PixArt-Σ

PixArt-Σ（PixArt-Sigma）是华为诺亚方舟实验室联合多所高校开发的开源AI文生图模型，支持最高4K至6K分辨率的高质量图像生成。

网站介绍

PixArt-Σ 是一款基于扩散变换器（Diffusion Transformer，DiT）架构的文本到图像生成模型，由华为诺亚方舟实验室、大连理工大学和香港大学的研究团队共同开发，于2024年3月正式发布。该模型在前代 PixArt-α 的基础上进行了全面升级，能够根据用户输入的文字描述直接生成高分辨率图像，最高支持4K甚至6K（5984×5984像素）分辨率输出。

PixArt-Σ 采用完全开源的方式发布，面向AI研究者、设计师、开发者以及图像创作爱好者。其模型参数规模仅为0.6B，远小于同类模型（如SDXL的2.6B参数），但在图像质量和文本理解能力上表现出色，适合用于电影、游戏、广告设计等行业的高质量视觉内容制作。

核心功能/栏目

1. 文本生成图像（Text-to-Image）：输入英文文字描述，自动生成对应的高质量图像，支持多种风格和场景。

2. 高分辨率输出：支持直接生成1K、2K、4K分辨率图像，最高可达6K（5984×5984像素），无需后期放大处理。

3. 多风格选择：内置8种图像风格供用户选择，涵盖写实、插画、艺术等多种类型，满足不同创作需求。

4. ControlNet集成：支持通过ControlNet进行精细的图像结构控制，实现对生成图像的构图、姿态等细节调整。

5. LCM/DMD加速生成：集成LCM（Latent Consistency Model）和DMD等加速工具，显著提升图像生成速度。

6. ComfyUI/Diffusers兼容：支持在ComfyUI工作流中使用，同时兼容Hugging Face Diffusers框架，方便开发者集成和部署。

推荐优势/特点

1. 轻量高效：模型参数仅0.6B，XL-1024版本模型文件仅约2GB，在保持较小体积的同时，图像表现力与SD3等主流模型接近，对硬件配置要求更低。

2. 超高分辨率直出：无需后期放大或拼接，可直接生成4K甚至6K分辨率图像，图像细节丰富、保真度高，适合海报、壁纸等大屏输出场景。

3. 文本理解能力强：能够准确响应复杂、详细的长文本提示词，在图像与文字描述的一致性方面表现优异，可与Midjourney V6、DALL·E 3等商业产品相媲美。

4. 完全开源免费：代码、模型权重和训练数据均开源，用户可自由下载、使用、修改和部署，适合个人学习和商业项目二次开发。

5. 生态兼容性好：支持ComfyUI图形化工作流、Hugging Face在线体验、Diffusers代码调用等多种使用方式，上手门槛低，扩展性强。

使用方法/入口指引

方式一：在线体验（最简单）

访问 Hugging Face 上的 PixArt-Sigma 体验空间（https://huggingface.co/spaces/PixArt-alpha/PixArt-Sigma），在页面中输入英文文字描述，选择图像尺寸和风格，点击生成即可在线获取图像结果，无需安装任何软件。

方式二：ComfyUI本地部署

下载PixArt-Σ模型文件（可从Hugging Face模型仓库获取），将模型放置到ComfyUI对应的模型目录中，导入社区提供的工作流文件（可访问CivitAI搜索PixArt-Sigma获取），即可在本地运行生成图像。

方式三：代码调用

通过Python安装Diffusers库，使用PixArt-Σ的官方代码仓库（https://github.com/PixArt-alpha/PixArt-sigma）提供的示例脚本，加载模型并进行图像生成，适合有编程基础的开发者使用。

同类/相关网站推荐

1. Stable Diffusion（https://stability.ai）：Stability AI推出的开源文生图模型，社区生态成熟，支持丰富的插件和模型扩展。

2. Midjourney（https://www.midjourney.com）：业界知名的AI图像生成工具，以出色的画面质感和艺术风格著称，需付费订阅使用。

3. DALL·E 3（https://openai.com/dall-e-3）：OpenAI开发的文生图模型，支持通过ChatGPT和Bing Image Creator免费使用，中文理解能力较好。

4. Adobe Firefly（https://firefly.adobe.com）：Adobe官方推出的AI图像生成工具，训练素材合规，生成内容可直接商用，与Photoshop深度集成。

5. FLUX（https://blackforestlabs.ai）：Black Forest Labs推出的新一代开源文生图模型，在图像质量和生成速度上均有较好表现，社区活跃度高。