DeepSeek 开源新一代文生图模型 Janus-Pro！

1月28日，DeepSeek 开源了一个文生图模型 Janus-Pro，旨在实现高质量的文本-图像生成与多模态理解。

Janus-Pro 是一种新颖的自回归框架，统一了多模态理解和生成。通过将视觉编码解耦为独立路径，同时利用单一的统一 Transformer 架构进行处理，解决了以往方法的局限性。解耦不仅缓解了视觉编码器在理解和生成中的角色冲突，还增强了框架的灵活性。

Janus-Pro 核心特性

• 文本到图像：能够根据简短文本描述生成逼真的图像。

• 多模态理解：支持上传图片，让 AI 解析内容，提供智能解读。

• 模型规模：提供 1B 与 7B 两个版本（7B 版本更强大，但资源占用较大）。

• 分辨率：生成图像尺寸为 384 × 384，适合展示效果，但细节有限。

• 开源：相比 DALL·E 3 的封闭环境，Janus-Pro 提供了更自由的探索空间。

• 体验地址：https://janusai.pro/

• 模型下载：https://huggingface.co/deepseek-ai/Janus-Pro-7B

通过对比可以看出，Janus-Pro 已经跻身最优秀的文生图模型之列，同尺寸规模的模型测试中，Janus-Pro-7B 的表现最优。

再看右图，在基准测试中，Janus-Pro-7B 在 GenEval 这个模型生成效果测试中得分最高 80%，在执行准确度 DPG-Bench 测试中，也是得到了最高 84.2% 分，均高于包括 OpenAI DALL·E 3 在内的其他对比模型。

Janus 和 Janus-Pro 生成图的对比效果如下图，差距还是非常巨大的。

Janus-Pro 的优点

• 开源透明，更易于研究和定制化开发。

• 指令理解能力较强，适用于多样化生成需求。

• 支持多模态交互，能结合图像输入进行智能分析。

Janus-Pro 的缺点

• 图像分辨率较低（384×384），导致细节表现不如 DALL·E 3。

• 人物比例问题，部分生成的人像可能会出现结构性偏差。

• 文本渲染能力有限，生成带有文字的图像时准确度仍需优化。

以文生图功能对比，官网更推荐 Flux 而不是 Janus-Pro。

总的来说，Flux 更擅长高质量的图像快速生成，Janus-Pro 是一个可以处理文本和图像的多模态模型。Janus-Pro 擅长将数学方程式图像转换为 LaTeX 代码以及根据详细的文本提示生成图像等任务。

总的来说，Janus-Pro 更适合开发者和技术爱好者进行探索，而 DALL·E 3 仍在商业应用中占据优势。

欢迎各位关注我的微信公众号：HsuDan，我将分享更多自己的学习心得、避坑总结、面试经验、AI最新技术资讯。