当前手头上的定制化项目，可用训练数据较少，训练的模型效果不佳。所以通过 clip-interrogator 获取图片获取描述后，批量进行 文生图 以增加样本量。
在批量生成前，先简单评测一下当前的主流 文生图 模型。直接上效果：
MidJourney:
https://huggingface.co/spaces/mukaist/Midjourney
优点：基本上能完美复制参考图的场景设定
缺点：多人时，人脸有崩的问题， 不支持中文；闭源&付费
Stable Diffusion 3 Medium:
https://huggingface.co/spaces/stabilityai/stable-diffusion-3-medium
优点：开源&免费
缺点：多人时，人脸崩的非常明显，场景理解上也相对差一点，不支持中文
Kolors:
https://huggingface.co/spaces/Kwai-Kolors/Kolors
优点：开源&免费，支持中文
缺点：中文不稳定，人脸偶尔也会甭，速度慢
FLUX.1 [schnell]:
https://huggingface.co/spaces/black-forest-labs/FLUX.1-schnell
优点：开源&免费，速度快，整体效果上是最好的
缺点：不支持中文，显存占用大
