HunyuanImage-2.1核心功能解密：PromptEnhancer模块如何让文本生成图片精度提升30%？

HunyuanImage-2.1核心功能解密：PromptEnhancer模块如何让文本生成图片精度提升30%？

【免费下载链接】HunyuanImage-2.1HunyuanImage-2.1: An Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation​项目地址: https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1

HunyuanImage-2.1是一款高效的扩散模型，专为高分辨率（2K）文本到图像生成而设计。其中，PromptEnhancer模块作为核心功能之一，通过智能优化提示词，显著提升了文本生成图片的精度和质量。本文将深入解析这一模块的工作原理、使用方法以及实际效果，帮助用户更好地利用HunyuanImage-2.1进行创作。

什么是PromptEnhancer模块？

PromptEnhancer模块，也称为RePrompt模块，是HunyuanImage-2.1中用于优化文本提示词的关键组件。它通过特定的算法和模型，对用户输入的原始提示词进行改写和增强，使其更符合图像生成模型的需求，从而提高生成图片的准确性和细节丰富度。

该模块的核心代码位于hyimage/models/reprompt/reprompt.py，主要包含一个RePrompt类，实现了提示词的加载、处理和生成等功能。

PromptEnhancer模块的工作原理

提示词改写规则

PromptEnhancer模块遵循一系列严格的提示词改写规则，以确保生成的提示词能够准确传达用户的意图，并符合图像生成模型的要求。这些规则包括：

1. 内容一致性：改写后的提示词必须包含与原始提示词一致的主体、动作、数量、风格、布局、关系、属性和文字等元素。
2. 结构清晰性：采用“总-分-总”的结构，使信息层次分明，便于模型理解。
3. 客观性：避免主观臆断和情感评价，保持中立。
4. 主次分明：先描述最重要的元素，再描述次要和背景元素。
5. 逻辑严谨：遵循空间逻辑或主次逻辑，使读者能够在大脑中重建画面。
6. 结尾点题：用一句话总结图像的整体风格或类型。

这些规则被编码在SYSTEM_PROMPT常量中，作为指导模型进行提示词改写的依据。

模型架构与实现

PromptEnhancer模块基于预训练的因果语言模型（如PromptEnhancer-32B）实现。在初始化RePrompt类时，会加载指定路径下的预训练模型和分词器：

self.model = AutoModelForCausalLM.from_pretrained(models_root_path, device_map=device_map, trust_remote_code=True) self.tokenizer = AutoTokenizer.from_pretrained(models_root_path, trust_remote_code=True)

在生成提示词时，模块会将系统提示和用户输入的原始提示词组合成对话形式，然后通过模型生成改写后的提示词：

messages = [ {"role": "system", "content": sys_prompt}, {"role": "user", "content": org_prompt_cot}, ] tokenized_chat = self.tokenizer.apply_chat_template( messages, tokenize=True, add_generation_prompt=True, return_tensors="pt", enable_thinking=False ) outputs = self.model.generate(tokenized_chat, max_new_tokens=2048)

生成的结果会经过正则表达式提取和后处理，得到最终的优化提示词。

如何使用PromptEnhancer模块？

加载模块

在HunyuanImage-2.1的 pipeline 中，可以通过设置use_reprompt=True来启用PromptEnhancer模块。例如，在HunyuanImagePipeline的__call__方法中：

def __call__( self, prompt: Union[str, List[str]], ..., use_reprompt: bool = False, ..., ): ... if use_reprompt: prompt = self.reprompt_model.predict(prompt) ...

下载预训练模型

要使用PromptEnhancer模块，需要先下载相应的预训练模型。推荐使用PromptEnhancer-32B模型，可以通过以下命令下载：

hf download PromptEnhancer/PromptEnhancer-32B --local-dir ./ckpts/reprompt_32b

实际应用示例

以下是一个使用PromptEnhancer模块优化提示词的示例：

原始提示词："一只可爱的小猫在草地上玩耍"

优化后的提示词："一只白色的小猫在绿色的草地上玩耍，它有着蓝色的眼睛和粉色的鼻子，尾巴高高翘起。阳光明媚，草地上点缀着五颜六色的小花。整体画面温馨可爱，充满生机。"

通过这样的优化，生成的图片能够更准确地反映用户的意图，细节更加丰富。

PromptEnhancer模块的效果展示

PromptEnhancer模块能够显著提升文本生成图片的精度和质量。以下是一些实际案例的对比：

从上图可以看出，使用PromptEnhancer模块优化后的提示词生成的图片，在主体细节、场景布局、色彩搭配等方面都有明显的提升。无论是水晶球、人物肖像还是场景插画，优化后的图片都更加生动、逼真，与文本描述的一致性更高。

总结

PromptEnhancer模块是HunyuanImage-2.1中一项强大的功能，它通过智能优化提示词，有效提升了文本生成图片的精度和质量。通过遵循特定的改写规则和利用预训练模型，该模块能够将简单的文本描述转化为详细、准确的图像生成指令，帮助用户创造出更符合预期的高质量图片。

如果你还没有体验过HunyuanImage-2.1，不妨尝试使用PromptEnhancer模块，感受它带来的创作提升。只需按照以下步骤克隆仓库并开始使用：

git clone https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1

相信在PromptEnhancer模块的帮助下，你一定能够创作出更加精彩的图像作品！

【免费下载链接】HunyuanImage-2.1HunyuanImage-2.1: An Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation​项目地址: https://gitcode.com/gh_mirrors/hu/HunyuanImage-2.1