shuttle-jaguar — הדגמה

מה זה

אתם מקלידים תיאור טקסטואלי ומקבלים תמונה ברזולוציה שנקבעת מראש, כאשר ברירת המחדל מוגדרת על 1024 על 1024 פיקסלים. מתחת למכסה המנוע רץ צינור עיבוד של diffusers שמשתמש במודל shuttle-jaguar, ומייצר את התוצאה בארבעה צעדי חישוב בלבד. הממשק כולל גם דוגמאות מובנות שמאפשרות לראות למה המודל מסוגל בלי להמציא פרומפט בעצמכם.

בהגדרות המתקדמות אפשר לקבוע את הסיד או להשאיר אותו אקראי, לשנות רוחב וגובה, וגם לשחק עם כמות צעדי החישוב. השילוב של מודל ייעודי עם מעט צעדים נועד לחסוך זמן ועדיין לייצר קובץ גרפי שלם לפי ההנחיות שלכם.

מתאים ל

• בדיקת רעיונות לפרומפטים

  מזינים תיאור קצר כדי לראות אם הקומפוזיציה עובדת לפני שמרנדרים במודל כבד.

• יצירת תמונות מרובעות

  מפיקים תמונות בגודל 1024 על 1024 פיקסלים ישירות מתוך הדפדפן.

• השוואת מספר צעדים

  משנים את מדד צעדי החישוב בהגדרות כדי לבדוק איך הוא משפיע על התוצאה.

איפה זה נופל

ארבעה צעדי חישוב מובילים לפעמים לפספוס של פרטים קטנים או למריחות, במיוחד אם הפרומפט מורכב. ההדגמה מציגה תוצאה מתאימה להגדרות ספציפיות, אבל שינוי הממדים מעבר למידות הסטנדרטיות עלול לפגוע באיכות התמונה. בנוסף, אין כאן כלים לעריכת תמונה קיימת אלא רק יצירה מאפס.

איך מריצים

כותבים פרומפט בשדה הטקסט ולוחצים על כפתור Run. המערכת מקצה כרטיס גרפי מסוג zero-a10g לפי דרישה, ומד התקדמות מציג את פעולת הרינדור בזמן אמת. בגלל שהתהליך דורש ארבעה צעדים בלבד, התמונה מופיעה בתוך שניות בודדות, בלי צורך בהתקנה מקומית.

ollama run hf.co/shuttleai/shuttle-jaguar:Q4_K_S

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

הקבצים

32 קבצים במאגר, 114 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• gguf/shuttle-jaguar-BF16.gguf23.9 GB
• shuttle-jaguar.safetensors23.8 GB
• gguf/shuttle-jaguar-Q8_0.gguf12.7 GB
• fp8/shuttle-jaguar-fp8.safetensors11.9 GB
• transformer/diffusion_pytorch_model-00001-of-00003.safetensors10.0 GB
• transformer/diffusion_pytorch_model-00002-of-00003.safetensors9.9 GB
• gguf/shuttle-jaguar-Q6_K.gguf9.8 GB
• gguf/shuttle-jaguar-Q4_K_S.gguf6.8 GB
• text_encoder_2/model-00001-of-00002.safetensors5.0 GB
• text_encoder_2/model-00002-of-00002.safetensors4.5 GB
• transformer/diffusion_pytorch_model-00003-of-00003.safetensors3.9 GB
• text_encoder/model.safetensors246.1 MB
• vae/diffusion_pytorch_model.safetensors167.7 MB
• demo.png11.8 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.json120.8 KB
• tokenizer_2/tokenizer_config.json20.8 KB
• text_encoder_2/model.safetensors.index.json19.9 KB
• README.md3.0 KB
• tokenizer_2/special_tokens_map.json2.5 KB
• .gitattributes1.8 KB
• text_encoder_2/config.json781 B
• vae/config.json769 B
• tokenizer/tokenizer_config.json705 B
• text_encoder/config.json612 B
• tokenizer/special_tokens_map.json588 B
• model_index.json583 B
• transformer/config.json366 B
• scheduler/scheduler_config.json269 B

הרישיון

הקוד והמודל מפורסמים תחת רישיון apache-2.0, שמאפשר שימוש חופשי וגם מסחרי. אין פירוט לגבי זכויות על התמונות שמיוצרות בממשק, ולכן אם אתם מתכננים להשתמש בהן מסחרית כדאי לבדוק את תנאי המודל המקורי.

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

הרישיון המלא בעמוד המודל ↗