Repolode
Enviar
inclusionAI

inclusionAI/Ming-Image

Modelos open source de 6B parámetros que generan diseños visuales completos a partir de texto y dividen imágenes de diseño aplanadas en capas transparentes editables.

Alternativa open source a:FigmaCanva

Ver en GitHub
Estrellas
214
Forks
14
Issues abiertos
5
Último commit
hace 21 días

¿Qué es?

Ming-Image-0.1-Design es una serie de dos modelos para trabajos de diseño visual. El modelo Design genera composiciones completas para pantallas de UI, infografías, pósteres y otros diseños con mucho texto, y puede crear imágenes con fondo transparente. El modelo Layer toma una imagen de diseño aplanada y la descompone en capas RGBA editables de forma independiente, como elementos separados de texto, tarjetas, sujetos y fondo.

El repositorio incluye una CLI de Python (infer.py) que carga un directorio de checkpoint local o un ID de repositorio de Hugging Face Hub. Admite la generación de texto a imagen con ancho y alto configurables, así como la descomposición en capas mediante un prompt que especifica el número de capas. El modo validate-only comprueba la combinación de checkpoint y tarea sin cargar los pesos. La implementación predeterminada usa una sola GPU con al menos 80 GiB de memoria y BF16; FlashAttention 2 es opcional, y el transformer de difusión utiliza PyTorch SDPA.

El proyecto también incluye plantillas para reescribir prompts para ambas tareas, que se ejecutan mediante un modelo de visión y lenguaje independiente antes de la inferencia, además de notas sobre la implementación con vLLM-Omni y pruebas de humo para ambos checkpoints.

Funciones clave

  • 01Genera diseños visuales completos para UI, infografías, pósteres y composiciones con mucho texto a partir de prompts.
  • 02Crea imágenes con fondo transparente mediante los prefijos de prompt indicados.
  • 03Descompone una imagen de diseño aplanada en varias capas RGBA transparentes.
  • 04Ofrece una CLI compatible con checkpoints locales o ID de repositorios de Hugging Face Hub, con fijación de revisiones.
  • 05Incluye plantillas para reescribir prompts y un modo validate-only para comprobar los contratos de los checkpoints.

Casos de uso

  • Crear borradores de maquetas de UI o páginas de destino a partir de una descripción textual.
  • Crear composiciones de pósteres o infografías que necesiten texto y elementos editables.
  • Separar un diseño plano en capas para seguir editándolo en herramientas de diseño.
  • Incorporar referencias de diseño generadas a flujos de trabajo con agentes que crean código de UI o diapositivas.

Temas

#image-generation#text-to-image#layer-decomposition#ui-design#diffusion-model#transparent-background#python

Preguntas frecuentes

¿Qué es Ming-Image?
Modelos open source de 6B parámetros que generan diseños visuales completos a partir de texto y dividen imágenes de diseño aplanadas en capas transparentes editables. Ming-Image-0.1-Design es una serie de dos modelos para trabajos de diseño visual. El modelo Design genera composiciones completas para pantallas de UI, infografías, pósteres y otros diseños con mucho texto, y puede crear imágenes con fondo transparente. El modelo Layer toma una imagen de diseño aplanada y la descompone en capas RGBA editables de forma independiente, como elementos separados de texto, tarjetas, sujetos y fondo.
¿Ming-Image es gratuito? ¿Qué licencia tiene?
Ming-Image es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿Ming-Image sigue mantenido?
Mantenimiento activo. El último commit de Ming-Image fue el 28 sept 2026.
¿Para qué puedo usar Ming-Image?
Crear borradores de maquetas de UI o páginas de destino a partir de una descripción textual. Crear composiciones de pósteres o infografías que necesiten texto y elementos editables. Separar un diseño plano en capas para seguir editándolo en herramientas de diseño. Incorporar referencias de diseño generadas a flujos de trabajo con agentes que crean código de UI o diapositivas.
¿Dónde consigo Ming-Image?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/inclusionAI/Ming-Image

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados