🤗 HuggingFace | 🤖 ModelScope | 🖥️ Demo | 📄 技术报告

🔥 FireRed-Image-Edit-1.1

我们推出了FireRed-Image-Edit-1.1，这是我们通用图像编辑基础模型的升级版。在FireRed-Image-Edit-1.0技术报告所展示的能力基础上，1.1版本显著增强了身份一致性、多图像条件控制以及特定领域的编辑性能，使模型更贴近现实世界的创意生产需求。

✨ 核心特性

卓越的编辑性能

• 🆔 业界领先的身份一致性：开源领域在人物身份保持方面的最佳水平，确保主体在复杂编辑过程中依然可被清晰识别。
• 🧩 多元素融合：借助智能代理（Agent）驱动的自动裁剪与拼接功能，可自由组合10种以上元素，无需再为简短提示词而困扰。
• 💄 全面的人像美妆：涵盖数十种风格，从专业美容修饰、黄/橄榄肤色提亮，到万圣节女巫妆及创意妆容。
• 📝 文本风格参考：保持高保真的排版和风格化文本，效果可与闭源解决方案相媲美。
• 🖼️ 专业照片修复：高质量的老照片修复与增强，具备卓越的细节恢复能力。

极致的工程优化

• 🔧 开放的LoRA训练生态：发布完整训练代码，支持自定义风格创建；优化的采样器在相同任务、尺寸和输入数量下，可最大限度提升GPU效率。
• ⚡ 极致速度优化：完整的加速套件，融合模型蒸馏、量化和静态编译技术——仅需30GB显存即可实现4.5秒端到端生成。
• 🤖 智能代理工作流：自动化多图像处理，轻松应对如虚拟试穿等复杂构图，无需冗长的提示词工程。
• 🔌 通用部署能力：原生支持ComfyUI节点，并兼容GGUF轻量级格式，实现无缝的生产环境集成。

🎨 效果展示

以下是FireRed-Image-Edit在通用编辑场景下生成的部分真实输出结果。

人像（更多案例 | 更多结果）

多图融合（更多案例）

妆容（Lora）

文字风格参考（Lora）（更多案例）

🏆 评估结果

FireRed-Image-Edit 在 Imgedit、Gedit 和 RedEdit 等开源模型中树立了新的技术标杆，同时在特定维度上超越了闭源竞品——这一优势通过人类评估进一步得到证实，评估结果显示其在 prompt 遵循度和视觉一致性方面表现更为出色。