ByteDance推出的14B参数文生图大模型BitDance，凭借自回归与二进制标记技术，在生成真人照片方面展现出极高的细节真实感。本篇内容通过ComfyUI平台的完整工作流搭建，实测其生成效果，并提供从部署到出图的具体操作指南，为AI绘画爱好者提供一个新的高画质生成选择。
智能速览
BitDance是基于创新自回归架构和二进制标记技术的14B参数模型。
模型已提供FP8量化版本，并适配ComfyUI，方便用户本地部署。
实测生成的人物照片细节逼真，真实感与Z-Image模型表现相当。
当前生成需要50步采样，速度较慢，未来蒸馏加速版值得期待。
ComfyUI工作流搭建清晰，包含模型加载、分辨率设置、提示词输入等关键步骤。
精华内容
BitDance模型在真人图像生成领域展现了惊人潜力，其细节表现力可与顶尖模型媲美。下面通过实际工作流搭建，深入了解其生成效果与操作流程。
模型技术原理
BitDance是由字节跳动与多所高校联合研发的14B参数自回归文生图大模型。其核心创新在于采用二进制标记技术，有效解决了传统离散自回归模型在处理大规模词汇表时面临的重建困难和采样速度慢等瓶颈问题。通过引入二元扩散头和下一个区块扩散范式，该模型能够高效地并行预测多达64个token，为生成高分辨率、照片级真实感的图像奠定了技术基础。
ComfyUI部署指南
在ComfyUI中使用BitDance模型，流程清晰直观。首先，通过BitDance Loader节点加载14B参数的FP8量化版模型文件。接着，在BitDance Resolution节点中设定输出图像的分辨率，例如1280x768。随后，在BitDance Text Encoder节点输入详细的文本提示词，描述越具体，生成效果越好。之后，在BitDance Sampler节点配置采样参数，当前推荐步数为50步，并设置合适的CFG值和种子。最后，经由BitDance VAE Decode节点解码，即可获得最终的图像。整个过程所需的专用节点和模型文件均可在开源社区获取。
效果与速度
实际生成效果显示，BitDance在人物细节的真实感处理上表现出色，其生成照片的精细程度可与业界知名的Z-Image模型相媲美。无论是皮肤纹理、发丝还是光影效果，都达到了极高的水准。然而，目前该模型的一个显著短板是生成速度。由于需要50步采样才能完成一张图像的生成，导致整体耗时较长。对于追求效率的用户而言，这是一个需要权衡的因素。不过，社区普遍期待其蒸馏加速版本的发布，届时有望在保证质量的前提下大幅提升生成效率。
