Hugging Face's logo

Diffusers documentation

Qwen-Image 2.1

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Qwen-Image 2.1

Qwen-Image 2.1, istemciyi ve varsa koşul görsellerini bir Qwen3-VL modeliyle birlikte kodlar, ardından hedef görüntüyü tek akışlı blok-sebepli bir dönüştürücüyle gürültüden arındırır. Blok-sebepli dikkat, dikkat işleyicileri ve causal_condition için QwenImage21Transformer2DModel sınıfına bakın.

Varsayılanlar, Qwen'in önerdiği değerlerdir: 40 adım ve rehberlik yok. Sınıflandırıcı-ücretsiz rehberliği (classifier-free guidance) etkinleştirmek için negative_prompt'i true_cfg_scale > 1 ile birlikte iletin; bu, adım başına yapılan işi ikiye katlar.

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", dtype=torch.bfloat16).to("cuda")

# Text-to-image
image = pipe("A capybara wearing a wizard hat, oil painting").images[0]
image.save("t2i.png")

# Image-conditioned editing
edited = pipe("Move it to a snowy mountain top", image=image).images[0]
edited.save("edit.png")

Birden çok koşul görseli

image parametresine bir liste geçirildiğinde, her giriş birleşik dizide kendi bloğu haline gelir: Qwen3-VL kodlayıcı bunları görsel bağlam olarak görür ve VAE, gizli token'larını katkıda bulunur. Blok-nedensel dikkat (block-causal attention), her bloğun içersinde çift yönlü kalmasını sağlarken, sonraki blokların ve hedef görüntünün önceki bloklara dikkat etmesine izin verir; bu nedenle, parametreye geçirdiğiniz sıra, modelin onları okuduğu sıradır.

edited = pipe("Put the flowers from the first image into the second scene", image=[flowers, scene]).images[0]

flex_attention ile daha hızlı dikkat

Varsayılan QwenImage21AttnProcessor, blok-nedensel ön doldurmayı (block-causal prefill) her önek segmenti için tek bir dikkat çağrısı olarak çalıştırır. Derleme gerektirmez ve herhangi bir PyTorch derlemesinde çalışır. QwenImage21FlexAttnProcessor, aynı maski tek bir flex_attention çağrısı olarak ifade eder; bu, model derlendiğinde daha hızlıdır.

Flex işlemcisine geçiş yaptığınızda modeli derleyin. Derlenmemiş flex_attention, tam dikkat skor matrisini fp32'de somutlaştırır; bu, yüksek çözünürlükte çok daha yavaş çalışır ve bellek taşmasına neden olur.

from diffusers.models.transformers.transformer_qwenimage21 import QwenImage21FlexAttnProcessor

pipe.transformer.set_attn_processor(QwenImage21FlexAttnProcessor())
pipe.transformer.compile()

Tek dosyalık denetim noktalarını yükleme

import torch
from diffusers import QwenImage21Pipeline, QwenImage21Transformer2DModel

transformer = QwenImage21Transformer2DModel.from_single_file(
    "https://huggingface.co/Comfy-Org/Qwen-Image-2.1/blob/main/diffusion_models/qwen_image_2.1_bf16.safetensors",
    dtype=torch.bfloat16,
)
pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", transformer=transformer, dtype=torch.bfloat16).to(
    "cuda"
)

Örnekleme sigmaları

Model yazarları, pipeline yapılandırmasında sample_sigmas ile varsayılan bir örneklemleme ızgarası yapılandırabilir. Yayınlanmış bir kontrol noktası yüklendiğinde, varsayılan ızgara ve zamanlayıcı ayarları otomatik olarak geri yüklenir.

Çalışma zamanında farklı bir ızgara ile deney yapmak için, sigmas değerini pipeline çağrısına iletin:

# Use the checkpoint's default sampling grid.
image = pipe(prompt).images[0]

# Override the default grid for this call.
image = pipe(prompt, sigmas=[1.0, 0.8, 0.5, 0.2]).images[0]

Yukarıdaki özel ızgara API'yi göstermektedir; üretim kalitesi checkpoint ve ızgaraya bağlıdır. Sigma listeleri, zamanlayıcının eklediği son sigma değerini hariç tutar. Açıkça belirtilen sigmas, yapılandırılmış sample_sigmas değerini geçersiz kılar ve her iki listeden biri, num_inference_steps yerine adım sayısını belirler. Hiçbiri sağlanmazsa, pipeline zamanlamayı oluşturmak için num_inference_steps değerini kullanır. Zamanlayıcı, yapılandırılmış işlemlerini her iki ızgaraya da uygular.

Modüler

Qwen-Image 2.1 ayrıca modüler bir pipeline olarak da kullanılabilir. Aynı bloklar, metinden görüntüye ve görüntü koşullu üretim için çalışır: bir veya daha fazla görüntüye koşullanmak için image parametresini iletin. Sınıflandırıcı-özgürlü yönlendirme (classifier-free guidance), true_cfg_scale çağrı argümanı yerine guider bileşeni üzerinden yapılandırılır ve önek KV önbelleği varsayılan olarak açıktır (use_kv_cache=False ile kapatılır).

import torch
from diffusers import ClassifierFreeGuidance, ModularPipeline

pipe = ModularPipeline.from_pretrained("Qwen/Qwen-Image-2.1")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")

image = pipe(prompt="A capybara wearing a wizard hat, oil painting").images[0]

# Turn classifier-free guidance on for an edit.
pipe.update_components(guider=ClassifierFreeGuidance(guidance_scale=4.0))
edited = pipe(prompt="Move it to a snowy mountain top", negative_prompt="blurry", image=image).images[0]

Turbo checkpoint kendi bloklarına (QwenImage21TurboAutoBlocks) eşlenir: guider olmadan çalışır, negative_prompt almaz ve birlikte geldiği sigma ızgarasını örnekler. ModularPipeline.from_pretrained, Turbo bloklarını checkpoint yapılandırmasındaki sample_sigmas girdisinden seçer, bu nedenle yapılandırma gerektirmez:

import torch
from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained("Qwen/Qwen-Image-2.1-Turbo")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")

image = pipe(prompt="A capybara wearing a wizard hat, oil painting").images[0]

QwenImage21Pipeline

sınıf diffusers.QwenImage21Pipeline

< >

( scheduler: FlowMatchEulerDiscreteSchedulervae: AutoencoderKLQwenImage21text_encoder: Qwen3VLForConditionalGenerationprocessor: Qwen3VLProcessortransformer: QwenImage21Transformer2DModelsample_sigmas: list[float] | None = None )

Parametreler

  • scheduler (FlowMatchEulerDiscreteScheduler) — Kodlanmış görüntü latentlerini gürültüden arındırmak için kullanılan zamanlayıcı.
  • vae (AutoencoderKLQwenImage21) — Görselleri 64 kanallı gizli uzaya ve oradan geriye eşleyen varyasyonel oto-kodlayıcı.
  • text_encoder (Qwen3VLForConditionalGeneration) — Birleşik metin/görsel gömme (embedding) üreten Qwen3-VL modeli.
  • processor (Qwen3VLProcessor) — Sohbet şablonunu oluşturan ve istem ile koşul görsellerini belirteçleştiren işlemci.
  • transformer (QwenImage21Transformer2DModel) — Latentleri gürültüden arındıran tek akışlı blok-sebebiyetli transformer.
  • sample_sigmas (list[float], isteğe bağlı) — Model yazarı tarafından yapılandırılan varsayılan örneklem sigma değerleri, son sigma hariç. Uzunlukları, gürültü azaltma adım sayısını belirler. Çalışma zamanında farklı bir ızgara ile deney yapmak için sigmas parametresini __call__ fonksiyonuna iletin.

Qwen-Image 2.1 ile metinden görüntüye ve görüntü koşullu üretim.

Prompt ve koşul görselleri bir Qwen3-VL modeli tarafından birlikte kodlanır; bu nedenle bir koşul görseli, kodlayıcının kendisi için ayırdığı görme slotlarını işgal eder ve transformer tek bir iç içe geçmiş metin/görsel dizisi görür.

__call__

< >

( prompt: str | list[str] = Noneimage: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor], NoneType] = Nonenegative_prompt: str | list[str] = Nonetrue_cfg_scale: float = 1.0height: int | None = Nonewidth: int | None = Nonenum_inference_steps: int = 40sigmas: list[float] | None = Nonenum_images_per_prompt: int = 1generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonelatents: typing.Optional[torch.Tensor] = Noneprompt_embeds: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds_mask: typing.Optional[torch.Tensor] = Noneoutput_type: str | None = 'pil'return_dict: bool = Trueattention_kwargs: dict[str, typing.Any] | None = Nonecallback_on_step_end: typing.Optional[typing.Callable[[int, int, dict], NoneType]] = Nonecallback_on_step_end_tensor_inputs: list = ['latents']output_resolution: int = 1024use_kv_cache: bool = True ) → ~pipelines.qwenimage.QwenImagePipelineOutput or tuple

Parametreler

  • prompt (str veya list[str], isteğe bağlı) — Görsel üretimi yönlendirmek için kullanılan istem. Yerine gömlemeleri doğrudan sağlamak için prompt_embeds geçirin.
  • image (PipelineImageInput, isteğe bağlı) — Bir veya daha fazla koşul görseli, PIL görseli veya numpy dizisi olarak. Bunlar, metin kodlayıcı tarafından görsel bağlam olarak ve VAE tarafından gürültüye eklenen gizli token'lara dönüştürülerek kodlanır. Bir liste, batch'teki her prompt tarafından paylaşılan tek bir görsel kümesidir, prompt başına bir giriş değildir.
  • negative_prompt (str veya list[str], isteğe bağlı) — Görsel üretimini yönlendirmemek için kullanılan istem. true_cfg_scale 1'den büyük olmadığında yok sayılır.
  • true_cfg_scale (float, isteğe bağlı, varsayılan 1.0) — Sınıflandırıcı-özgürlü yönlendirme ölçeği. Negatif bir istemle birlikte true_cfg_scale > 1 ile etkinleştirilir. Qwen-Image 2.1, yönlendirme olmadan örneklenmek üzere tasarlandığından varsayılan değer 1.0'dır.
  • height (int, isteğe bağlı) — Oluşturulan görüntünün piksel cinsinden yüksekliği. Atlanırsa, koşul görüntüsünün en-boy oranından türetilir.
  • width (int, isteğe bağlı) — Oluşturulan görüntünün piksel cinsinden genişliği. Atlanırsa, koşul görüntüsünün en-boy oranından türetilir.
  • num_inference_steps (int, isteğe bağlı, varsayılan 40) — Gürültü azaltma adım sayısı. sigmas veya hattın yapılandırılmış sample_sigmas kullanıldığında yok sayılır; bu zamanlamanın uzunluğu adım sayısını belirler.
  • sigmas (list[float], isteğe bağlı) — Bu çağrı için denenmesi gereken örneklem sigmaları, son sigma hariç. Hattın yapılandırılmış sample_sigmas değerini geçersiz kılar ve gürültü azaltma adım sayısını belirler. Zamanlayıcı, bu değerlere yapılandırılmış işlemelerini uygular.
  • num_images_per_prompt (int, isteğe bağlı, varsayılan 1) — Her istem için üretilen görsel sayısı.
  • generator (torch.Generator veya list[torch.Generator], isteğe bağlı) — Üretimi deterministik hale getirmek için kullanılacak üreteç(ler).
  • latents (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş gürültülü latentler.
  • prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömlemeleri; prompt kodlamasını atlar. Bunlarla birlikte prompt_embeds_mask parametresini iletin.
  • prompt_embeds_mask (torch.Tensor, isteğe bağlı) — prompt_embeds'ün geçerli konumlarını işaretleyen Bool maskesi.
  • negative_prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş negatif metin gömümlemeleri, negative_prompt yerine kullanılır. Bunlarla birlikte negative_prompt_embeds_mask parametresini iletin.
  • negative_prompt_embeds_mask (torch.Tensor, isteğe bağlı) — negative_prompt_embeds'ün geçerli konumlarını işaretleyen Bool maskesi.
  • output_type (str, isteğe bağlı, varsayılan "pil") — Çıktı biçimi, "pil", "np", "pt" veya "latent".
  • return_dict (bool, isteğe bağlı, varsayılan True) — Düz bir tuple yerine ~pipelines.qwenimage.QwenImagePipelineOutput döndürülüp döndürülmediğini belirtir.
  • attention_kwargs (dict, isteğe bağlı) — Dikkat işlemcisine (attention processor) iletilir.
  • callback_on_step_end (Callable, isteğe bağlı) — Her gürültü azaltma adımının sonunda çağrılır.
  • callback_on_step_end_tensor_inputs (list[str], isteğe bağlı, varsayılan ["latents"]) — Gürültü azaltma döngüsünden callback_on_step_end işlevine aktarılacak tensörler. Bunların, hattın _callback_tensor_inputs alanında listelenmiş olması gerekir.
  • output_resolution (int, isteğe bağlı, varsayılan 1024) — height/width değerlerini türetmek ve koşul görsellerini yeniden boyutlandırmak için kullanılan hedef kenar uzunluğu.
  • use_kv_cache (bool, isteğe bağlı, varsayılan olarak True) — İlk adımdan sonra metin ve koşul görseli anahtarlarını ve değerlerini önbelleğe alın. Geçerli çünkü causal_condition bu jetonları t = 0, şeklinde modüle ederek aktivasyonlarını adımdan bağımsız hale getirir. Bu ayarı değiştirmek, azaltılmış hassasiyette aynı görseli bit bit olarak yeniden üretmez. Önbelleğe alma, çözümleme adımının ön yükleme adımından farklı bir dizi düzeniyle dikkat etmesine neden olur; bu nedenle iki adım farklı şekilde karolar ve farklı yuvarlamalara düşer; her ikisi de fp32 referansıyla aynı toleransta eşleşir. İlk blokta bir ULP farkı, 32 blok ve her örnekleyici adımı tarafından büyütülür, bu yüzden iki ayar eşit derecede geçerli ancak görünür şekilde farklı örnekler verir. Bir örneği sabitlemek için bu bayrağı sabitleyin.

    Bu ayarı değiştirir, azaltılmış hassasiyette aynı görüntü bit-bit olarak yeniden oluşturulmaz. Önbellekleme, çözümleme adımının prefill adımından farklı bir dizi yerleşimiyle dikkat etmesine neden olur; bu nedenle iki adım farklı şekilde karolarlanır ve farklı yuvarlamalara düşer; her ikisi de fp32 referansıyla aynı tolerans içinde uyumludur. İlk blokta bir ULP farkı, 32 blok ve her örnekleyici adımı tarafından büyütülür, böylece iki ayar eşit derecede geçerli ancak görünür biçimde farklı örnekler verir. Bir örneği sabitlemek için bu bayrağı sabitleyin.

Dönüş değeri

~pipelines.qwenimage.QwenImagePipelineOutput veya tuple

return_dict True ise ~pipelines.qwenimage.QwenImagePipelineOutput, değilse ilk öğesi üretilen görüntülerin listesinden oluşan bir tuple.

Üretim için pipeline çağrıldığında tetiklenen işlev.

Örnekler:

>>> import torch
>>> from diffusers import QwenImage21Pipeline

>>> pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", dtype=torch.bfloat16)
>>> pipe.to("cuda")
>>> prompt = "A capybara wearing a wizard hat, reading a book by candlelight, oil painting"
>>> image = pipe(prompt).images[0]
>>> image.save("qwenimage21.png")

encode_prompt

< >

( prompt: str | list[str]image: list[typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]] | None = Nonedevice: typing.Optional[torch.device] = Nonenum_images_per_prompt: int = 1prompt_embeds: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask: typing.Optional[torch.Tensor] = Noneimage_pad_mask: typing.Optional[torch.Tensor] = None )

Parametreler

  • prompt (str veya list[str], isteğe bağlı) — Kodlanacak istem.
  • image (list[PipelineImageInput], isteğe bağlı) — İfade ile birlikte kodlanacak koşullu görüntüler.
  • device (torch.device) — Torch cihazı.
  • num_images_per_prompt (int) — Her istem için üretilen görsel sayısı.
  • prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömümleri. Sağlandığında kodlamayı atlar.

QwenImagePipelineOutput

sınıf diffusers.pipelines.qwenimage.pipeline_output.QwenImagePipelineOutput

< >

( images: list[PIL.Image.Image] | numpy.ndarray )

Parametreler

  • images (list[PIL.Image.Image] veya np.ndarray) — Uzunluğu batch_size olan gürültüsü azaltılmış PIL görüntülerinin listesi veya (batch_size, height, width, num_channels) biçiminde bir numpy dizisi. PIL görüntüleri veya numpy dizisi, difüzyon hattının gürültüsü azaltılmış görüntülerini temsil eder.

Stable Diffusion hatları için çıktı sınıfı.

QwenImage21ModularPipeline

sınıf diffusers.QwenImage21ModularPipeline

< >

( blocks: diffusers.modular_pipelines.modular_pipeline.ModularPipelineBlocks | None = Nonepretrained_model_name_or_path: str | os.PathLike | None = Nonecomponents_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = Nonecollection: str | None = Noneworkflow: str | None = Nonemodular_config_dict: dict[str, typing.Any] | None = Noneconfig_dict: dict[str, typing.Any] | None = None**kwargs )

Qwen-Image 2.1 için bir ModularPipeline.

QwenImage21AutoBlocks

sınıf diffusers.QwenImage21AutoBlocks

< >

( )

Qwen-Image 2.1 kullanarak metinden görüntüye ve görüntü koşullu üretim için otomatik modüler pipeline.

  • metinden görüntü üretimi için yalnızca prompt parametresini sağlamanız yeterlidir
  • görsel koşullu üretim için prompt ve image (tek bir görsel veya bir liste) sağlamalısınız

Desteklenen iş akışları:

  • text2image: prompt gerektirir
  • image_conditioned: prompt ve image gerektirir

Bileşenler: image_processor (VaeImageProcessor) text_encoder (Qwen3VLForConditionalGeneration) processor (Qwen3VLProcessor) vae (AutoencoderKLQwenImage21) scheduler (FlowMatchEulerDiscreteScheduler) guider (ClassifierFreeGuidance) transformer (QwenImage21Transformer2DModel)

Girdiler: image (Image | list, isteğe bağlı): Gürültü azaltma için referans görüntü(ler). Tek bir görüntü veya görüntü listesi olabilir. output_resolution (int, isteğe bağlı, varsayılan 1024): Çıkış boyutunu türetmek ve koşul görüntülerini yeniden boyutlandırmak için kullanılan hedef kenar uzunluğu. prompt (str): Görüntü üretimini yönlendirmek için istem veya istemler. negative_prompt (str, isteğe bağlı): Görüntü üretimini yönlendirmemek için istem veya istemler. generator (Generator, isteğe bağlı): Belirlenebilir üretim için Torch üreteci. num_images_per_prompt (int, isteğe bağlı, varsayılan 1): İstem başına üretilecek görüntü sayısı. height (int, isteğe bağlı): Üretilen görüntünün piksel cinsinden yüksekliği. width (int, isteğe bağlı): Üretilen görüntünün piksel cinsinden genişliği. image_latents (list, isteğe bağlı): Her koşul görüntüsünün normalize edilmiş latantları. vae_encoder adımından üretilebilir. latents (Tensor): Görüntü üretimi için önceden üretilmiş gürültülü latantlar. num_inference_steps (int): Gürültü azaltma adım sayısı. sigmas (list, isteğe bağlı): Gürültü azaltma süreci için özel sigmalar. use_kv_cache (bool, isteğe bağlı, varsayılan True): İlk adımdan sonra metin ve koşul-görüntü anahtarlarını ve değerlerini önbelleğe alın. causal_condition, bu jetonları t = 0'dan modüle ettiği için geçerlidir; bu da aktivasyonlarını adımdan bağımsız kılar. Bunu açılıp kapatmak, azaltılmış hassasiyette aynı görüntüyü bit-bite yeniden üretmez. attention_kwargs (dict, isteğe bağlı): Dikkat işlemcileri için ek kwargs. *denoiser_input_fields (None,isteğe bağlı): Gürültü azaltıcı için koşullu model girdileri: örn. prompt_embeds, negative_prompt_embeds vb. output_type (str,isteğe bağlı*, varsayılan pil): Çıkış biçimi: ‘pil’, ‘np’, ‘pt’.

Çıktılar: images (list): Oluşturulan görüntüler.

QwenImage21TurboModularPipeline

sınıf diffusers.QwenImage21TurboModularPipeline

< >

( blocks: diffusers.modular_pipelines.modular_pipeline.ModularPipelineBlocks | None = Nonepretrained_model_name_or_path: str | os.PathLike | None = Nonecomponents_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = Nonecollection: str | None = Noneworkflow: str | None = Nonemodular_config_dict: dict[str, typing.Any] | None = Noneconfig_dict: dict[str, typing.Any] | None = None**kwargs )

Qwen-Image 2.1 Turbo için, yönlendirme olmadan birkaç adımda örneklemeler üreten hızlandırılmış kontrol noktası için bir ModularPipeline.

QwenImage21TurboAutoBlocks

sınıf diffusers.QwenImage21TurboAutoBlocks

< >

( )

Qwen-Image 2.1 Turbo ile metinden görüntüye ve görüntü koşullu üretim için otomatik modüler pipeline, rehberlik olmadan kendi sigma ızgarasını birkaç adımda örnekleyen hızlandırılmış checkpoint.

  • metinden görüntü üretimi için yalnızca prompt parametresini sağlamanız yeterlidir
  • görsel koşullu üretim için prompt ve image (tek bir görsel veya bir liste) sağlamalısınız

Desteklenen iş akışları:

  • text2image: prompt gerektirir
  • image_conditioned: prompt ve image gerektirir

Bileşenler: image_processor (VaeImageProcessor) text_encoder (Qwen3VLForConditionalGeneration) processor (Qwen3VLProcessor) vae (AutoencoderKLQwenImage21) scheduler (FlowMatchEulerDiscreteScheduler) transformer (QwenImage21Transformer2DModel)

Yapılandırmalar: sample_sigmas (varsayılan: None): Kontrol noktasıyla birlikte gelen örneklemleme ızgarası, sigmas geçirilmediğinde kullanılır.

Girdiler: image (Image | list, isteğe bağlı): Gürültü azaltma için referans görüntü(ler). Tek bir görüntü veya görüntü listesi olabilir. output_resolution (int, isteğe bağlı, varsayılan 1024): Çıkış boyutunu türetmek ve koşul görüntülerini yeniden boyutlandırmak için kullanılan hedef kenar uzunluğu. prompt (str): Görüntü üretimini yönlendirmek için istem veya istemler. generator (Generator, isteğe bağlı): Belirleyici üretim için Torch üreteci. num_images_per_prompt (int, isteğe bağlı, varsayılan 1): İstem başına üretilecek görüntü sayısı. height (int, isteğe bağlı): Üretilen görüntünün piksel cinsinden yüksekliği. width (int, isteğe bağlı): Üretilen görüntünün piksel cinsinden genişliği. image_latents (list, isteğe bağlı): Her koşul görüntüsünün normalize edilmiş latentleri. vae_encoder adımından üretilebilir. latents (Tensor): Görüntü üretimi için önceden üretilmiş gürültülü latentler. num_inference_steps (int): Gürültü azaltma adım sayısı. sigmas (list, isteğe bağlı): Gürültü azaltma süreci için özel sigmalar. use_kv_cache (bool, isteğe bağlı, varsayılan True): İlk adımdan sonra metin ve koşul-görüntü anahtarlarını ve değerlerini önbelleğe alın. causal_condition, bu jetonları t = 0'dan modüle ettiği için geçerlidir; bu da aktivasyonlarını adımdan bağımsız kılar. Bunu açmak/kapatmak, azaltılmış hassasiyette aynı görüntüyü bit-bite yeniden üretmez. attention_kwargs (dict, isteğe bağlı): Dikkat işlemcileri için ek kwargs. *denoiser_input_fields (None,isteğe bağlı): Gürültü azaltıcı için koşullu model girdileri: örn. prompt_embeds, negative_prompt_embeds vb. output_type (str,isteğe bağlı*, varsayılan pil): Çıkış biçimi: ‘pil’, ‘np’, ‘pt’.

Çıktılar: images (list): Oluşturulan görüntüler.

Update on GitHub

←PRX Pixel QwenImage→