生成用のパイプラインを呼び出したときに実行される関数。

<<<<<<< HEAD Classifier-Free Diffusion Guidance で定義されているガイダンススケール。guidance_scale は、Imagen Paper の式 2 の w として定義されています。guidance_scale > 1 を設定することで、ガイダンススケールが有効になります。ガイダンススケールを高くすると、prompt のテキストと密接に関連する画像の生成が促されますが、通常は画像の品質が低下する傾向があります。

negative_prompt ( str or list[str] , 省略可 ):

Classifier-Free Diffusion Guidance で定義されているガイダンススケール。guidance_scale は、Imagen Paper の式 2 の w として定義されています。guidance_scale > 1 を設定することで、ガイダンススケールが有効になります。ガイダンススケールを高くすると、prompt のテキストと密接に関連する画像の生成が促されますが、通常は画像の品質が低下する傾向があります。 negative_prompt (str または list[str]、任意):

main 画像生成をガイドしないプロンプト、またはプロンプトのリストです。定義されていない場合、代わりにnegative_prompt_embedsを渡す必要があります。ガイダンスを使用していない場合は無視されます（つまり、guidance_scaleが1未満の場合は無視されます）。 num_images_per_prompt (int、任意、デフォルトは 1): 各プロンプトごとに生成する画像の数です。 generator (torch.Generatorまたはlist[torch.Generator]、任意): 生成を決定論的にするために使用するtorch ジェネレーター、またはそのリストです。 latents (torch.FloatTensor、任意): ガウス分布からサンプリングされた、画像生成の入力として使用する事前生成されたノイズ付き潜在変数です。異なるプロンプトで同じ生成を調整するために使用できます。指定されない場合、提供されたランダムgeneratorを使用してサンプリングを行い、潜在変数テンソルが生成されます。 prompt_embeds (torch.FloatTensor、任意): 事前生成されたテキスト埋め込みです。テキスト入力の調整、例プロンプトの重み付けなどに簡単に使用できます。指定されない場合、prompt入力引数からテキスト埋め込みが生成されます。 negative_prompt_embeds (torch.FloatTensor、任意): 事前生成されたネガティブなテキスト埋め込みです。テキスト入力の調整、例プロンプトの重み付けなどに簡単に使用できます。指定されない場合、negative_prompt入力引数からnegative_prompt_embedsが生成されます。 output_type (str、任意、デフォルトは"pil"): 生成画像の出力形式です。PIL: PIL.Image.Imageまたはnp.arrayから選択します。 return_dict (bool、任意、デフォルトはTrue): プレーンなタプルではなく~pipelines.bria.BriaPipelineOutputを返すかどうかです。 attention_kwargs (dict、任意): 指定された場合、diffusers.models.attention_processorのself.processorで定義されているAttentionProcessorに渡されるkwargs辞書です。 callback_on_step_end (Callable、任意): 推論中の各デノイジングステップの終了時に呼び出される関数です。この関数は、以下の引数とともに呼び出されます: callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。 callback_kwargsには、callback_on_step_end_tensor_inputsで指定されたすべてのテンソルのリストが含まれます。 callback_on_step_end_tensor_inputs (list、任意): callback_on_step_end関数のためのテンソル入力のリストです。リストで指定されたテンソルはcallback_kwargs引数として渡されます。パイプラインクラスの._callback_tensor_inputs属性にリストされている変数のみを含めることができます。 max_sequence_length (int、デフォルトは 256): promptで使用される最大シーケンス長です。 clip_value (float、任意): 設定された場合、予測ノイズは各デノイジングステップで[-clip_value, clip_value]の範囲にクリップされます。 normalize (bool、任意、デフォルトはFalse): 各デノイジングステップで予測ノイズを正規化するかどうかです。

>>> import torch
>>> from diffusers import BriaPipeline

>>> pipe = BriaPipeline.from_pretrained("briaai/BRIA-3.2", torch_dtype=torch.bfloat16)
>>> pipe.to("cuda")
# BRIA's T5 text encoder is sensitive to precision. We need to cast it to bfloat16 and keep the final layer in float32.

>>> pipe.text_encoder = pipe.text_encoder.to(dtype=torch.bfloat16)
>>> for block in pipe.text_encoder.encoder.block:
...     block.layer[-1].DenseReluDense.wo.to(dtype=torch.float32)
# BRIA's VAE is not supported in mixed precision, so we use float32.

>>> if pipe.vae.config.shift_factor == 0:
...     pipe.vae.to(dtype=torch.float32)

>>> prompt = "Photorealistic food photography of a stack of fluffy pancakes on a white plate, with maple syrup being poured over them. On top of the pancakes are the words 'BRIA 3.2' in bold, yellow, 3D letters. The background is dark and out of focus."
>>> image = pipe(prompt).images[0]
>>> image.save("bria.png")