| ---
|
| license: apache-2.0
|
| language:
|
| - zho
|
| - eng
|
| - fra
|
| - spa
|
| - por
|
| - deu
|
| - ita
|
| - rus
|
| - jpn
|
| - kor
|
| - vie
|
| - tha
|
| - ara
|
| base_model:
|
| - Qwen/Qwen2.5-1.5B-Instruct
|
| pipeline_tag: text-generation
|
| ---
|
|
|
| # NewsPicGen
|
|
|
| NewsPicGen: News Picture Prompt Generation Model是一个中文新闻配图生成模型，使用[Qwen2.5-1.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct)作为基座模型，使用SFT进行微调。
|
| 可以生成与新闻内容相关的高质量的中英双文配图prompt、中英双文关键字和绘画类型。直接通过Stable Diffusion生成配图，可根据绘画类型配置不同的绘图模板，生成多种风格的配图。
|
|
|
| <p align="center">
|
| 🤗 <a href="https://huggingface.co/blacker521/NewsPicGen/">Hugging Face</a>   |   🤖 <a href="https://modelscope.cn/models/blacker521/NewsPicGen">ModelScope</a>   |   💻 <a href="https://github.com/blacker521/NewsPicGen">Github</a>
|
| </p>
|
|
|
| ## 功能
|
| - 生成与新闻内容相关的高质量的中英双文配图prompt、中英文关键字和绘画类型。
|
| - 微调数据使用万级新闻数据，并采用多任务进行SFT微调，在生成绘画prompt的同时，对绘画类型（1.动物、2.人、3.人群、4.风景、5.建筑、6.科技产品、7.物品、8.其他）进行判断，强化模型输出效果。可以针对不同的绘画类型，配置不同的绘画模板。
|
| - 支持JSON格式化输出，方便后续使用。
|
| - 生成图片为漫画风格，对于新闻配图有较好的表现。
|
| ## 性能
|
|
|
| - 使用QWen2.5-1.5B-Instruct作为基座模型，中等长度新闻生成绘画指令平均耗时500ms（A100-80G），配合[SGLang](https://github.com/modelscope/sglang)/[vllm](https://github.com/vllm-project/vllm)等框架可以更快的生成绘画指令。
|
|
|
| ## 快速开始
|
|
|
| ### 🤗 Hugging Face Transformers
|
|
|
| 使用Transformers生成绘画指令
|
|
|
| ```python
|
| import json
|
| from transformers import AutoModelForCausalLM, AutoTokenizer
|
|
|
| model_name = "blacker521/NewsPicGen"
|
|
|
| model = AutoModelForCausalLM.from_pretrained(
|
| model_name,
|
| torch_dtype="auto",
|
| device_map="auto"
|
| )
|
| tokenizer = AutoTokenizer.from_pretrained(model_name)
|
|
|
|
|
| title = "孙颖莎谈大满贯最大的挑战"
|
| content = "#孙颖莎希望找到赛场上拼搏的状态# 9月24日，是WTT中国大满贯2024倒计时2天，球员@孙颖莎 接受专访。孙颖莎在采访中谈及大满贯中最大的挑战，她表示大满贯已经是很顶尖的赛事水平了，所以每场球都会有挑战，希望自己能找到积极专注的在赛场上拼搏的状态。"
|
| prompt = f'以下是一篇新闻，标题“{title}”。新闻内容：{content}，请根据新闻内容生成绘画指令，图片要符合新闻内容，并且有创意。'
|
| messages = [
|
| {"role": "user", "content": prompt}
|
| ]
|
| text = tokenizer.apply_chat_template(
|
| messages,
|
| tokenize=False,
|
| add_generation_prompt=True
|
| )
|
| model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
|
|
|
| generated_ids = model.generate(
|
| **model_inputs,
|
| max_new_tokens=512
|
| )
|
| generated_ids = [
|
| output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
|
| ]
|
|
|
| response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
|
| print(json.dumps(response, ensure_ascii=False))
|
| # {
|
| # "ch_keyword": "挑战大满贯，全力以赴",
|
| # "ch_prompt": "画一个正在比赛中奋力拼搏的女子乒乓球运动员，她的面庞充满斗志和决心，手中握着乒乓球拍，眼睛紧盯着对手，背景为观众席上的欢呼声。",
|
| # "en_keyword": "Challenging Grand Slam",
|
| # "en_prompt": "Draw a female table tennis player in the middle of an intense match, her face filled with determination and resolve, holding a ping pong paddle in her hand, staring at her opponent closely, and the cheering from the audience in the background.",
|
| # "type": "2"
|
| # }
|
| ``` |
