Fibo 2 (فیبو ۲) مدل ساخت و ویرایش عکس از شرکت Bria است که ساختن عکس از متن و ویرایش عکس را در یک مدل ۸ میلیارد پارامتری کنار هم گذاشته. Bria وزن‌های آن را حدود ۲۰ اکتبر ۲۰۲۶ (۲۸ مهر ۱۴۰۵) منتشر کرد. نکته‌ی اصلی‌اش این است که فقط روی داده‌ی دارای مجوز آموزش دیده و پرامپت را مثل یک نقشه‌ی ساختاریافته می‌خواند، نه یک جمله‌ی مبهم.
این مدل در هوش مصنوعی آنلاین فارسی هوش نو هم در منوی «مدل‌های هوش مصنوعی» هست. در ادامه می‌خوانید Fibo 2 چه می‌کند، با رقبا چه فرقی دارد، چه محدودیت‌هایی دارد و چطور پرامپت بنویسید که نتیجه‌ی خوب بگیرید. اگر دنبال مقایسه‌ی کلی مدل‌های عکس هستید، مقایسه‌ی مدل‌های ساخت عکس و ویدیو را هم ببینید.
Fibo 2 چه کارهایی می‌کند؟
Fibo 2 یک مدل واحد برای ساخت و ویرایش تصویر است؛ یعنی لازم نیست برای هر کار سراغ یک مدل جدا بروید. به گفته‌ی Bria، این اولین بار است که در خانواده‌ی FIBO ویرایش و ساخت عکس در یک مدل جمع شده‌اند. نسخه‌های قبلی این خانواده بیشتر برای ساخت عکس از متن بودند و ویرایش را جدا انجام می‌دادند.
- ساخت عکس از متن: یک پرامپت کوتاه می‌دهید و مدل آن را به یک توصیف مفصل تبدیل می‌کند و عکس را می‌سازد.
- ویرایش با دستور: عکس و یک جمله‌ی دستوری می‌دهید، مثلاً «رنگ مانتو را سبز کن». بقیه‌ی عکس، از چهره تا نور و چیدمان، باید دست‌نخورده بماند.
- ویرایش ماسک‌دار: فقط ناحیه‌ای که مشخص می‌کنید تغییر می‌کند و بقیه‌ی پیکسل‌ها همان می‌مانند.
- چند عکس مرجع: تا چهار عکس را با هم ترکیب می‌کند؛ برای پرو مجازی لباس، گذاشتن محصول در صحنه یا انتقال سبک.
- حالت‌های سبک عکاسی: پنج حالت اختیاری شامل «واقع‌گرایی ساده»، فیلم کداک، فلاش سخت، رؤیایی و اعوجاج لنز.
Bria می‌گوید متن داخل تصویر، بافت مواد و ساختار بدن (دست و چهره) نسبت به نسخه‌های قبلی FIBO بهتر شده است. این ادعای خود شرکت است و بهتر است با عکس‌های خودتان بسنجید.
پرامپت ساختاریافته (VGL) یعنی چه؟
VGL مخفف «زبان بصری هوش مصنوعی مولد» است؛ فرمتی بر پایه‌ی JSON که نور، ترکیب‌بندی، رنگ، زاویه‌ی دوربین و هر شیء صحنه را در یک فیلد جدا می‌نویسد. مدل روی توصیف‌هایی تا بیش از هزار واژه آموزش دیده، پس می‌شود فقط یک ویژگی (مثلاً ساعت روز یا زاویه‌ی دوربین) را عوض کرد و بقیه‌ی صحنه را ثابت نگه داشت.
لازم نیست خودتان JSON بنویسید. ابزار متن‌باز bria-vgl جمله‌ی ساده‌ی شما را به آن قالب تبدیل می‌کند. نتیجه این است که ویرایش مثل «اعمال یک تغییر کوچک روی یک نقشه» می‌شود، نه ساختن دوباره‌ی کل عکس، و می‌شود همان ویرایش را بعداً دوباره و با همان نتیجه اجرا کرد.
مثال‌های کاربرد برای کاربر ایرانی
- فروشگاه آنلاین: عکس محصول را بدون تغییر شکل خودِ محصول، در پس‌زمینه‌ی تازه بگذارید یا رنگ‌بندی دیگری از آن بسازید.
- اینستاگرام: از یک عکس پایه چند نسخه با نور و حال‌وهوای متفاوت برای پست و استوری بسازید.
- کاتالوگ و تبلیغ: یک صحنه را بازسازی کنید و فقط یک جزء را عوض کنید، بدون اینکه کل عکس دوباره ساخته شود.
- پرو لباس: عکس مدل و عکس لباس را به‌عنوان دو مرجع بدهید (با عکس خودتان یا کسی که رضایت داده، نه عکس دیگران).
- طراحی و ارائه: برای پوستر یا اسلاید، یک تصویر با ترکیب‌بندی مشخص بسازید و بعد فقط رنگ یا نورش را تغییر بدهید.
برای ویرایش‌های ساده‌تر هم می‌توانید از ویرایشگر عکس با هوش مصنوعی هوش نو استفاده کنید.
چه فرقی با مدل‌های قبلی و رقبا دارد؟
فرق اصلی Fibo 2 کنترل‌پذیری و مجوز داده است، نه صرفاً زیبایی. در آزمون Artificial Analysis (تاریخ ۲۰ اکتبر ۲۰۲۶)، Bria می‌گوید Fibo 2 در ویرایش عکس میان مدل‌های با وزن باز رتبه‌ی اول و در ساخت عکس از متن رتبه‌ی دوم است. خود Artificial Analysis هم می‌گوید در هر دو آزمون تقریباً هم‌سطح Qwen-Image-2.1 است و نسبت به نسل اول Fibo جهش بزرگی دارد، به‌ویژه در ویرایش متن، نوشتن متن روی تصویر و چیدمان.
| مدل | نوع | امتیاز ویرایش عکس (Elo) | هزینه‌ی هر ۱۰۰۰ عکس |
|---|---|---|---|
| GPT Image 2.5 | بسته | ۱۱۹۹ | در منابع بررسی‌شده نبود |
| Fibo 2 | وزن باز | ۱۰۸۸ | ۳۲ دلار (API شرکت Bria) |
| Qwen-Image-2.1 | وزن باز | ۱۰۸۱ | در منابع بررسی‌شده نبود |
| FLUX 3 Image Klein | وزن باز | ۱۰۷۲ | در منابع بررسی‌شده نبود |
نتیجه‌ی جدول: Fibo 2 جلوتر از رقبای وزن‌باز در ویرایش است، ولی مدل‌های بسته مثل GPT Image 2.5 هنوز بالاتر ایستاده‌اند. امتیاز Elo در طول زمان تغییر می‌کند و این اعداد از یک بررسی در پایان مهر ۱۴۰۵ است. Artificial Analysis قیمت Fibo 2 را ۳۲ دلار برای هر هزار عکس می‌داند و در همان گزارش، Luma UNI 1 Max را ۱۰۰ دلار و Qwen Image 2.0 Pro را ۷۵ دلار نوشته است.
اگر مدل‌های دیگر این حوزه را دنبال می‌کنید، مقاله‌ی FLUX 3 Image Klein و Krea 3 را هم بخوانید.
دو نسخه‌ی Fibo 2
Bria دو فایل وزن منتشر کرده است و انتخاب بینشان به کارتان بستگی دارد.
| ویژگی | Fibo 2.0 Dev | Fibo 2.0 Edit Turbo |
|---|---|---|
| کار | ساخت و ویرایش | فقط ویرایش |
| تعداد گام نمونه‌برداری | ۵۰ گام | ۴ گام |
| کاربرد | کیفیت کامل، پژوهش و فاین‌تیون | ویرایش سریع |
| پرامپت منفی | اثر دارد | اثری ندارد |
نتیجه‌ی جدول: برای کیفیت بیشینه و ساخت عکس نسخه‌ی Dev، و برای ویرایش‌های سریع Edit Turbo مناسب‌تر است.
نقطه‌های ضعف و محدودیت‌ها
- مجوز وزن‌های باز: وزن‌ها با مجوز CC BY-NC 4.0 و فقط برای استفاده‌ی غیرتجاری منتشر شده‌اند؛ استفاده‌ی تجاری از خود وزن‌ها به توافق جدا با Bria نیاز دارد.
- حجم: فایل‌های مدل روی هم حدود ۲۵ گیگابایت است؛ اجرای محلی به کارت گرافیک قوی یا نسخه‌ی فشرده‌شده نیاز دارد.
- قابلیت‌های وعده‌داده‌شده هنوز نیامده‌اند: ویرایش چندمرحله‌ای، حذف پس‌زمینه، تولید عکس محصول، پاک‌کن با ماسک و گسترش تصویر در فهرست «در راه» خود Bria هستند و هنوز عرضه نشده‌اند.
- پشت مدل‌های بسته: در ویرایش، هنوز مدل‌های بسته امتیاز بالاتری دارند.
- متن فارسی: در منابع بررسی‌شده درباره‌ی نوشتن متن فارسی روی تصویر چیزی تأیید نشده بود؛ پیش از استفاده‌ی جدی خودتان امتحان کنید.
چطور Fibo 2 را امتحان کنم؟
در هوش نو لازم نیست چیزی نصب کنید. Fibo 2 در ساخت عکس با هوش مصنوعی در دسترس است و هزینه‌ی دقیق پیش از ساخت، زیر دکمه‌ی ساختن نشان داده می‌شود.
- صفحه‌ی ساخت عکس را باز کنید.
- از فهرست مدل‌ها Fibo 2 را انتخاب کنید.
- پرامپت را بنویسید و نسبت تصویر را تعیین کنید.
- روی دکمه‌ی ساختن بزنید و نتیجه را بررسی کنید.
برای اجرای خودتان روی سیستم، وزن‌ها در Hugging Face (با تأیید فرم مجوز) و پشتیبانی ComfyUI موجود است. جزئیات رسمی را در صفحه‌ی مدل Fibo 2.0 Dev ببینید.
نوشتن پرامپت خوب برای Fibo 2
چون Fibo 2 با توصیف‌های ساختاریافته آموزش دیده، پرامپتی که ترتیب ثابتی دارد نتیجه‌ی قابل‌تکرارتری می‌دهد: موضوع، محیط، نور، ترکیب‌بندی، رنگ. این پنج نمونه را امتحان کنید:
A matte white ceramic mug on a pale oak table, minimal kitchen background, soft warm late-afternoon light from the left, centered composition with negative space above, calm mood, photography
عکس محصول: یک شیشه‌ی عطر مشکی روی میز مرمری سفید، نور نرم استودیو از سمت چپ، پس‌زمینه‌ی خاکستری روشن و محو، ترکیب‌بندی وسط‌چین، سبک عکاسی تبلیغاتی
Edit: change the mug glaze to deep forest green. Keep the table, lighting, shadows and composition exactly the same.
Edit with references: put the perfume bottle from <image_2> on the marble surface from <image_3> and keep its label from <image_1> unchanged.
A street food stall at night in a busy bazaar, warm lantern light, steam rising, shallow depth of field, 35mm lens, Kodak film look, candid mood
نکته: در ویرایش، همیشه بنویسید چه چیزی «ثابت بماند». این کار مدل را از دست‌زدن به بقیه‌ی عکس بازمی‌دارد. اگر نتیجه کامل نبود، فقط یک ویژگی را در پرامپت عوض کنید، نه همه را.
سؤالات متداول
Fibo 2 چیست؟
Fibo 2 مدل ۸ میلیارد پارامتری شرکت Bria برای ساخت و ویرایش عکس در یک مدل واحد است. روی داده‌ی دارای مجوز آموزش دیده و پرامپت ساختاریافته (VGL) را می‌خواند. وزن‌هایش از ۲۰ اکتبر ۲۰۲۶ در Hugging Face هست.
Fibo 2 رایگان است؟
نه کاملاً. وزن‌ها برای استفاده‌ی غیرتجاری در Hugging Face با پذیرش فرم مجوز در دسترس‌اند، ولی استفاده‌ی تجاری به توافق با Bria نیاز دارد. هزینه‌ی API را Artificial Analysis حدود ۳۲ دلار برای هر هزار عکس نوشته است.
Fibo 2 با Qwen-Image-2.1 چه فرقی دارد؟
هر دو مدل وزن‌باز و تقریباً هم‌سطح‌اند. در آزمون Artificial Analysis، Fibo 2 با اختلاف کمی در ویرایش جلوتر است. فرق Fibo 2 در پرامپت ساختاریافته، ماسک و مرجع چندتایی و آموزش روی داده‌ی دارای مجوز است.
Fibo 2 متن فارسی را درست می‌نویسد؟
هنوز مشخص نیست. در منابع بررسی‌شده درباره‌ی متن فارسی چیزی تأیید نشده بود. پیشنهاد می‌شود کلمه‌ی کوتاه فارسی را امتحان کنید و نتیجه را با نیاز خودتان بسنجید.
Fibo 2 را کجا امتحان کنم؟
بله، در هوش نو در صفحه‌ی ساخت عکس هست و هزینه‌ی دقیق پیش از ساخت نشان داده می‌شود. می‌توانید خودتان هم وزن‌ها را از Hugging Face بگیرید و در ComfyUI اجرا کنید.
جمع‌بندی
Fibo 2 برای کسانی که کنترل دقیق و تکرارپذیری می‌خواهند انتخاب جالبی است، به‌خصوص برای ویرایش عکس محصول. اگر فقط یک عکس زیبا و سریع می‌خواهید، مدل‌هایی مثل Nano Banana 2.1 هم هستند. بهترین راه این است که همان پرامپت را روی دو مدل امتحان کنید. برای شروع، راهنمای ساخت عکس با هوش مصنوعی فارسی را هم ببینید.
