усложняло разработку и поддержку.

В этом году инженеры поставили цель — сделать одну модель, которая одинаково качественно генерирует картинки по тексту и редактирует их по инструкции. На пути к Alice AI ART 2.0 было много экспериментов, в том числе неудачных, но в итоге команда сделала первый шаг к унифицированному решению.

Модель работает внутри мультимодального ассистента Алиса AI. Подробности о технических решениях и «граблях» авторы обещают раскрыть в продолжении статьи.