RedCraft | 红潮

ERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文生图模型，基于单流 Diffusion Transformer（DiT）架构，并结合轻量级 Prompt Enhancer，可将简短输入扩展为结构化描述，从而提升生成质量。在仅 8B 参数规模 下，实现了开源模型中的 SOTA 表现。模型不仅关注视觉质量，同时强调可控性，适用于对内容准确性要求较高的实际生成场景。ERNIE-Red-Mix 采用混合精度 SFT（参考式微调，对齐优化），覆盖 AIO / DiT 双版本，基于成熟的 RedCraft 训练集进行训练，在一定程度上解除生成限制，并显著提升风格扩展能力，可用于生成全新视觉风格。ERNIE-Image is an open text-to-image generation model developed by Baidu ERNIE-Image team. Built on a single-stream Diffusion Transformer (DiT) with a lightweight Prompt Enhancer, it expands simple prompts into structured descriptions for higher-quality generation.ERNIE-Red-Mix adopts mixed-precision SFT (Supervised Fine-Tuning) with reference-based alignment, covering both AIO and DiT variants. It is trained on the mature RedCraft dataset, enabling broader generation flexibility, fewer constraints, and the ability to unlock novel visual styles beyond the base model.Usage: EULER/DEIS | Simple CFG=1 | 10 steps 🇯🇵 日本語ERNIE-Image は、Baidu の ERNIE-Image チームによって開発されたオープンなテキストから画像生成モデルです。単一ストリームの Diffusion Transformer（DiT）を基盤とし、軽量な Prompt Enhancer により、簡潔な入力を構造化された詳細な記述へ拡張します。わずか 8B パラメータ でありながら、オープンモデルの中で最先端レベルの性能を実現しています。視覚品質だけでなく、制御性にも優れています。ERNIE-Red-Mix は、混合精度による SFT（参照ベースのファインチューニング）を採用し、AIO / DiT の両バージョンに対応しています。成熟した RedCraft データセットで学習されており、生成制約の緩和とともに、新しいスタイル生成能力を拡張します。 🇹🇼 繁體中文ERNIE-Image 是由百度 ERNIE-Image 團隊開發的開源文生圖模型，基於單流 Diffusion Transformer（DiT），並搭配輕量級 Prompt Enhancer，可將簡短輸入擴展為結構化描述，提升生成品質。在僅 8B 參數 下，達到開源模型中的 SOTA 水準，同時兼顧畫質與可控性，適合實際應用場景。ERNIE-Red-Mix 採用混合精度 SFT（參考式微調），涵蓋 AIO / DiT 雙版本，基於成熟的 RedCraft 訓練集進行優化，在一定程度上解鎖生成限制，並提升風格拓展能力，可生成全新視覺風格。 ---ERNIE-Red-Mix Highlights:<ul><li>Optimized speed Accelerated to 10 steps (CFG 1) while preserving BASE quality.</li><li>Compact but strong Performance on par with substantially larger models, with stable and accurate details and materials.</li><li>Text rendering preserved Fine-tuning does not compromise text rendering capability (posters, infographics, UI visuals).</li><li>Instruction following maintained Unaffected ability to reliably handle complex prompts with multiple objects.</li><li>Structured generation Continues to excel in posters, comics, and storyboards.</li><li>Broader style coverage More realistic photography and improved aesthetic outputs.</li><li>Lower VRAM footprint Mixed precision supports consumer GPUs with 8–12GB VRAM.</li></ul>Limitations:​<ul><li>Complex limbs prone to artifacts An inherent ERNIE issue; generating more samples can help mitigate this.</li><li>Anatomical accuracy Body anatomy and organ rendering still need further optimization and refinement.</li><li>Mixed precision impacts text rendering Mixed precision has a noticeable negative effect on text quality; for text-heavy content, the BF16 BASE model is recommended.</li></ul>---ERNIE-Red-Mix 核心亮点：<ul><li>优化速度，保持BASE质量基础上速度提升至10步（CFG 1）</li><li>小而强大 ，性能对标更大模型，细节材质稳定准确。</li><li>文本渲染保持 ，微调不影响（海报、信息图、UI 类图像）。</li><li>复杂指令理解 ，不影响稳定处理多对象。</li><li>结构化生成 ，保持在海报、漫画、分镜中突出表现。</li><li>风格覆盖广，更加写实的摄影、更好的美学输出。</li><li>更低的占用 ，混合精度支持 8-12G 显存消费级 GPU。</li></ul>缺点：<ul><li>复杂肢体容易崩溃（ERNIE固有问题可以多抽卡）</li><li>人体解刨学器官需要继续优化/美化</li><li>混合精度对文字的影响较大，文字部分建议使用BF16 BASE</li></ul>

flux2-tiny-vae.safetensors

redcraft_ernieRedmix_txt.safetensors

redcraft_ernieRedmix.safetensors

redcraft_ernieRedmix.json

ERNIE♥RedMIX

ZIB Distilled⚡️FUNxAGILE

ZIB Distilled⚡️DPO Veris

ZIB Distilled⚡️DX3 Lucis

ZIB Distilled⚡️RedDX2

REDZIB⚡️DX1加速版

RedZiT⚡️1.5AIO

RED-红桃K🧡[King of Hearts]

RED-OMNI [Flux.1&DreamO]

RED-Edit (ICEdit)1.1🔥多任务

赩梦|REDiDream(NSFW i1)

RED-UNO（In-Context）

Reveal5[SFW]ULTRA

RealReveal5

Illust3Relustion🔥

PONY3Relustion PRO🔥

RED[创意] Epicus BIG Movie

F.1[修图] Fill.NSFW

🌹NewReveal[F.1]ULTRA🌹

RASCH.3 (RUSH·Reveal)🔥

New REVE[A]L 🏛🔞🔥

Relustion 1.5 [FP32]

光輝2Relustion[IL]

PONY2Relustion(FP32)🔥

RED.2 BF16 (ArtAug)

TURBO Reveal(HOTFix2.1)🔥

PONY Relustion🔥

Reveal ULTRA [v3.5]🔥

Relustion ULTRA🔥

Relustion XL [FP8]

REFLEX NSFW

RASCH.2

Relustion IL NSFW

Relustion-IL-Forge

RASCH.1 Forge

Reveal NSFW

Red.1 Q4 GGUF

Red.1 BF16

Files with SHA256: ea4273f02d1fafbf8e1d1c2cf6018ed8748652eb0bf34f2dd91171f16f15ab62