语言：

• 英文 许可证：Apache-2.0 库名称：transformers 管道标签：图像-文本到文本

Anole：一个开源的、自回归的、原生的多模态模型，用于交错图像-文本生成

注意：这是由leloy转换的与HuggingFace兼容的模型版本。目前仅适用于Transformers库的这个分支。

Anole是第一个开源的、自回归的、原生训练的大型多模态模型，能够进行交错的图像-文本生成（无需使用稳定扩散）。虽然它建立在Chameleon的优势之上，但Anole在生成连贯的交替文本和图像序列这一复杂任务上表现出色。通过使用精心策划的约6,000张图像数据集进行创新性的微调过程，Anole以最少的额外训练实现了卓越的图像生成和理解能力。这种高效的方法，加上其开源性质，使Anole成为加速多模态人工智能研究和开发的催化剂。初步测试表明，Anole具有出色的遵循细微指令的能力，能够生成高质量图像和与用户提示紧密对齐的交错文本-图像内容。

Anole的主要功能如下：

• 交错的文本-图像_结构化_生成（由leloy添加支持）
• 文本到图像生成
• 交错的文本-图像生成
• 文本生成
• 多模态理解

其中加粗部分表示在Chameleon基础上新增的功能。

请参考我们的GitHub仓库查看Anole生成的示例！