Flex.1-alpha — הדגמה

מה זה

מקלידים תיאור טקסטואלי ומקבלים תמונה ברזולוציה שנקבעה. הממשק מבוסס על מודל Flex.1-alpha שכולל שמונה מיליארד פרמטרים ומשתמש בשיטת rectified flow כדי לחשב את השינויים שלב אחר שלב.

מתחת למכסה המנוע הקוד מריץ את ספריית diffusers עם מתזמן FlowMatchEulerDiscreteScheduler וטוען שני מקודדים שונים, CLIP ו־T5. בנוסף, יש שימוש במקודד הזעיר taef1 לצד מקודד VAE המקורי כדי להפיק תצוגות מקדימות תוך כדי הריצה. רשימת הדוגמאות המוכנה בממשק מאפשרת להפעיל פרומפטים מוגדרים מראש בלחיצה אחת בלי להמציא תיאור מאפס.

מתאים ל

• הפקת תמונות מפרומפט

  מייצרים תמונה חדשה מתיאור טקסט חופשי ברזולוציית ברירת מחדל של 1024 על 1024 פיקסלים.

• בדיקת המודל בדפדפן

  בוחנים את ביצועי גרסת האלפא של המודל בלי להתקין ספריות פייתון או להחזיק כרטיס מסך חזק.

• כוונון פרמטרים וסיד

  משנים צעדי ריצה, סולם הנחיה וערכי סיד כדי לבדוק איך השינויים משפיעים על הפלט הסופי.

איפה זה נופל

ההדגמה מיועדת לייצור תמונה בודדת מטקסט בלבד, ולא תמצאו כאן כלי עריכה, מסיכות, הרחבת תמונה קיימת או שילוב תמונות קלט. הקוד משתמש ב־taef1 לצורך תצוגה מהירה, מה שעלול להציג פשרות מסוימות בדיוק או בפרטים לעומת ריצה מלאה עם המקודד המקורי על מחשב ייעודי. בנוסף, מידות התמונה המוגדרות כברירת מחדל הן 1024 על 1024, ומעבר לרזולוציות חריגות עלול להיתקל במגבלות זיכרון של המעבד הגרפי בענן.

איך מריצים

כותבים פרומפט בשורת הטקסט ולוחצים על כפתור Run. אם רוצים שליטה עמוקה יותר, פותחים את ההגדרות המתקדמות ומשנים את גובה ורוחב התמונה, כמות צעדי הריצה שעומדת כברירת מחדל על 28, את עוצמת ההנחיה שעומדת על 3.5, או קובעים סיד ידני במקום הערך האקראי.

הקוד רץ על חומרת zero-a10g שמקצה משאבים לפי דרישה. זה אומר שאם יש עומס שרתים תמתינו בתור קצר עד שהמעבד הגרפי מתעורר, אבל תהליך היצירה עצמו מתקדם במהירות יחסית ומציג מד התקדמות מובנה לאורך התהליך.

pip install -U huggingface_hub
hf download ostris/Flex.1-alpha

הקבצים

26 קבצים במאגר, 44.6 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• Flex.1-alpha.safetensors21.7 GB
• transformer/diffusion_pytorch_model-00001-of-00002.safetensors9.9 GB
• transformer/diffusion_pytorch_model-00002-of-00002.safetensors6.4 GB
• text_encoder_2/model-00001-of-00002.safetensors5.0 GB
• text_encoder_2/model-00002-of-00002.safetensors4.5 GB
• text_encoder/model.safetensors246.1 MB
• vae/diffusion_pytorch_model.safetensors167.7 MB
• tokenizer_2/tokenizer.json2.4 MB
• tokenizer/vocab.json1.1 MB
• tokenizer_2/spiece.model791.7 KB
• tokenizer/merges.txt524.6 KB
• transformer/diffusion_pytorch_model.safetensors.index.json84.8 KB
• README.md28.6 KB
• tokenizer_2/tokenizer_config.json20.8 KB
• text_encoder_2/model.safetensors.index.json19.9 KB
• LICENSE.txt11.5 KB
• tokenizer_2/special_tokens_map.json2.5 KB
• .gitattributes1.5 KB
• vae/config.json820 B
• text_encoder_2/config.json798 B
• tokenizer/tokenizer_config.json705 B
• text_encoder/config.json616 B
• tokenizer/special_tokens_map.json588 B
• model_index.json578 B
• transformer/config.json424 B
• scheduler/scheduler_config.json274 B

הרישיון

הפרויקט מפורסם תחת רישיון MIT. הרישיון מעניק חופש רחב לשימוש, כולל בדיקה, שינוי קוד ושילוב במסגרות מסחריות, בכפוף לשמירה על תנאי הרישיון המקוריים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗