PIXART LCM es un marco de síntesis de texto a imagen que integra el modelo de consistencia latente (LCM) y ControlNet en el avanzado modelo PIXART-α. PIXART LCM es conocido por su capacidad de generar imágenes de alta calidad con una resolución de 1024 px mediante un proceso de entrenamiento eficiente. La integración de LCM en PIXART-δ acelera significativamente la velocidad de inferencia, permitiendo la generación de imágenes de alta calidad en tan solo 2-4 pasos. Cabe destacar que PIXART-δ ha logrado el avance de generar imágenes de 1024 x 1024 píxeles en 0,5 segundos, una mejora de 7 veces con respecto a PIXART-α. Además, PIXART-δ está cuidadosamente diseñado para un entrenamiento eficiente en una GPU V100 de 32 GB en un solo día. Con capacidad de inferencia de 8 bits, PIXART-δ puede sintetizar imágenes de 1024 px con una limitación de memoria GPU de 8 GB, lo que aumenta considerablemente su usabilidad y accesibilidad. Además, la introducción de un módulo similar a ControlNet permite un control preciso del modelo de difusión de texto a imagen. Presentamos una novedosa arquitectura ControlNet-Transformer, específicamente diseñada para Transformers, que permite un control explícito y la generación de imágenes de alta calidad. Como modelo de generación de imágenes de código abierto de vanguardia, PIXART-δ ofrece una prometedora alternativa a la familia de modelos de difusión estables y supone una importante contribución a la síntesis de texto a imagen.