【免费下载链接】SenseNova-U1.5-8B-MoT-pose-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/SenseNova-U1.5-8B-MoT-pose-bf16点击查看免费下载SenseNova-U1.5-8B-MoT-pose-bf16 是一款跑在 Apple SiliconM 系列芯片上的开源 AI 姿态迁移模型权重基于 MLX 框架本地推理。只需一张人物参考图 一张 OpenPose 骨骼姿态图就能让人物换姿势而不改变身份、服装与场景。本文带你完整看懂它的原理、用法、文件构成与显存要求。 一分钟看懂它是什么简单说这是 SenseNova-U1.5-8B-MoT 的姿态迁移专用档位pose tier开发者把 RefControl pose LoRA 适配器合入基础模型并转为 bf16 精度打包成可直接在 Mac 上加载的权重见 README.md。项目信息模型规模8B 参数底座为 Qwen342 层 Transformer权重精度bf16另有 pose-8bit 省显存档运行框架MLXApple Silicon 专属功能定位image-to-image双参考图姿态编辑文件体积约 35 GB7 个 safetensors 分片加载驻留约 35.1 GBM5 Max 实测开源协议Apache-2.0可商用它属于 base-checkpoint merge基座合并 而非蒸馏底座的文生图、think 模式、视觉问答能力都还在只是生成流被调偏向了姿态控制。️ 核心玩法双参考图机制怎么工作姿态迁移是两张图分工的编辑任务且顺序不能错Image-1骨骼图—— OpenPose 风格的人体骨架决定要摆什么姿势Image-2参考图—— 人物照片提供身份、服装与外观配套提示词来自 README.mdImage-1: image Image-2: image apply pose from image 1 with reference from image 2⚠️槽位顺序很重要把两张图放反模型会直接复刻外观图本身的姿势、完全忽略骨骼图。这是新手最常踩的坑。 快速上手三步在 Mac 本地跑通第 1 步下载权重仓库git clone https://gitcode.com/hf_mirrors/mlx-community/SenseNova-U1.5-8B-MoT-pose-bf16第 2 步一行命令执行姿态迁移sensenova-cli --weights SenseNova-U1.5-8B-MoT-pose-bf16 \ --edit-image skeleton.png --edit-image identity.jpg \ --prompt $Image-1: image\nImage-2: image\napply pose from image 1 with reference from image 2 \ --width 768 --height 768 --steps 28 --cfg 4.0 --out posed.npy第 3 步记住这组推荐参数参数推荐值说明--width / --height768 × 768方图输出人物细节保留更好--steps28采样步数兼顾质量与速度--cfg4.0提示词遵循强度seed固定值需要可复现结果时指定如果你是 Swift 开发者也可以通过 sensenova-u1-swift 的SenseNovaU1Package.poseBf16变体在 App 内直接调用详见 README.md。 仓库文件全解35GB 权重都是什么文件作用model-00001-of-00007.safetensors model-00007-of-00007.safetensors模型权重分片共约 35 GBmodel.safetensors.index.json权重分片索引表config.json模型结构配置NEOChatModelREADME.md用法、性能、权重溯源vocab.json、merges.txt、tokenizer.json分词器词表added_tokens.json、special_tokens_map.json特殊 tokenthink、工具调用、图像标记等两个值得注意的配置细节底座架构语言部分是 Qwen3ForCausalLM42 层、hidden 4096、256K 上下文视觉部分是 NEOVisionModelpatch size 16见 config.jsonMoT 双流设计Mixture-of-Transformers 架构下每个 Transformer 层都有两套并行投影普通流 *_mot_gen生成流。本次合入的 pose LoRArank 32 / alpha 32训练 3000 步只作用于 294 个生成流投影——对普通 bf16 版逐张量比对恰好 882 个张量294 × 3不同其余完全一致溯源信息见 README.md 与 config.json 显存够吗硬件要求与省显存方案M5 Max 实测加载后驻留 35.1 GB 统一内存README.md32GB 以下机器建议改用pose-8bit档位仅需 19.0 GB且在全部 5 个留出测试集上与 bf16 版渲染结果一致是官方推荐档bf16 版的定位是参考精度基准适合对比实验纯本地推理图片不出机器天然适合隐私敏感的自拍、证件照等场景 除了换姿势它还能做什么✅一鱼多吃文生图、think 思考模式、视觉问答VQA都保留可用只是生成流带姿态偏置做纯生成时建议换用基础版权重✅开源友好Apache-2.0 协议跟随基础检查点移植代码为 MIT训练数据来自 Wikimedia CommonsCC-BY / CC-BY-SA与 Pexels 视频素材仓库只分发合并后的权重、不含源帧❓ 常见问题H3姿态迁移没生效输出和参考图姿势一样99% 是图片顺序放反了骨骼图必须在第 1 个槽位人物参考图在第 2 个槽位。H3pose-8bit 和 pose-bf16 怎么选日常使用选 pose-8bit省一半内存效果等效只有做精度基准对比时才需要 bf16。H3权重来源可靠吗基础模型锁定在特定 commit 转换LoRA 为 3000 步的 RefControl pose v1零权重副本走同样流程可逐张量复现原始产物证明合并过程无副作用README.md。总结SenseNova-U1.5-8B-MoT-pose-bf16 把本地、私密、可控姿势的 AI 姿态迁移搬到了 Mac 上——一条命令、两张图就能批量生产换姿势照片是 Apple Silicon 用户值得收藏的开源图像编辑模型。赞分享【免费下载链接】SenseNova-U1.5-8B-MoT-pose-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/SenseNova-U1.5-8B-MoT-pose-bf16点击查看免费下载相关推荐SenseNova-U1.5-8B-MoT-pose-bf16 vs pose-8bit35GB与19GB实测对比姿势迁移模型精度版本该如何选择SenseNova U1.5 8B MoT pose bf16 vs pose 8bit35GB与19GB实测对比姿势迁移模型精度版本该如何选择 Sense如何在Apple Silicon上10分钟本地部署SenseNova-U1.5-8B-MoT-bf16M5 Max快速上手教程如何在Apple Silicon上10分钟本地部署SenseNova U1.5 8B MoT bf16M5 Max快速上手教程 SenseNova U1.5embeddinggemma-2-8bit是什么谷歌多模态嵌入模型跑在Apple Silicon上的完整介绍embeddinggemma 2 8bit是什么谷歌多模态嵌入模型跑在Apple Silicon上的完整介绍 embeddinggemma 2 8bit 是谷上一篇SD-PPP在Photoshop中直接调用AI模型设计师的创意革命下一篇Nintendo Switch大气层破解系统完整指南与深度技术解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考