[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Hunyuan-PromptEnhancer--PromptEnhancer":3,"tool-Hunyuan-PromptEnhancer--PromptEnhancer":64},[4,17,26,40,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,2,"2026-04-03T11:11:01",[13,14,15],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":23,"last_commit_at":32,"category_tags":33,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,34,35,36,15,37,38,13,39],"数据工具","视频","插件","其他","语言模型","音频",{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,38,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[38,14,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":23,"last_commit_at":62,"category_tags":63,"status":16},2471,"tesseract","tesseract-ocr\u002Ftesseract","Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。\n\n在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。\n\nTesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中",73286,"2026-04-03T01:56:45",[13,14],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":10,"env_os":94,"env_gpu":95,"env_ram":96,"env_deps":97,"category_tags":107,"github_topics":108,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":118,"updated_at":119,"faqs":120,"releases":135},2758,"Hunyuan-PromptEnhancer\u002FPromptEnhancer","PromptEnhancer","PromptEnhancer is a prompt-rewriting tool, refining prompts into clearer, structured versions for better image generation.","PromptEnhancer 是一款由腾讯混元团队开源的智能提示词优化工具，专为提升文生图（Text-to-Image）和图生图（Image-to-Image）的生成质量而设计。许多用户在创作时往往难以写出结构清晰、细节丰富的提示词，导致 AI 生成的图像不符合预期。PromptEnhancer 通过独特的“思维链”重写技术，能够自动将用户简单或模糊的输入，重构为逻辑严密、结构清晰且保留原始意图的高质量提示词，从而显著改善成像效果。\n\n该工具不仅支持纯文本提示词的增强，还能结合视觉上下文对图像编辑指令进行精细化调整，确保主体、动作、风格及布局等关键元素在重写过程中不丢失。其内置的多级容错解析机制保证了输出的稳定性，同时提供从 7B 到 32B 多种规模的模型版本，支持全精度及量化部署，灵活适应不同算力需求。\n\n无论是希望快速获得精美画面的设计师与普通创作者，还是致力于研究提示词工程或多模态模型的开发者与研究人员，都能从 PromptEnhancer 中获益。它降低了高质量提示词的制作门槛，让 AI 绘画变得更加简单可控，是连接人类创意与机器生成能力的高效桥梁。","  \u003Cdiv align=\"center\">\n\n# PromptEnhancer: A Simple Approach to Enhance Text-to-Image Models via Chain-of-Thought Prompt Rewriting\n\n[**Linqing Wang**](https:\u002F\u002Fscholar.google.com\u002Fcitations?hl=en&view_op=list_works&gmla=AH8HC4z9rmDHYjp5o28xKk8U4ddD_n7BuMnk8UZFP-jygFBtHUSz6pf-5FP32B_yKMpRU9VpDY3iT8eM0zORHA&user=Hy12lcEAAAAJ) · \n[**Ximing Xing**](https:\u002F\u002Fximinng.github.io\u002F) ·\nZhiyong Xu · \n[**Yiji Cheng**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=Plo8ZSYAAAAJ&hl=en) · \nZhiyuan Zhao · \nDonghao Li ·\nTiankai Hang ·\nZhenxi Li ·\n[**Jiale Tao**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=WF5DPWkAAAAJ&hl=en) · \n[**QiXun Wang**](https:\u002F\u002Fgithub.com\u002Fwangqixun) · \n[**Ruihuang Li**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=8CfyOtQAAAAJ&hl=en) · \nComi Chen ·\nXin Li · \n[**Mingrui Wu**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=sbCKwnYAAAAJ&hl=en) · \nXinchi Deng · \nShuyang Gu · \n[**Chunyu Wang**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=VXQV5xwAAAAJ&hl=en)\u003Csup>†\u003C\u002Fsup> · \n[**Qinglin Lu**](https:\u002F\u002Fluqinglin.weebly.com\u002F)\u003Csup>*\u003C\u002Fsup>\n\nTencent Hunyuan\n\n\u003Csup>†\u003C\u002Fsup>Project Lead · \u003Csup>*\u003C\u002Fsup>Corresponding Author\n\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fwww.arxiv.org\u002Fabs\u002F2509.04545\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper-arXiv:2509.04545-red?logo=arxiv\" alt=\"arXiv\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F1949013083109459515\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F知乎-技术解读-0084ff?logo=zhihu\" alt=\"Zhihu\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuanImage-2.1\u002Ftree\u002Fmain\u002Freprompt\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-PromptEnhancer_7B-blue?logo=huggingface\" alt=\"HuggingFace Model\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-Img2img-Edit\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-PromptEnhancer_Img2Img_Edit-blue?logo=huggingface\" alt=\"HuggingFace Model\">\u003C\u002Fa>\n  \u003C!-- \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-32B\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-PromptEnhancer_32B-blue?logo=huggingface\" alt=\"HuggingFace Model\">\u003C\u002Fa> -->\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002FPromptEnhancer\u002FT2I-Keypoints-Eval\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FBenchmark-T2I_Keypoints_Eval-blue?logo=huggingface\" alt=\"T2I-Keypoints-Eval Dataset\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhunyuan-promptenhancer.github.io\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FHomepage-PromptEnhancer-1abc9c?logo=homeassistant&logoColor=white\" alt=\"Homepage\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FTencent-Hunyuan\u002FHunyuanImage-2.1\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCode-HunyuanImage2.1-2ecc71?logo=github\" alt=\"HunyuanImage2.1 Code\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuanImage-2.1\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-HunyuanImage2.1-3498db?logo=huggingface\" alt=\"HunyuanImage2.1 Model\">\u003C\u002Fa>\n  \u003Ca href=https:\u002F\u002Fx.com\u002FTencentHunyuan target=\"_blank\">\u003Cimg src=https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FHunyuan-black.svg?logo=x height=22px>\u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHunyuan-PromptEnhancer_PromptEnhancer_readme_de6f8654b198.png\" alt=\"PromptEnhancer Teaser\"\u002F>\n\u003C\u002Fp>\n\n## Overview\n\nHunyuan-PromptEnhancer is a prompt rewriting utility that **supports both Text-to-Image generation and Image-to-Image editing**. It restructures input prompts while preserving original intent, producing clearer, structured prompts for downstream image generation tasks.\n\n**Key Features:**\n- **Dual-mode support**: Text-to-Image prompt enhancement and Image-to-Image editing instruction refinement with visual context\n- **Intent preservation**: Maintains all key elements (subject, action, style, layout, attributes, etc.) across rewriting\n- **Robust parsing**: Multi-level fallback mechanism ensures reliable output\n- **Flexible deployment**: Supports full-precision (7B\u002F32B), quantized (GGUF), and vision-language models\n\n## 🔥🔥🔥Updates\n\n- [2025-10-11] ✨ Release [PromptEnhancer-32B gradio](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FPromptEnhancer\u002FPromptEnhancer_32B).\n- [2025-09-30] ✨ Release [PromptEnhancer-Img2Img Editing model](https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-Img2img-Edit).\n- [2025-09-22] 🚀 Thanks @mradermacher for adding **GGUF model support** for efficient inference with quantized models!\n- [2025-09-18] ✨ Try the [PromptEnhancer-32B](https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-32B) for higher-quality prompt enhancement!\n- [2025-09-16] ✨ Release [T2I-Keypoints-Eval dataset](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002FPromptEnhancer\u002FT2I-Keypoints-Eval).\n- [2025-09-07] ✨ Release [PromptEnhancer-7B model](https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuanImage-2.1\u002Ftree\u002Fmain\u002Freprompt).\n- [2025-09-07] ✨ Release [technical report](https:\u002F\u002Farxiv.org\u002Fabs\u002F2509.04545).\n\n## Installation\n\n### Option 1: Standard Installation (Recommended)\n```bash\npip install -r requirements.txt\n```\n\n### Option 2: GGUF Installation (For quantized models with CUDA support)\n```bash\nchmod +x script\u002Finstall_gguf.sh && .\u002Fscript\u002Finstall_gguf.sh\n```\n\n> **💡 Tip**: Choose GGUF installation if you want faster inference with lower memory usage, especially for the 32B model.\n\n## Model Download\n\n### 🎯 Quick Start\n\nFor most users, we recommend starting with the **PromptEnhancer-7B** model:\n\n```bash\n# Download PromptEnhancer-7B (13GB) - Best balance of quality and efficiency\nhuggingface-cli download tencent\u002FHunyuanImage-2.1\u002Freprompt --local-dir .\u002Fmodels\u002Fpromptenhancer-7b\n```\n\n### 📊 Model Comparison & Selection Guide\n\n| Model | Size | Quality | Memory | Best For |\n|-------|------|---------|--------|----------|\n| **PromptEnhancer-7B** | 13GB | High | 8GB+ | Most users, balanced performance |\n| **PromptEnhancer-32B** | 64GB | Highest | 32GB+ | Research, highest quality needs |\n| **32B-Q8_0 (GGUF)** | 35GB | Highest | 35GB+ | High-end GPUs (H100, A100) |\n| **32B-Q6_K (GGUF)** | 27GB | Excellent | 27GB+ | RTX 4090, RTX 5090 |\n| **32B-Q4_K_M (GGUF)** | 20GB | Good | 20GB+ | RTX 3090, RTX 4080 |\n\n### Standard Models (Full Precision)\n```bash\n# PromptEnhancer-7B (recommended for most users)\nhuggingface-cli download tencent\u002FHunyuanImage-2.1\u002Freprompt --local-dir .\u002Fmodels\u002Fpromptenhancer-7b\n\n# PromptEnhancer-32B (for highest quality)\nhuggingface-cli download PromptEnhancer\u002FPromptEnhancer-32B --local-dir .\u002Fmodels\u002Fpromptenhancer-32b\n\n# PromptEnhancer-Img2Img-Edit (for image editing tasks)\nhuggingface-cli download PromptEnhancer\u002FPromptEnhancer-Img2img-Edit --local-dir .\u002Fmodels\u002Fpromptenhancer-img2img-edit\n```\n\n### GGUF Models (Quantized - Memory Efficient)\n\nChoose one based on your GPU memory:\n\n```bash\n# Q8_0: Highest quality (35GB)\nhuggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q8_0.gguf --local-dir .\u002Fmodels\n\n# Q6_K: Excellent quality (27GB) - Recommended for RTX 4090\nhuggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q6_K.gguf --local-dir .\u002Fmodels\n\n# Q4_K_M: Good quality (20GB) - Recommended for RTX 3090\u002F4080\nhuggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q4_K_M.gguf --local-dir .\u002Fmodels\n```\n\n> **🚀 Performance Tip**: GGUF models offer 50-75% memory reduction with minimal quality loss. Use Q6_K for the best quality\u002Fmemory trade-off.\n\n## Quickstart\n\n### Using HunyuanPromptEnhancer (Text-to-Image)\n\n```python\nfrom inference.prompt_enhancer import HunyuanPromptEnhancer\n\nmodels_root_path = \".\u002Fmodels\u002Fpromptenhancer-7b\"\n\nenhancer = HunyuanPromptEnhancer(models_root_path=models_root_path, device_map=\"auto\")\n\n# Enhance a prompt (Chinese or English)\nuser_prompt = \"Third-person view, a race car speeding on a city track...\"\nnew_prompt = enhancer.predict(\n    prompt_cot=user_prompt,\n    # Default system prompt is tailored for image prompt rewriting; override if needed\n    temperature=0.7,   # >0 enables sampling; 0 uses deterministic generation\n    top_p=0.9,\n    max_new_tokens=256,\n)\n\nprint(\"Enhanced:\", new_prompt)\n```\n\n### Using PromptEnhancerImg2Img (Image Editing)\n\nFor image editing tasks where you want to enhance editing instructions based on input images:\n\n```python\nfrom inference.prompt_enhancer_img2img import PromptEnhancerImg2Img\n\n# Initialize the image-to-image prompt enhancer\nenhancer = PromptEnhancerImg2Img(\n    model_path=\".\u002Fmodels\u002Fyour-model\",\n    device_map=\"auto\"\n)\n\n# Enhance an editing instruction with image context\nedit_instruction = \"Remove the watermark from the bottom\"\nimage_path = \".\u002Fexamples\u002Fsample_image.png\"\n\nenhanced_prompt = enhancer.predict(\n    edit_instruction=edit_instruction,\n    image_path=image_path,\n    temperature=0.1,\n    top_p=0.9,\n    max_new_tokens=2048\n)\n\nprint(\"Enhanced editing prompt:\", enhanced_prompt)\n```\n\n### Using GGUF Models (Quantized, Faster)\n\n```python\nfrom inference.prompt_enhancer_gguf import PromptEnhancerGGUF\n\n# Auto-detects Q8_0 model in models\u002F folder\nenhancer = PromptEnhancerGGUF(\n    model_path=\".\u002Fmodels\u002FPromptEnhancer-32B.Q8_0.gguf\",  # Optional: auto-detected\n    n_ctx=1024,        # Context window size\n    n_gpu_layers=-1,   # Use all GPU layers\n)\n\n# Enhance a prompt\nuser_prompt = \"woman in jungle\"\nenhanced_prompt = enhancer.predict(\n    user_prompt,\n    temperature=0.3,\n    top_p=0.9,\n    max_new_tokens=512,\n)\n\nprint(\"Enhanced:\", enhanced_prompt)\n```\n\n### Command Line Usage (GGUF)\n\n```bash\n# Simple usage - auto-detects model in models\u002F folder\npython inference\u002Fprompt_enhancer_gguf.py\n\n# Or specify model path\nGGUF_MODEL_PATH=\".\u002Fmodels\u002FPromptEnhancer-32B.Q8_0.gguf\" python inference\u002Fprompt_enhancer_gguf.py\n```\n\n## GGUF Model Benefits\n\n🚀 **Why use GGUF models?**\n- **Memory Efficient**: 50-75% less VRAM usage compared to full precision models\n- **Faster Inference**: Optimized for CPU and GPU acceleration with llama.cpp\n- **Quality Preserved**: Q8_0 and Q6_K maintain excellent output quality\n- **Easy Deployment**: Single file format, no complex dependencies\n- **GPU Acceleration**: Full CUDA support for high-performance inference\n\n| Model | Size | Quality | VRAM Usage | Best For |\n|-------|------|---------|------------|----------|\n| Q8_0  | 35GB | Highest | ~35GB      | High-end GPUs (H100, A100) |\n| Q6_K  | 27GB | Excellent | ~27GB     | RTX 4090, RTX 5090 |\n| Q4_K_M| 20GB | Good    | ~20GB      | RTX 3090, RTX 4080 |\n\n## Usage Comparison\n\n| Model | Input Type | Use Case | Model Backend |\n|-------|------------|----------|---------------|\n| **HunyuanPromptEnhancer** | Text only | Text-to-Image generation | Transformers (7B\u002F32B) |\n| **PromptEnhancerImg2Img** | Text + Image | Image editing tasks | Transformers (32B) |\n| **PromptEnhancerGGUF** | Text only | Memory-efficient T2I | llama.cpp (quantized) |\n\n## Parameters\n\n### Standard Models (Transformers)\n- `models_root_path`: Local path or repo id; supports `trust_remote_code` models.\n- `device_map`: Device mapping (default `auto`).\n- `predict(...)`:\n  - `prompt_cot` (str): Input prompt to rewrite.\n  - `sys_prompt` (str): Optional system prompt; a default is provided for image prompt rewriting.\n  - `temperature` (float): `>0` enables sampling; `0` for deterministic generation.\n  - `top_p` (float): Nucleus sampling threshold (effective when sampling).\n  - `max_new_tokens` (int): Maximum number of new tokens to generate.\n\n### GGUF Models\n- `model_path` (str): Path to GGUF model file (auto-detected if in models\u002F folder).\n- `n_ctx` (int): Context window size (default: 8192, recommended: 1024 for short prompts).\n- `n_gpu_layers` (int): Number of layers to offload to GPU (-1 for all layers).\n- `verbose` (bool): Enable verbose logging from llama.cpp.\n\n### Image-to-Image Models (PromptEnhancerImg2Img)\n- `model_path` (str): Path to the pretrained Qwen2.5-VL model.\n- `device_map` (str): Device mapping for model loading (default: `auto`).\n- `predict(...)`:\n  - `edit_instruction` (str): Original editing instruction.\n  - `image_path` (str): Path to the input image file.\n  - `sys_prompt` (str): Optional system prompt (uses default if None).\n  - `temperature` (float): Sampling temperature (default: 0.1).\n  - `top_p` (float): Nucleus sampling threshold (default: 0.9).\n  - `max_new_tokens` (int): Maximum tokens to generate (default: 2048).\n\n## Citation\n\nIf you find this project useful, please consider citing:\n```bibtex\n@article{promptenhancer,\n  title={PromptEnhancer: A Simple Approach to Enhance Text-to-Image Models via Chain-of-Thought Prompt Rewriting},\n  author={Wang, Linqing and Xing, Ximing and Cheng, Yiji and Zhao, Zhiyuan and Donghao, Li and Tiankai, Hang and Zhenxi, Li and Tao, Jiale and Wang, QiXun and Li, Ruihuang and Chen, Comi and Li, Xin and Wu, Mingrui and Deng, Xinchi and Gu, Shuyang and Wang, Chunyu and Lu, Qinglin},\n  journal={arXiv preprint arXiv:2509.04545},\n  year={2025}\n}\n```\n\n## Acknowledgements\n\nWe would like to thank the following open-source projects and communities for their contributions to open research and exploration: [Transformers](https:\u002F\u002Fhuggingface.co\u002Ftransformers) and [HuggingFace](https:\u002F\u002Fhuggingface.co).\n\n## Contact\n\nIf you would like to leave a message for our R&D and product teams, Welcome to contact our open-source team. You can also contact us via email (hunyuan_opensource@tencent.com).\n\n## Github Star History\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHunyuan-PromptEnhancer_PromptEnhancer_readme_8a0316c45bd6.png)](https:\u002F\u002Fwww.star-history.com\u002F#Hunyuan-PromptEnhancer\u002FPromptEnhancer&type=date&logscale&legend=top-left)\n","\u003Cdiv align=\"center\">\n\n# PromptEnhancer：通过思维链提示重写提升文生图模型的简单方法\n\n[**王林青**](https:\u002F\u002Fscholar.google.com\u002Fcitations?hl=en&view_op=list_works&gmla=AH8HC4z9rmDHYjp5o28xKk8U4ddD_n7BuMnk8UZFP-jygFBtHUSz6pf-5FP32B_yKMpRU9VpDY3iT8eM0zORHA&user=Hy12lcEAAAAJ) · \n[**邢希明**](https:\u002F\u002Fximinng.github.io\u002F) ·\n徐志勇 · \n[**程义吉**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=Plo8ZSYAAAAJ&hl=en) · \n赵志远 · \n李东浩 ·\n杭天凯 ·\n李振熙 ·\n[**陶嘉乐**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=WF5DPWkAAAAJ&hl=en) · \n[**王祺勋**](https:\u002F\u002Fgithub.com\u002Fwangqixun) · \n[**李瑞煌**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=8CfyOtQAAAAJ&hl=en) · \n陈可米 ·\n李欣 · \n[**吴明睿**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=sbCKwnYAAAAJ&hl=en) · \n邓心驰 · \n顾书阳 · \n[**王春宇**](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=VXQV5xwAAAAJ&hl=en)\u003Csup>†\u003C\u002Fsup> · \n[**陆庆霖**](https:\u002F\u002Fluqinglin.weebly.com\u002F)\u003Csup>*\u003C\u002Fsup>\n\n腾讯混元\n\n\u003Csup>†\u003C\u002Fsup>项目负责人 · \u003Csup>*\u003C\u002Fsup>通讯作者\n\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fwww.arxiv.org\u002Fabs\u002F2509.04545\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper-arXiv:2509.04545-red?logo=arxiv\" alt=\"arXiv\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F1949013083109459515\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F知乎-技术解读-0084ff?logo=zhihu\" alt=\"Zhihu\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuanImage-2.1\u002Ftree\u002Fmain\u002Freprompt\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-PromptEnhancer_7B-blue?logo=huggingface\" alt=\"HuggingFace Model\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-Img2img-Edit\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-PromptEnhancer_Img2Img_Edit-blue?logo=huggingface\" alt=\"HuggingFace Model\">\u003C\u002Fa>\n  \u003C!-- \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-32B\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-PromptEnhancer_32B-blue?logo=huggingface\" alt=\"HuggingFace Model\">\u003C\u002Fa> -->\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002FPromptEnhancer\u002FT2I-Keypoints-Eval\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FBenchmark-T2I_Keypoints_Eval-blue?logo=huggingface\" alt=\"T2I-Keypoints-Eval Dataset\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhunyuan-promptenhancer.github.io\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FHomepage-PromptEnhancer-1abc9c?logo=homeassistant&logoColor=white\" alt=\"Homepage\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FTencent-Hunyuan\u002FHunyuanImage-2.1\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCode-HunyuanImage2.1-2ecc71?logo=github\" alt=\"HunyuanImage2.1 Code\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuanImage-2.1\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModel-HunyuanImage2.1-3498db?logo=huggingface\" alt=\"HunyuanImage2.1 Model\">\u003C\u002Fa>\n  \u003Ca href=https:\u002F\u002Fx.com\u002FTencentHunyuan target=\"_blank\">\u003Cimg src=https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FHunyuan-black.svg?logo=x height=22px>\u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHunyuan-PromptEnhancer_PromptEnhancer_readme_de6f8654b198.png\" alt=\"PromptEnhancer Teaser\"\u002F>\n\u003C\u002Fp>\n\n## 概述\n\nHunyuan-PromptEnhancer 是一款提示重写工具，**同时支持文生图生成和图生图编辑**。它在保留原始意图的同时重构输入提示，为下游图像生成任务提供更清晰、结构化的提示。\n\n**主要特点：**\n- **双模支持**：文生图提示增强与结合视觉上下文的图生图编辑指令优化\n- **意图保留**：在重写过程中保持所有关键要素（主体、动作、风格、布局、属性等）不变\n- **鲁棒解析**：多级回退机制确保输出可靠\n- **灵活部署**：支持全精度（7B\u002F32B）、量化（GGUF）及视觉语言模型\n\n## 🔥🔥🔥更新\n\n- [2025-10-11] ✨ 发布 [PromptEnhancer-32B gradio](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FPromptEnhancer\u002FPromptEnhancer_32B)。\n- [2025-09-30] ✨ 发布 [PromptEnhancer-Img2Img 编辑模型](https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-Img2img-Edit)。\n- [2025-09-22] 🚀 感谢 @mradermacher 添加了 **GGUF 模型支持**，实现量化模型的高效推理！\n- [2025-09-18] ✨ 尝试 [PromptEnhancer-32B](https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-32B)，以获得更高质量的提示增强！\n- [2025-09-16] ✨ 发布 [T2I-Keypoints-Eval 数据集](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002FPromptEnhancer\u002FT2I-Keypoints-Eval)。\n- [2025-09-07] ✨ 发布 [PromptEnhancer-7B 模型](https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuanImage-2.1\u002Ftree\u002Fmain\u002Freprompt)。\n- [2025-09-07] ✨ 发布 [技术报告](https:\u002F\u002Farxiv.org\u002Fabs\u002F2509.04545)。\n\n## 安装\n\n### 方法一：标准安装（推荐）\n```bash\npip install -r requirements.txt\n```\n\n### 方法二：GGUF 安装（适用于支持 CUDA 的量化模型）\n```bash\nchmod +x script\u002Finstall_gguf.sh && .\u002Fscript\u002Finstall_gguf.sh\n```\n\n> **💡 提示**：如果您希望以更低的内存占用实现更快的推理，尤其是针对 32B 模型时，建议选择 GGUF 安装。\n\n## 模型下载\n\n### 🎯 快速入门\n\n对于大多数用户，我们推荐从 **PromptEnhancer-7B** 模型开始：\n\n```bash\n# 下载 PromptEnhancer-7B（13GB）——质量和效率的最佳平衡\nhuggingface-cli download tencent\u002FHunyuanImage-2.1\u002Freprompt --local-dir .\u002Fmodels\u002Fpromptenhancer-7b\n```\n\n### 📊 模型对比与选择指南\n\n| 模型 | 大小 | 质量 | 内存 | 适用场景 |\n|-------|------|---------|--------|----------|\n| **PromptEnhancer-7B** | 13GB | 高 | 8GB+ | 大多数用户，性能均衡 |\n| **PromptEnhancer-32B** | 64GB | 最高 | 32GB+ | 研究用途，对质量要求极高 |\n| **32B-Q8_0（GGUF）** | 35GB | 最高 | 35GB+ | 高端 GPU（H100、A100）|\n| **32B-Q6_K（GGUF）** | 27GB | 优秀 | 27GB+ | RTX 4090、RTX 5090 |\n| **32B-Q4_K_M（GGUF）** | 20GB | 良好 | 20GB+ | RTX 3090、RTX 4080 |\n\n### 标准模型（全精度）\n```bash\n# PromptEnhancer-7B（推荐给大多数用户）\nhuggingface-cli download tencent\u002FHunyuanImage-2.1\u002Freprompt --local-dir .\u002Fmodels\u002Fpromptenhancer-7b\n\n# PromptEnhancer-32B（用于最高质量）\nhuggingface-cli download PromptEnhancer\u002FPromptEnhancer-32B --local-dir .\u002Fmodels\u002Fpromptenhancer-32b\n\n# PromptEnhancer-Img2img-Edit（用于图像编辑任务）\nhuggingface-cli download PromptEnhancer\u002FPromptEnhancer-Img2img-Edit --local-dir .\u002Fmodels\u002Fpromptenhancer-img2img-edit\n```\n\n### GGUF 模型（量化——内存高效）\n\n请根据您的 GPU 内存选择：\n\n```bash\n# Q8_0：最高质量（35GB）\nhuggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q8_0.gguf --local-dir .\u002Fmodels\n\n# Q6_K：优秀质量（27GB）——推荐用于 RTX 4090\nhuggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q6_K.gguf --local-dir .\u002Fmodels\n\n# Q4_K_M：良好质量（20GB） - 推荐用于 RTX 3090\u002F4080\nhuggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q4_K_M.gguf --local-dir .\u002Fmodels\n```\n\n> **🚀 性能提示**：GGUF 模型可在质量损失极小的情况下，将显存占用降低 50%-75%。若需在质量和显存占用之间取得最佳平衡，建议使用 Q6_K。\n\n## 快速入门\n\n### 使用 HunyuanPromptEnhancer（文本到图像）\n\n```python\nfrom inference.prompt_enhancer import HunyuanPromptEnhancer\n\nmodels_root_path = \".\u002Fmodels\u002Fpromptenhancer-7b\"\n\nenhancer = HunyuanPromptEnhancer(models_root_path=models_root_path, device_map=\"auto\")\n\n# 增强提示词（中文或英文）\nuser_prompt = \"第三人称视角，一辆赛车正在城市赛道上飞驰...\"\nnew_prompt = enhancer.predict(\n    prompt_cot=user_prompt,\n    # 默认系统提示专为图像提示改写设计；如有需要可覆盖\n    temperature=0.7,   # >0 启用采样；0 使用确定性生成\n    top_p=0.9,\n    max_new_tokens=256,\n)\n\nprint(\"增强后:\", new_prompt)\n```\n\n### 使用 PromptEnhancerImg2Img（图像编辑）\n\n适用于基于输入图像增强编辑指令的图像编辑任务：\n\n```python\nfrom inference.prompt_enhancer_img2img import PromptEnhancerImg2Img\n\n# 初始化图像到图像的提示增强器\nenhancer = PromptEnhancerImg2Img(\n    model_path=\".\u002Fmodels\u002Fyour-model\",\n    device_map=\"auto\"\n)\n\n# 在图像上下文中增强编辑指令\nedit_instruction = \"移除底部的水印\"\nimage_path = \".\u002Fexamples\u002Fsample_image.png\"\n\nenhanced_prompt = enhancer.predict(\n    edit_instruction=edit_instruction,\n    image_path=image_path,\n    temperature=0.1,\n    top_p=0.9,\n    max_new_tokens=2048\n)\n\nprint(\"增强后的编辑提示:\", enhanced_prompt)\n```\n\n### 使用 GGUF 模型（量化、更快速）\n\n```python\nfrom inference.prompt_enhancer_gguf import PromptEnhancerGGUF\n\n# 自动检测 models\u002F 文件夹中的 Q8_0 模型\nenhancer = PromptEnhancerGGUF(\n    model_path=\".\u002Fmodels\u002FPromptEnhancer-32B.Q8_0.gguf\",  \u002F\u002F 可选：自动检测\n    n_ctx=1024,        \u002F\u002F 上下文窗口大小\n    n_gpu_layers=-1,   \u002F\u002F 使用所有 GPU 层\n)\n\n# 增强提示词\nuser_prompt = \"丛林中的女人\"\nenhanced_prompt = enhancer.predict(\n    user_prompt,\n    temperature=0.3,\n    top_p=0.9,\n    max_new_tokens=512,\n)\n\nprint(\"增强后:\", enhanced_prompt)\n```\n\n### 命令行使用（GGUF）\n\n```bash\n# 简单用法 - 自动检测 models\u002F 文件夹中的模型\npython inference\u002Fprompt_enhancer_gguf.py\n\n# 或指定模型路径\nGGUF_MODEL_PATH=\".\u002Fmodels\u002FPromptEnhancer-32B.Q8_0.gguf\" python inference\u002Fprompt_enhancer_gguf.py\n```\n\n## GGUF 模型的优势\n\n🚀 **为什么使用 GGUF 模型？**\n- **内存高效**：与全精度模型相比，显存占用减少 50%-75%\n- **推理更快**：针对 CPU 和 GPU 加速进行了优化，兼容 llama.cpp\n- **质量保持**：Q8_0 和 Q6_K 能够保持出色的输出质量\n- **部署简便**：单一文件格式，无需复杂依赖\n- **GPU 加速**：全面支持 CUDA，实现高性能推理\n\n| 模型 | 大小 | 质量 | 显存占用 | 适用场景 |\n|-------|------|---------|------------|----------|\n| Q8_0  | 35GB | 最高 | ~35GB      | 高端 GPU（H100、A100） |\n| Q6_K  | 27GB | 优秀 | ~27GB     | RTX 4090、RTX 5090 |\n| Q4_K_M| 20GB | 良好    | ~20GB      | RTX 3090、RTX 4080 |\n\n## 使用对比\n\n| 模型 | 输入类型 | 使用场景 | 模型后端 |\n|-------|------------|----------|---------------|\n| **HunyuanPromptEnhancer** | 仅文本 | 文本到图像生成 | Transformers（7B\u002F32B） |\n| **PromptEnhancerImg2Img** | 文本 + 图像 | 图像编辑任务 | Transformers（32B） |\n| **PromptEnhancerGGUF** | 仅文本 | 内存高效的 T2I | llama.cpp（量化） |\n\n## 参数说明\n\n### 标准模型（Transformers）\n- `models_root_path`：本地路径或仓库 ID；支持 `trust_remote_code` 模型。\n- `device_map`：设备映射（默认为 `auto`）。\n- `predict(...)`：\n  - `prompt_cot`（str）：待改写的输入提示。\n  - `sys_prompt`（str）：可选系统提示；图像提示改写时会提供默认值。\n  - `temperature`（float）：`>0` 启用采样；`0` 表示确定性生成。\n  - `top_p`（float）：核采样阈值（启用采样时有效）。\n  - `max_new_tokens`（int）：最多生成的新标记数。\n\n### GGUF 模型\n- `model_path`（str）：GGUF 模型文件路径（若位于 models\u002F 文件夹中则自动检测）。\n- `n_ctx`（int）：上下文窗口大小（默认为 8192，短提示推荐 1024）。\n- `n_gpu_layers`（int）：卸载到 GPU 的层数（-1 表示全部层）。\n- `verbose`（bool）：启用来自 llama.cpp 的详细日志记录。\n\n### 图像到图像模型（PromptEnhancerImg2Img）\n- `model_path`（str）：预训练的 Qwen2.5-VL 模型路径。\n- `device_map`（str）：模型加载时的设备映射（默认为 `auto`）。\n- `predict(...)`：\n  - `edit_instruction`（str）：原始编辑指令。\n  - `image_path`（str）：输入图像文件路径。\n  - `sys_prompt`（str）：可选系统提示（若未提供则使用默认值）。\n  - `temperature`（float）：采样温度（默认为 0.1）。\n  - `top_p`（float）：核采样阈值（默认为 0.9）。\n  - `max_new_tokens`（int）：最多生成的新标记数（默认为 2048）。\n\n## 引用\n\n如果您觉得本项目有用，请考虑引用以下内容：\n```bibtex\n@article{promptenhancer,\n  title={PromptEnhancer: A Simple Approach to Enhance Text-to-Image Models via Chain-of-Thought Prompt Rewriting},\n  author={Wang, Linqing and Xing, Ximing and Cheng, Yiji and Zhao, Zhiyuan and Donghao, Li and Tiankai, Hang and Zhenxi, Li and Tao, Jiale and Wang, QiXun and Li, Ruihuang and Chen, Comi and Li, Xin and Wu, Mingrui and Deng, Xinchi and Gu, Shuyang and Wang, Chunyu and Lu, Qinglin},\n  journal={arXiv preprint arXiv:2509.04545},\n  year={2025}\n}\n```\n\n## 致谢\n\n我们衷心感谢以下开源项目和社区对开放研究与探索所作出的贡献：[Transformers](https:\u002F\u002Fhuggingface.co\u002Ftransformers) 和 [HuggingFace](https:\u002F\u002Fhuggingface.co)。\n\n## 联系方式\n\n如您想向我们的研发和产品团队留言，欢迎联系我们的开源团队。您也可以通过电子邮件（hunyuan_opensource@tencent.com）与我们取得联系。\n\n## Github 星标历史\n\n## 星标历史\n\n[![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHunyuan-PromptEnhancer_PromptEnhancer_readme_8a0316c45bd6.png)](https:\u002F\u002Fwww.star-history.com\u002F#Hunyuan-PromptEnhancer\u002FPromptEnhancer?type=date&logscale&legend=top-left)","# PromptEnhancer 快速上手指南\n\nPromptEnhancer 是由腾讯混元团队开源的提示词增强工具，基于思维链（Chain-of-Thought）重写技术，显著提升文生图（Text-to-Image）和图生图编辑（Image-to-Image）的效果。它能在保留用户原始意图的前提下，生成结构更清晰、细节更丰富的提示词。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux 或 macOS (Windows 需使用 WSL2)\n*   **Python**: 3.8 或更高版本\n*   **GPU (推荐)**: NVIDIA GPU 显存建议 8GB 以上（运行 7B 模型）；若运行量化版 32B 模型，建议显存 20GB+ 或使用 GGUF 格式降低显存占用。\n*   **依赖管理**: 建议使用 `conda` 或 `venv` 创建独立虚拟环境。\n\n## 安装步骤\n\n### 1. 克隆项目与安装基础依赖\n首先获取代码并安装标准依赖包：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FTencent-Hunyuan\u002FHunyuanImage-2.1.git\ncd HunyuanImage-2.1\npip install -r requirements.txt\n```\n\n> **💡 提示**：如果您希望使用量化模型（GGUF 格式）以节省显存并加速推理，请额外执行以下脚本安装 GGUF 支持：\n> ```bash\n> chmod +x script\u002Finstall_gguf.sh && .\u002Fscript\u002Finstall_gguf.sh\n> ```\n\n### 2. 下载模型\n根据您的硬件条件选择合适的模型版本。国内用户若访问 HuggingFace 较慢，可配置镜像源或使用代理。\n\n**方案 A：推荐入门版 (PromptEnhancer-7B)**\n适合大多数用户，平衡了质量与显存占用（约需 8GB+ 显存）。\n\n```bash\nhuggingface-cli download tencent\u002FHunyuanImage-2.1\u002Freprompt --local-dir .\u002Fmodels\u002Fpromptenhancer-7b\n```\n\n**方案 B：高性能量化版 (32B GGUF)**\n适合显存有限但需要高质量输出的用户（如 RTX 4090\u002F3090），显存占用可降低 50%-75%。\n\n```bash\n# 下载 Q6_K 量化版本 (约 27GB，推荐 RTX 4090\u002F5090)\nhuggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q6_K.gguf --local-dir .\u002Fmodels\n\n# 或者下载 Q4_K_M 量化版本 (约 20GB，推荐 RTX 3090\u002F4080)\n# huggingface-cli download mradermacher\u002FPromptEnhancer-32B-GGUF PromptEnhancer-32B.Q4_K_M.gguf --local-dir .\u002Fmodels\n```\n\n**方案 C：图生图编辑专用版**\n用于基于图片的编辑指令优化。\n\n```bash\nhuggingface-cli download PromptEnhancer\u002FPromptEnhancer-Img2img-Edit --local-dir .\u002Fmodels\u002Fpromptenhancer-img2img-edit\n```\n\n## 基本使用\n\n### 场景一：文生图提示词增强 (Text-to-Image)\n这是最常用的功能，将简单的自然语言描述转化为专业的绘图提示词。\n\n```python\nfrom inference.prompt_enhancer import HunyuanPromptEnhancer\n\n# 初始化模型 (指向下载的 7B 模型路径)\nmodels_root_path = \".\u002Fmodels\u002Fpromptenhancer-7b\"\nenhancer = HunyuanPromptEnhancer(models_root_path=models_root_path, device_map=\"auto\")\n\n# 输入原始提示词 (支持中文或英文)\nuser_prompt = \"Third-person view, a race car speeding on a city track...\"\n\n# 执行增强\nnew_prompt = enhancer.predict(\n    prompt_cot=user_prompt,\n    temperature=0.7,   # >0 开启采样，增加多样性；0 为确定性输出\n    top_p=0.9,\n    max_new_tokens=256,\n)\n\nprint(\"Enhanced:\", new_prompt)\n```\n\n### 场景二：使用量化模型 (GGUF - 更快更省显存)\n如果您下载的是 `.gguf` 格式的 32B 模型，请使用此方式加载：\n\n```python\nfrom inference.prompt_enhancer_gguf import PromptEnhancerGGUF\n\n# 初始化 GGUF 模型\nenhancer = PromptEnhancerGGUF(\n    model_path=\".\u002Fmodels\u002FPromptEnhancer-32B.Q6_K.gguf\",  # 指定具体模型文件\n    n_ctx=1024,        # 上下文窗口大小\n    n_gpu_layers=-1,   # -1 表示将所有层卸载到 GPU 加速\n)\n\n# 执行增强\nuser_prompt = \"woman in jungle\"\nenhanced_prompt = enhancer.predict(\n    user_prompt,\n    temperature=0.3,\n    top_p=0.9,\n    max_new_tokens=512,\n)\n\nprint(\"Enhanced:\", enhanced_prompt)\n```\n\n### 场景三：图生图编辑指令优化 (Image-to-Image)\n当您需要根据参考图片优化编辑指令时使用：\n\n```python\nfrom inference.prompt_enhancer_img2img import PromptEnhancerImg2Img\n\n# 初始化图生图模型\nenhancer = PromptEnhancerImg2Img(\n    model_path=\".\u002Fmodels\u002Fpromptenhancer-img2img-edit\",\n    device_map=\"auto\"\n)\n\n# 准备图片和编辑指令\nedit_instruction = \"Remove the watermark from the bottom\"\nimage_path = \".\u002Fexamples\u002Fsample_image.png\"\n\n# 执行优化\nenhanced_prompt = enhancer.predict(\n    edit_instruction=edit_instruction,\n    image_path=image_path,\n    temperature=0.1,\n    top_p=0.9,\n    max_new_tokens=2048\n)\n\nprint(\"Enhanced editing prompt:\", enhanced_prompt)\n```","某电商设计团队正急需为“夏季新品运动鞋”生成一系列高质量营销海报，但设计师输入的初始提示词往往过于简略或逻辑松散。\n\n### 没有 PromptEnhancer 时\n- **细节丢失严重**：简单的描述如“一双很酷的运动鞋在沙滩上”导致生成的图片缺乏光影质感、鞋底纹理及海浪飞溅等关键视觉元素。\n- **结构混乱**：模型难以区分主体、背景与风格修饰词，常出现鞋子变形、背景与主体融合错误等逻辑冲突。\n- **反复试错成本高**：设计师需手动迭代数十次提示词，不断添加形容词并调整语序，耗费大量时间却仍难获得稳定产出。\n- **风格不一致**：同一批次的不同图片中，光照方向和艺术风格（如写实 vs 插画）忽左忽右，无法满足系列化营销需求。\n\n### 使用 PromptEnhancer 后\n- **细节自动补全**：PromptEnhancer 将简短指令重写为包含\"4K 分辨率、黄金时刻光照、水珠特写、动态模糊”的结构化长提示，画面丰富度显著提升。\n- **逻辑清晰分层**：工具通过思维链技术将提示词重组为“主体描述 + 环境氛围 + 摄影参数 + 艺术风格”的标准格式，彻底消除主体畸形问题。\n- **一次生成即达标**：输入原始想法即可直接获得优化后的专业提示词，将单张海报的调试时间从 30 分钟压缩至 2 分钟。\n- **风格高度统一**：无论生成多少张图，PromptEnhancer 都能锁定核心风格标签，确保整套素材在色调和构图上保持完美一致。\n\nPromptEnhancer 通过将模糊的自然语言转化为结构化、高保真的图像生成指令，让创意落地效率提升了十倍以上。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHunyuan-PromptEnhancer_PromptEnhancer_de6f8654.png","Hunyuan-PromptEnhancer","Hunyuan AMC Group - PromptEnhancer","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FHunyuan-PromptEnhancer_45ccab51.png","",null,"https:\u002F\u002Fgithub.com\u002FHunyuan-PromptEnhancer",[82,86],{"name":83,"color":84,"percentage":85},"Python","#3572A5",98.9,{"name":87,"color":88,"percentage":89},"Shell","#89e051",1.1,3657,316,"2026-04-01T05:27:50","NOASSERTION","Linux, macOS, Windows","运行标准模型（7B\u002F32B）需要 NVIDIA GPU；运行 GGUF 量化模型支持 CUDA 加速。显存需求：PromptEnhancer-7B 需 8GB+；PromptEnhancer-32B (Q4_K_M) 需 20GB+ (RTX 3090\u002F4080)，(Q6_K) 需 27GB+ (RTX 4090\u002F5090)，(Q8_0\u002F全精度) 需 32GB-35GB+ (A100\u002FH100)。","最低 8GB (仅运行 7B 模型)，推荐 32GB+ (运行 32B 模型或进行图像编辑任务)",{"notes":98,"python":99,"dependencies":100},"提供三种运行模式：标准 Transformers 模式 (7B\u002F32B)、视觉语言模式 (Img2Img) 和高效 GGUF 量化模式。GGUF 模式可节省 50-75% 显存，适合显存有限的用户。首次使用需通过 huggingface-cli 下载模型文件 (7B 约 13GB，32B 量化版 20-35GB)。Img2Img 功能需要额外的视觉编码器支持。","未说明 (通常建议 3.8+ 以兼容 PyTorch)",[101,102,103,104,105,106],"torch","transformers","accelerate","llama-cpp-python","huggingface_hub","Pillow",[14],[109,110,111,112,113,114,115,116,117],"prompt","prompt-engineering","prompt-enhancer","hunyuan","vlm","hunyuan-image","image-editing","image-to-image","text-to-image","2026-03-27T02:49:30.150509","2026-04-06T05:16:12.399205",[121,126,131],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},12808,"PromptEnhancer-32B 模型支持图像输入（多模态）吗？","该模型目前仅针对文生图（text-to-image）任务进行训练，暂不支持直接的图像输入。选择 VLM（视觉语言模型）架构是为了便于未来扩展到图生图编辑和视频生成任务。","https:\u002F\u002Fgithub.com\u002FHunyuan-PromptEnhancer\u002FPromptEnhancer\u002Fissues\u002F8",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},12809,"prompt_enhancer.py 和 prompt_enhancer_v1.py 分别对应哪个模型版本？","prompt_enhancer.py 不能兼容 32B 模型。若要使用性能更优越的 32B 模型，请参考 Hugging Face 页面（https:\u002F\u002Fhuggingface.co\u002FPromptEnhancer\u002FPromptEnhancer-32B）上的说明进行加载和使用，不要混用脚本。","https:\u002F\u002Fgithub.com\u002FHunyuan-PromptEnhancer\u002FPromptEnhancer\u002Fissues\u002F4",{"id":132,"question_zh":133,"answer_zh":134,"source_url":130},12810,"本地显存只有 24GB，应该选择 7B 还是 32B 模型？","在 24GB 显存环境下，运行 7B 模型大约消耗 20GB 显存，可以正常运行；而 32B 模型在此配置下无法运行。建议显存受限的用户先使用 7B 版本，或在具备更高显存的设备上参考官方文档使用 32B 版本以获得更好性能。",[]]