百度开源ERNIE-Image，消费级显卡也能跑AI生图了

AI生成图片赛道近年来竞争日趋激烈，从Midjourney到DALL-E，各家产品持续迭代升级，但始终采用闭源收费模式——要么收取订阅费，要么按API调用次数计费。这种商业模式虽然保障了厂商的收益，却也将大量个人开发者和中小企业拦在了高算力门槛之外。直到百度近期的一项决定，彻底打破了这一局面。

实测表现：10秒出图，质量究竟如何？

百度宣布开源文生图模型ERNIE-Image，采用业界最宽松的Apache 2.0协议，这意味着用户可以自由下载、修改，甚至商业使用，无需支付任何费用。更令人惊叹的是，ERNIE-Image包含8B DiT参数版本，能够在4090等消费级显卡上流畅运行，堪称消费级显卡领域的"Nano Banana"。同时开源的还有蒸馏版本ERNIE-Image Turbo，仅需8步推理即可生成高保真图片，在保持质量的前提下大幅提升出图速度。

与GPT-IMAGE-2对比：消费级显卡的逆袭

经过实测，ERNIE-Image基本能在10秒左右完成一张图片的生成。在多个场景测试中，其表现堪称惊艳：漫画手稿复刻高度还原手绘痕迹；纪录片视频截图除了画面主体外，还精准还原了播放器UI和双语字幕；写实照片在玻璃白板上的手绘作品呈现完美的景深和反光效果；商业摄影级别的产品图展现出高级感的光影处理；人像照片发型挑战中，角色一致性保持得相当出色。更值得一提的是，ERNIE-Image在文字渲染方面表现出色，中文、英文、数字、拼音乃至符号都能精准呈现。

多项对比测试显示差距

在创意海报、动漫角色、游戏截图等场景与GPT-IMAGE-2的对比中，可以明显看到：ERNIE-Image在整体布局和审美上与GPT-IMAGE-2相差无几，但在细节丰富度上确实略逊一筹。然而，考虑到ERNIE-Image能够在消费级显卡上运行，而GPT-IMAGE-2可能需要更高端的计算资源，这种差距就显得可以接受了。可以说，ERNIE-Image就像一位零氪平民玩家，凭借精妙的走位与氪金大佬打了个五五开。

技术普惠的更大意义

除了模型本身，百度还提供了提示词增强器功能，能够将用户简短的输入扩展为更详细、结构化的提示词，进一步激发模型的生成能力。同时上线的官方提示词库，也为用户提供了丰富的参考案例。 开源不仅是技术层面的突破，更体现了百度将AI能力普惠化的决心。百度这次表面上是开源，实际上是把被算力门槛拦在门外的人，重新拉回了AI这张牌桌。正如文章所言："人，才是一切的目的。能交回到普通人手里的技术，才是好技术。"

如有侵权，请联系删除。