फैन-निर्मित LoRA, Qwen-Image 2.1 को चिबी स्टिकर मशीन में बदल देता है

AI कला शौकीनों के बीच एक छोटा चीनी लर्निंग नोट घूम रहा है, और इसका विषय असामान्य रूप से विशिष्ट है: एक फैन-निर्मित स्टाइल एडाप्टर जो एक सामान्य इमेज मॉडल से शंघाई स्टूडियो miHoYo के अर्बन फैंटेसी एक्शन गेम Zenless Zone Zero के चिबी रूप में पात्रों को चित्रित करवाता है।

zenlesszonezero_chibi नाम का यह एडाप्टर एक LoRA है — एक छोटी अतिरिक्त फ़ाइल जो बड़े इमेज मॉडल को पूरी तरह से रीट्रेन किए बिना किसी विशेष शैली या विषय की ओर झुकाती है। यह अलीबाबा की Qwen टीम के इमेज मॉडल Qwen-Image 2.1 पर आधारित है। आधुनिक मानकों से फ़ाइल बहुत छोटी है: 76MB का डाउनलोड जिसमें तीन स्टेप-काउंट स्नैपशॉट हैं, और ट्रिगर शब्द बस एडाप्टर का अपना नाम है।

यह जो करता है वह सीमित और जानबूझकर है। बेस मॉडल मानव अनुपात में यथार्थवादी होता है; LoRA आकृतियों को गेम के स्टिकर जैसे सौंदर्य की ओर धकेलता है — अत्यधिक बड़े सिर, छोटे शरीर और मोटी, स्पष्ट रूपरेखाएँ। इसका रैंक केवल 16 है, जो एडाप्टर की अतिरिक्त क्षमता का माप है, और लेखक 0.70 की स्ट्रेंथ सेटिंग को सही संतुलन बताते हैं। लाइसेंस Apache-2.0 है, जो पुनः उपयोग और संशोधन की अनुमति देता है।

यह नोट उन लोगों के लिए लिखा गया है जो खुद मॉडल ट्रेन किए बिना चिबी कैरेक्टर आर्ट बड़े पैमाने पर बनाना चाहते हैं। इसमें 3k स्टेप काउंट और 0.70 स्ट्रेंथ पर नमूना आउटपुट की एक छोटी गैलरी है, और इसका लहजा प्रचारात्मक नहीं बल्कि व्यावहारिक है — शौकीनों के बीच साझा किया गया एक काम करने वाला नुस्खा।

ऐसे नोट्स का होना ही दर्शाता है कि चीन का खुला इमेज-मॉडल पारिस्थितिकी तंत्र कितना परिपक्व हो गया है। Qwen-Image खुलकर जारी किया जाता है, और इसके आसपास छोटे एडाप्टरों का एक घरेलू उद्योग विकसित हुआ है, जिनमें से हर एक को ट्रेन करना सस्ता और साझा करना आसान है। 76MB की फ़ाइल उन कई गीगाबाइट वाले चेकपॉइंट्स से बहुत दूर है जो कभी इस क्षेत्र को परिभाषित करते थे।

यह यह भी दिखाता है कि गेम फैंडम और जनरेटिव टूल्स अब एक-दूसरे को कैसे पोषित करते हैं। Zenless Zone Zero की एक विशिष्ट दृश्य पहचान है, और प्रशंसक इसे दोहराना चाहते हैं — अवतार, स्टिकर, फैन आर्ट और मर्चेंडाइज मॉकअप के लिए। स्टाइल एडाप्टर उस इच्छा से इमेजों से भरे फ़ोल्डर तक का सबसे छोटा रास्ता है।

कानूनी आधार अभी भी धूमिल है। एडाप्टर का Apache-2.0 लाइसेंस फ़ाइल को कवर करता है, गेम के पात्रों या डिज़ाइनों को नहीं, जो स्टूडियो के हैं। फिलहाल समुदाय ऐसे टूल्स को फैन इन्फ्रास्ट्रक्चर मानता है, जो स्वतंत्र रूप से साझा किए जाते हैं और उपयोगकर्ता के विवेक पर उपयोग होते हैं।

देखने वाली बात यह है कि क्या आधिकारिक पाइपलाइनें आती हैं। गेम स्टूडियो तेजी से अपने स्टाइल टूल्स और एसेट जनरेटर जारी कर रहे हैं; अगर miHoYo या उसके साथी मान्यता प्राप्त चिबी जनरेटर पेश करते हैं, तो फैन-निर्मित LoRA एक स्थायी चीज़ के बजाय अस्थायी समाधान बन जाएगा। तब तक, 76MB की फ़ाइल और एक ट्रिगर शब्द एक यथार्थवादी मॉडल को स्टिकर फैक्ट्री में बदलने के लिए काफी हैं।