Kolors

Kolors usa un modelo de lenguaje como codificador de texto en lugar de uno solo para inglés, así que trata los prompts en chino y en inglés en igualdad de condiciones. La ventana de 256 tokens es casi el triple de lo que permiten los codificadores antiguos, y eso se nota cuando un prompt nombra varios sujetos, colores y posiciones. En la práctica, una descripción china larga y concreta se acerca mucho más a lo que imaginabas. El propio equipo señala que este codificador es donde el modelo se despega en los prompts complejos.

Dibujar caracteres correctos es difícil para cualquier modelo de imagen, y el chino lo es aún más por el tamaño del repertorio y el detalle de los trazos. Kolors se construyó para resolverlo, y renderiza palabras chinas e incluso caligrafía dentro de la escena. Las letras inglesas también funcionan, así que el trabajo de carteles y portadas queda a tu alcance sin pegar el texto después. Los caracteres complejos todavía pueden fallar en una pasada, así que toma las frases de varios caracteres como algo que conviene reintentar, no como algo garantizado.

La app web trae estilos ya listos como Pixar, dibujo blind-box, anime y realismo en alta definición, de modo que llegas a un look sin diseñar un prompt. La Personalización de estilo va más lejos: subes una foto, eliges un tema como arcilla, acuarela o retrato de la infancia, y cambia el estilo sin ningún prompt. Esa ruta le sirve a quien quiere un resultado, no un flujo de trabajo.

Los pesos del modelo son abiertos, así que puedes descargarlos y ejecutarlo todo sin conexión. El modelo base es relativamente pequeño, pero el codificador de texto pesa bastante, así que cuenta con más disco que en un montaje básico de Stable Diffusion. En ComfyUI, 8 GB de VRAM es un mínimo viable y 12 GB o más va cómodo, con codificadores cuantizados para tarjetas más modestas. Ejecutar en local significa que no pagas por imagen y que nada sale de tu equipo.

El equipo publicó las piezas que hacen controlable un modelo de difusión: ControlNet para canny, profundidad y pose, un modelo de inpainting, IP-Adapter para prompts con imagen, IP-Adapter-FaceID para la identidad y el código de entrenamiento Dreambooth-LoRA. En conjunto convierten a Kolors en una herramienta que puedes dirigir, no solo un cuadro de texto. Si ya has usado estos complementos en Stable Diffusion, el flujo te resultará familiar.

Kolors se integra en ComfyUI, Gradio y la librería diffusers, así que se suma a montajes que ya usas en lugar de pedirte uno nuevo. Está tanto en Hugging Face como en ModelScope, algo que ayuda si tu red va mejor con uno que con el otro. Para equipos que lanzan un producto, la API de Kling expone Kolors 2.1 como una llamada alojada, que cambia la instalación local por un precio por generación.