Diffusers documentation
Qwen-Image 2.1
Qwen-Image 2.1
Qwen-Image 2.1 mã hóa prompt và các ảnh điều kiện cùng với một mô hình Qwen3-VL, sau đó khử nhiễu ảnh đích bằng một transformer block-causal single-stream. Xem QwenImage21Transformer2DModel để tìm hiểu về block-causal attention, các attention processor và causal_condition.
Mặc định là các giá trị do Qwen khuyến nghị: 40 bước và không có guidance. Truyền negative_prompt cùng với true_cfg_scale > 1 để bật classifier-free guidance, điều này làm tăng gấp đôi khối lượng công việc cho mỗi bước.
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")Nhiều ảnh điều kiện
Truyền một danh sách vào image và mỗi mục sẽ trở thành một khối riêng biệt trong chuỗi kết hợp: bộ mã hóa Qwen3-VL sẽ xem chúng như ngữ cảnh thị giác và VAE sẽ đóng góp các token tiềm ẩn của chúng. Cơ chế chú ý nhân quả theo khối giữ cho mỗi khối có tính hai chiều bên trong trong khi cho phép các khối sau và hình ảnh đích chú ý đến các khối trước, do đó thứ tự bạn truyền vào chính là thứ tự mô hình đọc chúng.
edited = pipe("Put the flowers from the first image into the second scene", image=[flowers, scene]).images[0]Chú ý nhanh hơn với flex_attention
The default QwenImage21AttnProcessor runs the block-causal prefill as one attention call per prefix segment. It
needs no compilation and works on any PyTorch build. QwenImage21FlexAttnProcessor expresses the same mask as a
single flex_attention call, which is faster once the model is compiled.
Biên dịch mô hình khi bạn chuyển sang bộ xử lý linh hoạt.
flex_attentionchưa được biên dịch sẽ tạo ra ma trận điểm chú ý đầy đủ ở fp32, điều này chậm hơn nhiều và hết bộ nhớ ở độ phân giải cao.
from diffusers.models.transformers.transformer_qwenimage21 import QwenImage21FlexAttnProcessor
pipe.transformer.set_attn_processor(QwenImage21FlexAttnProcessor())
pipe.transformer.compile()Tải checkpoint dạng tệp đơn
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"
)Các sigma lấy mẫu
Tác giả mô hình có thể cấu hình lưới lấy mẫu mặc định bằng sample_sigmas trong cấu hình pipeline. Khi bạn tải một checkpoint đã phát hành, lưới mặc định và cài đặt scheduler của nó sẽ được khôi phục tự động.
Để thử nghiệm với một lưới khác trong thời gian chạy, hãy truyền sigmas vào lệnh gọi pipeline:
# 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]Lưới tùy chỉnh ở trên minh họa cho API; chất lượng sinh phụ thuộc vào checkpoint và lưới. Các danh sách Sigma loại trừ sigma cuối cùng, phần mà trình lập lịch sẽ thêm vào. sigmas được chỉ định rõ ràng sẽ ghi đè lên sample_sigmas đã cấu hình, và danh sách bất kỳ nào trong hai danh sách này sẽ xác định số bước thay vì num_inference_steps. Nếu không có danh sách nào được cung cấp, pipeline sẽ sử dụng num_inference_steps để tạo lịch trình. Trình lập lịch sẽ áp dụng các xử lý đã cấu hình của nó lên lưới bất kỳ nào.
Modular
Qwen-Image 2.1 cũng có sẵn dưới dạng pipeline module hóa. Các khối giống nhau chạy cả sinh ảnh từ văn bản lẫn sinh ảnh có điều kiện từ ảnh: truyền image để điều kiện hóa dựa trên một hoặc nhiều ảnh. Hướng dẫn không phân loại (classifier-free guidance) được cấu hình thông qua thành phần guider thay vì đối số gọi true_cfg_scale, và bộ nhớ đệm KV tiền tố được bật theo mặc định (use_kv_cache=False để tắt).
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]Checkpoint Turbo được ánh xạ đến các khối riêng của nó (QwenImage21TurboAutoBlocks): nó chạy mà không có guider, không nhận negative_prompt, và lấy mẫu lưới sigma đi kèm. ModularPipeline.from_pretrained chọn các khối Turbo từ mục sample_sigmas trong cấu hình của checkpoint, vì vậy không cần cấu hình gì thêm:
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
lớp diffusers.QwenImage21Pipeline
< source >( scheduler: FlowMatchEulerDiscreteSchedulervae: AutoencoderKLQwenImage21text_encoder: Qwen3VLForConditionalGenerationprocessor: Qwen3VLProcessortransformer: QwenImage21Transformer2DModelsample_sigmas: list[float] | None = None )
Tham số
- scheduler (FlowMatchEulerDiscreteScheduler) — Trình lập lịch được sử dụng để khử nhiễu các latents của ảnh đã mã hóa.
- vae (AutoencoderKLQwenImage21) — Biến thể tự mã hóa (Variational auto-encoder) ánh xạ hình ảnh tới và từ không gian tiềm ẩn 64 kênh.
- text_encoder (
Qwen3VLForConditionalGeneration) — Mô hình Qwen3-VL tạo ra các embedding kết hợp văn bản/hình ảnh. - processor (
Qwen3VLProcessor) — Processor xây dựng chat template và thực hiện tokenization cho prompt cùng các ảnh điều kiện. - transformer (QwenImage21Transformer2DModel) — Transformer dạng khối nhân quả đơn luồng, dùng để khử nhiễu các biến tiềm ẩn.
- sample_sigmas (
list[float], tùy chọn) — Các sigma lấy mẫu mặc định do tác giả mô hình cấu hình, không bao gồm sigma cuối cùng. Độ dài của chúng xác định số bước khử nhiễu. Để thử nghiệm với một lưới khác lúc chạy, hãy truyềnsigmasvào__call__.
Tạo ảnh từ văn bản và tạo ảnh có điều kiện từ ảnh với Qwen-Image 2.1.
Hình ảnh prompt và hình ảnh điều kiện được mã hóa cùng nhau bởi mô hình Qwen3-VL, do đó hình ảnh điều kiện chiếm các khe thị giác mà bộ mã hóa đã dành riêng cho nó và transformer nhìn thấy một chuỗi văn bản/hình ảnh xen kẽ.
__call__
< source >( 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
Tham số
- prompt (
strhoặclist[str], tùy chọn) — Prompt để hướng dẫn tạo ảnh. Truyềnprompt_embedsthay vào đó để cung cấp trực tiếp các embedding. - image (
PipelineImageInput, tùy chọn) — Một hoặc nhiều ảnh điều kiện, dưới dạng ảnh PIL hoặc mảng numpy. Chúng được mã hóa bởi text encoder như ngữ cảnh thị giác và bởi VAE thành các token tiềm ẩn được đặt trước tiếng ồn. Một danh sách là một bộ ảnh dùng chung cho mọi prompt trong batch, không phải một mục cho mỗi prompt. - negative_prompt (
strhoặclist[str], tùy chọn) — Prompt không dùng để định hướng tạo ảnh. Bị bỏ qua khitrue_cfg_scalekhông lớn hơn 1. - true_cfg_scale (
float, tùy chọn, mặc định là 1.0) — Thang độ dẫn hướng không phân loại (classifier-free guidance scale). Được kích hoạt khitrue_cfg_scale > 1kết hợp với một prompt âm. Qwen-Image 2.1 được thiết kế để lấy mẫu mà không cần dẫn hướng, do đó giá trị mặc định là 1.0. - height (
int, tùy chọn) — Chiều cao của hình ảnh được tạo ra, tính bằng pixel. Nếu bỏ trống, giá trị này sẽ được suy ra từ tỷ lệ khung hình của hình ảnh điều kiện. - width (
int, tùy chọn) — Chiều rộng của hình ảnh được tạo ra, tính bằng pixel. Nếu bỏ trống, giá trị này sẽ được suy ra từ tỷ lệ khung hình của hình ảnh điều kiện. - num_inference_steps (
int, tùy chọn, mặc định là 40) — Số bước khử nhiễu. Bỏ qua khi sử dụngsigmashoặcsample_sigmasđược cấu hình trong pipeline; độ dài của lịch trình đó xác định số bước. - sigmas (
list[float], tùy chọn) — Các sigma lấy mẫu để thử cho lần gọi này, không bao gồm sigma cuối cùng. Ghi đèsample_sigmasđược cấu hình của pipeline và xác định số bước khử nhiễu. Scheduler sẽ áp dụng các xử lý được cấu hình của nó lên các giá trị này. - num_images_per_prompt (
int, tùy chọn, mặc định là 1) — Số lượng hình ảnh được tạo cho mỗi prompt. - generator (
torch.Generatorhoặclist[torch.Generator], tùy chọn) — Bộ sinh để đảm bảo quá trình sinh ra là tất định. - latents (
torch.Tensor, tùy chọn) — Các latents nhiễu đã được tạo trước. - prompt_embeds (
torch.Tensor, tùy chọn) — Các embedding văn bản đã được tạo trước, giúp bỏ qua bước mã hóa prompt. Hãy truyềnprompt_embeds_maskcùng với chúng. - prompt_embeds_mask (
torch.Tensor, tùy chọn) — Mặt nạ Bool đánh dấu các vị trí hợp lệ củaprompt_embeds. - negative_prompt_embeds (
torch.Tensor, tùy chọn) — Các embedding văn bản âm đã được tạo trước, được sử dụng thay chonegative_prompt. Hãy truyềnnegative_prompt_embeds_maskcùng với chúng. - negative_prompt_embeds_mask (
torch.Tensor, tùy chọn) — Mặt nạ Bool đánh dấu các vị trí hợp lệ củanegative_prompt_embeds. - output_type (
str, tùy chọn, mặc định là"pil") — Định dạng đầu ra,"pil","np","pt"hoặc"latent". - return_dict (
bool, tùy chọn, mặc định làTrue) — Có nên trả về một~pipelines.qwenimage.QwenImagePipelineOutputthay vì một tuple thông thường hay không. - attention_kwargs (
dict, tùy chọn) — Được truyền qua cho bộ xử lý attention. - callback_on_step_end (
Callable, tùy chọn) — Được gọi vào cuối mỗi bước khử nhiễu. - callback_on_step_end_tensor_inputs (
list[str], tùy chọn, mặc định là["latents"]) — Các tensor từ vòng lặp khử nhiễu để truyền chocallback_on_step_end. Chúng phải được liệt kê trong_callback_tensor_inputscủa pipeline. - output_resolution (
int, tùy chọn, mặc định là 1024) — Độ dài cạnh đích được dùng để suy raheight/widthvà để thay đổi kích thước các ảnh điều kiện. - use_kv_cache (
bool, tuỳ chọn, mặc định làTrue) — Lưu cache các key và value của văn bản và ảnh điều kiện sau bước đầu tiên. Điều này hợp lệ vìcausal_conditionđiều biến các token đó từt = 0, khiến kích hoạt của chúng không phụ thuộc vào bước. Việc bật/tắt cờ này không tái tạo cùng một ảnh bit-for-bit ở độ chính xác giảm. Caching khiến bước decode chú ý với bố trí chuỗi khác so với bước prefill, do đó hai bước được chia tile khác nhau và rơi vào các phép làm tròn khác nhau; cả hai đều khớp với tham chiếu fp32 ở cùng mức dung sai. Một sự khác biệt một-ULP ở khối đầu tiên sau đó được khuếch đại bởi 32 khối và mọi bước của sampler, nên hai cài đặt cho ra các mẫu hợp lệ như nhau nhưng khác biệt rõ rệt về mặt thị giác. Để cố định một mẫu, hãy cố định cờ này.Việc bật/tắt tùy chọn này không tái tạo cùng một hình ảnh giống hệt nhau từng bit ở độ chính xác giảm. Bộ nhớ đệm khiến bước giải mã chú ý với bố trí chuỗi khác so với bước nạp trước, do đó hai bước được chia tile khác nhau và rơi vào các phép làm tròn khác nhau; cả hai đều khớp với tham chiếu fp32 ở cùng mức dung sai. Một sự khác biệt một ULP ở khối đầu tiên sau đó bị khuếch đại bởi 32 khối và mỗi bước của trình lấy mẫu, vì vậy hai cài đặt cho ra các mẫu hợp lệ như nhau nhưng khác biệt rõ rệt về mặt thị giác. Để cố định một mẫu, hãy cố định cờ này.
Trả về
~pipelines.qwenimage.QwenImagePipelineOutput hoặc tuple
~pipelines.qwenimage.QwenImagePipelineOutput nếu return_dict là True, ngược lại là một tuple mà phần tử đầu tiên là một danh sách chứa các hình ảnh đã tạo.
Hàm được gọi khi gọi pipeline cho việc sinh.
Ví dụ:
>>> 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
< source >( 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 )
Tham số
- prompt (
strhoặclist[str], tùy chọn) — Prompt cần được mã hóa. - image (
list[PipelineImageInput], tùy chọn) — Các ảnh điều kiện để mã hóa cùng với prompt. - device (
torch.device) — Thiết bị Torch. - num_images_per_prompt (
int) — Số lượng hình ảnh được tạo cho mỗi prompt. - prompt_embeds (
torch.Tensor, tùy chọn) — Các embedding văn bản đã được tạo trước. Bỏ qua bước mã hóa nếu được cung cấp.
QwenImagePipelineOutput
lớp diffusers.pipelines.qwenimage.pipeline_output.QwenImagePipelineOutput
< source >( images: list[PIL.Image.Image] | numpy.ndarray )
Lớp đầu ra cho các pipeline Stable Diffusion.
QwenImage21ModularPipeline
lớp diffusers.QwenImage21ModularPipeline
< source >( 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 )
Một ModularPipeline cho Qwen-Image 2.1.
QwenImage21AutoBlocks
Auto Modular pipeline cho việc tạo ảnh từ văn bản và tạo ảnh có điều kiện từ ảnh bằng Qwen-Image 2.1.
- để tạo ảnh từ văn bản, bạn chỉ cần cung cấp
prompt - cho tạo hình ảnh có điều kiện, bạn cần cung cấp
promptvàimage(một hình ảnh hoặc một danh sách)
Các quy trình làm việc được hỗ trợ:
text2image: yêu cầupromptimage_conditioned: yêu cầuprompt,image
Các thành phần:
image_processor (VaeImageProcessor) text_encoder (Qwen3VLForConditionalGeneration) processor
(Qwen3VLProcessor) vae (AutoencoderKLQwenImage21) scheduler (FlowMatchEulerDiscreteScheduler) guider
(ClassifierFreeGuidance) transformer (QwenImage21Transformer2DModel)
Đầu vào:
image (Image | list, tùy chọn):
Hình ảnh tham chiếu để khử nhiễu. Có thể là một hình ảnh đơn lẻ hoặc danh sách các hình ảnh.
output_resolution (int, tùy chọn, mặc định là 1024):
Độ dài cạnh mục tiêu được sử dụng để suy ra kích thước đầu ra và để thay đổi kích thước các hình ảnh điều kiện.
prompt (str):
Câu lệnh hoặc các câu lệnh để hướng dẫn tạo hình ảnh.
negative_prompt (str, tùy chọn):
Câu lệnh hoặc các câu lệnh không dùng để hướng dẫn tạo hình ảnh.
generator (Generator, tùy chọn):
Trình tạo Torch cho việc tạo ra kết quả xác định.
num_images_per_prompt (int, tùy chọn, mặc định là 1):
Số lượng hình ảnh cần tạo cho mỗi câu lệnh.
height (int, tùy chọn):
Chiều cao tính bằng pixel của hình ảnh được tạo.
width (int, tùy chọn):
Chiều rộng tính bằng pixel của hình ảnh được tạo.
image_latents (list, tùy chọn):
Các latent đã chuẩn hóa của mỗi hình ảnh điều kiện. Có thể được tạo từ bước vae_encoder.
latents (Tensor):
Các latent nhiễu được tạo trước cho việc tạo hình ảnh.
num_inference_steps (int):
Số bước khử nhiễu.
sigmas (list, tùy chọn):
Các sigma tùy chỉnh cho quá trình khử nhiễu.
use_kv_cache (bool, tùy chọn, mặc định là True):
Lưu trữ bộ nhớ đệm các khóa và giá trị của văn bản và hình ảnh điều kiện sau bước đầu tiên. Điều này hợp lệ vì causal_condition điều biến các token đó từ t = 0, khiến các kích hoạt của chúng không phụ thuộc vào bước. Việc bật/tắt tính năng này không
tái tạo cùng một hình ảnh giống hệt nhau từng bit một ở độ chính xác giảm.
attention_kwargs (dict, tùy chọn):
Các kwargs bổ sung cho các bộ xử lý attention.
*denoiser_input_fields (None,tùy chọn):
đầu vào của mô hình điều kiện cho bộ khử nhiễu: ví dụ: prompt_embeds, negative_prompt_embeds, v.v.
output_type (str,tùy chọn*, mặc định là pil):
Định dạng đầu ra: ‘pil’, ‘np’, ‘pt’.
Đầu ra:
images (list):
Các hình ảnh được tạo.
QwenImage21TurboModularPipeline
lớp diffusers.QwenImage21TurboModularPipeline
< source >( 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 )
Một ModularPipeline cho Qwen-Image 2.1 Turbo, checkpoint tăng tốc cho phép lấy mẫu chỉ trong vài bước mà không cần guidance.
QwenImage21TurboAutoBlocks
Auto Modular pipeline cho text-to-image và tạo ảnh có điều kiện từ ảnh, sử dụng Qwen-Image 2.1 Turbo, checkpoint được tăng tốc, lấy mẫu trên lưới sigma đi kèm trong vài bước mà không cần guidance.
- để tạo ảnh từ văn bản, bạn chỉ cần cung cấp
prompt - cho tạo hình ảnh có điều kiện, bạn cần cung cấp
promptvàimage(một hình ảnh hoặc một danh sách)
Các quy trình làm việc được hỗ trợ:
text2image: yêu cầupromptimage_conditioned: yêu cầuprompt,image
Các thành phần:
image_processor (VaeImageProcessor) text_encoder (Qwen3VLForConditionalGeneration) processor
(Qwen3VLProcessor) vae (AutoencoderKLQwenImage21) scheduler (FlowMatchEulerDiscreteScheduler)
transformer (QwenImage21Transformer2DModel)
Configs:
sample_sigmas (mặc định: None): Lưới lấy mẫu đi kèm checkpoint, được sử dụng khi sigmas không được truyền vào.
Đầu vào:
image (Image | list, tùy chọn):
Hình ảnh tham chiếu để khử nhiễu. Có thể là một hình ảnh đơn lẻ hoặc danh sách các hình ảnh.
output_resolution (int, tùy chọn, mặc định là 1024):
Độ dài cạnh mục tiêu được sử dụng để suy ra kích thước đầu ra và để thay đổi kích thước các hình ảnh điều kiện.
prompt (str):
Câu lệnh hoặc các câu lệnh để hướng dẫn việc tạo hình ảnh.
generator (Generator, tùy chọn):
Trình tạo Torch cho việc tạo ra kết quả xác định.
num_images_per_prompt (int, tùy chọn, mặc định là 1):
Số lượng hình ảnh cần tạo cho mỗi câu lệnh.
height (int, tùy chọn):
Chiều cao tính bằng pixel của hình ảnh được tạo ra.
width (int, tùy chọn):
Chiều rộng tính bằng pixel của hình ảnh được tạo ra.
image_latents (list, tùy chọn):
Các latent đã được chuẩn hóa của mỗi hình ảnh điều kiện. Có thể được tạo ra từ bước vae_encoder.
latents (Tensor):
Các latent nhiễu được tạo trước cho việc tạo hình ảnh.
num_inference_steps (int):
Số bước khử nhiễu.
sigmas (list, tùy chọn):
Các sigma tùy chỉnh cho quá trình khử nhiễu.
use_kv_cache (bool, tùy chọn, mặc định là True):
Lưu trữ bộ nhớ đệm các khóa và giá trị của văn bản và hình ảnh điều kiện sau bước đầu tiên. Điều này hợp lệ vì causal_condition điều biến các token đó từ t = 0, khiến các kích hoạt của chúng không phụ thuộc vào bước. Việc bật/tắt tính năng này không
tái tạo cùng một hình ảnh giống hệt nhau từng bit một ở độ chính xác giảm.
attention_kwargs (dict, tùy chọn):
Các kwargs bổ sung cho các bộ xử lý attention.
*denoiser_input_fields (None,tùy chọn):
đầu vào của mô hình điều kiện cho bộ khử nhiễu: ví dụ: prompt_embeds, negative_prompt_embeds, v.v.
output_type (str,tùy chọn*, mặc định là pil):
Định dạng đầu ra: ‘pil’, ‘np’, ‘pt’.
Đầu ra:
images (list):
Các hình ảnh được tạo.