readme: bilingual hero card (AR desc + EN labels)

f80d2f6 verified about 1 month ago

5.47 kB

---
base_model: stabilityai/stable-diffusion-xl-base-1.0
library_name: diffusers
pipeline_tag: text-to-image
license: openrail++
tags:
- stable-diffusion-xl
- sdxl
- diffusers
- text-to-image
- fused-model
- merged-checkpoint
- full-model
- king2
- image-generation
thumbnail: test/full_EN1.png
inference:
  parameters:
    guidance_scale: 7.5
    negative_prompt: blurry, low quality, distorted, ugly, bad anatomy, watermark, text, signature
datasets:
- RASHID778/king2-image-dataset
language:
- en
- ar
---
<!-- KING2 IMAGE FULL — King2 fusion card (RASHID778) -->

<div align="center">

# 👑 KING2-IMAGE-FULL

### موديل SDXL مستقل — LoRA "King2" مدمجة كليًا داخل الأوزان، بلا أي ملف LoRA خارجي عند الاستخدام.

<sup>Standalone SDXL pipeline · King2 LoRA fused at scale 1.0 · fp16 · ~7.1 GB</sup>

</div>

<div align="center">

![hero_EN1](test/full_EN1.png)
**EN1 — "a futuristic royal palace at sunset, highly detailed, golden hour"**

</div>

---

## 🖼️ مقارنة بصرية — نفس البذرة والخطوات (seed 42 · 28 steps · guidance 7.5 · 768×768 · fp16/T4)

| base<br><sub>بدون أي تخصيص</sub> | lora<br><sub>SDXL + LoRA منفصلة</sub> | **full (هذا الموديل)**<br><sub>مستقل بالكامل</sub> |
|:---:|:---:|:---:|
| ![base_EN1](test/base_EN1.png) | ![lora_EN1](test/lora_EN1.png) | ![full_EN1](test/full_EN1.png) |

| base<br><sub>English #2</sub> | lora<br><sub>English #2</sub> | **full(this model)** |
|:---:|:---:|:---:|
| ![base_EN2](test/base_EN2.png) | ![lora_EN2](test/lora_EN2.png) | ![full_EN2](test/full_EN2.png) |

<div align="center">

### مشاهد عربية (Arabic scene prompts)

![full_AR1](test/full_AR1.png) ![full_AR2](test/full_AR2.png)

</div>

---

## 📊 نتائج التحقق (أرقام حقيقية من GPU — T4)

تمت مقارنة الموديل **المدمج** مقابل **الأساس** ومقابل **الأساس + LoRA منفصلة** بنفس البذرة والمعاملات على T4 (fp16):

| القياس (MAE — متوسط الخطأ المطلق للبكسلات) | EN1 | EN2 | الدلالة |
|---|---|---|---|
| مدمج ↔ الأساس (`base_vs_full`) | **26.88** | **36.24** | الفرق كبير — أسلوب King2 ظاهر بوضوح |
| مدمج ↔ الأساس+LoRA (`lora_vs_full`) | **1.73** | **1.02** | مطابق تقريبًا للوحة المنفصلة — الدمج صحيح |

| مؤشر | القيمة | الدلالة |
|---|---|---|
| زمن التحميل (`full_load_sec`) | **96 s** | موديل مستقل يُحمَّل من HF مباشرة |
| ذروة VRAM (`full_vram_peak_gb`) | **7.05 GB** | يعمل على T4 (16GB) |
| مفاتيح الـunet | **1,680** (كلها دمجت) | بلا `base_layer` ولا ملفات LoRA |

التقرير الآلي الكامل + كل الصور: [`test/test_report.json`](test/test_report.json) و [`test/`](test/).

---

## 🚀 الاستخدام — Quickstart

```python
from diffusers import DiffusionPipeline
import torch
pipe = DiffusionPipeline.from_pretrained(
    "RASHID778/king2-image-full",
    torch_dtype=torch.float16,
).to("cuda")
image = pipe(
    "a futuristic royal palace at sunset, highly detailed, golden hour, epic composition",
    num_inference_steps=28,
    guidance_scale=7.5,
    height=768,
    width=768,
    negative_prompt="blurry, low quality, distorted, ugly, bad anatomy, watermark",
).images[0]
image.save("king2_full.png")
```

ملاحظة مهمة: لا يُحمَّل أي ملف LoRA خارجي — الأسلوب مدمج داخل الأوزان. للاستخدام عبر
`from_pretrained` مباشرة دون الحاجة إلى `RASHID778/king2-image` وحدها.

---

## 📦 المكوّنات

| المكوّن | المسار | الحجم |
|---|---|---|
| UNet (مدمج + مقفّل) | `unet/diffusion_pytorch_model.fp16.safetensors` | 5.14GB |
| Text Encoder 1 | `text_encoder/model.fp16.safetensors` | 0.25GB |
| Text Encoder 2 | `text_encoder_2/model.fp16.safetensors` | 1.39GB |
| VAE (fp16-safe) | `vae/diffusion_pytorch_model.fp16.safetensors` | 0.33GB |

كلها `fp16`/`safetensors`.

---

## ⚠️ حدود

- **الدقة** — أفضل النتائج بين 512–768px؛ ما فوق 1024 قد يظهر عليه اقتطاعات.
- **النص العربي** — نفس سلوك SDXL الأساسي؛ لا تتوقّع كلمات عربية سليمة داخل الصورة
  (لكن الأوامر/المشاهد العربية تعمل جيدًا).
- **VRAM** — التوليد بدقة 768×768 يستهلك ~7GB VRAM. على بطاقات أصغر استخدم
  `pipe.enable_attention_slicing()` أو `pipe.enable_model_cpu_offload()`.

---

## 📜 الترخيص

نموذج مشتق من **SDXL Base 1.0** ويتوزع تحت
[**CreativeML OpenRAIL-M**](https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/blob/main/LICENSE.md).
شروط الاستخدام الخاصة بالنموذج الأساسي سارية.

## 🙏 الاعتمادات

- **النموذج الأساسي** — Stability AI (`stabilityai/stable-diffusion-xl-base-1.0`)
- **LoRA** — `RASHID778/king2-image` (من تدريب `RASHID778` على
  `RASHID778/king2-image-dataset`)
- **fp16-SAFE VAE** — [@madebyollin](https://huggingface.co/madebyollin) `sdxl-vae-fp16-fix`

---

*صُنع بـ👑 بواسطة RASHID778 — KING2 AI Series*

	---
	base_model: stabilityai/stable-diffusion-xl-base-1.0
	library_name: diffusers
	pipeline_tag: text-to-image
	license: openrail++
	tags:
	- stable-diffusion-xl
	- sdxl
	- diffusers
	- text-to-image
	- fused-model
	- merged-checkpoint
	- full-model
	- king2
	- image-generation
	thumbnail: test/full_EN1.png
	inference:
	parameters:
	guidance_scale: 7.5
	negative_prompt: blurry, low quality, distorted, ugly, bad anatomy, watermark, text, signature
	datasets:
	- RASHID778/king2-image-dataset
	language:
	- en
	- ar
	---

	<!-- KING2 IMAGE FULL — King2 fusion card (RASHID778) -->

	<div align="center">

	# 👑 KING2-IMAGE-FULL

	### موديل SDXL مستقل — LoRA "King2" مدمجة كليًا داخل الأوزان، بلا أي ملف LoRA خارجي عند الاستخدام.

	<sup>Standalone SDXL pipeline · King2 LoRA fused at scale 1.0 · fp16 · ~7.1 GB</sup>

	</div>

	<div align="center">

	![hero_EN1](test/full_EN1.png)
	EN1 — "a futuristic royal palace at sunset, highly detailed, golden hour"

	</div>

	---

	## 🖼️ مقارنة بصرية — نفس البذرة والخطوات (seed 42 · 28 steps · guidance 7.5 · 768×768 · fp16/T4)

	\| base<br><sub>بدون أي تخصيص</sub> \| lora<br><sub>SDXL + LoRA منفصلة</sub> \| full (هذا الموديل)<br><sub>مستقل بالكامل</sub> \|
	\|:---:\|:---:\|:---:\|
	\| ![base_EN1](test/base_EN1.png) \| ![lora_EN1](test/lora_EN1.png) \| ![full_EN1](test/full_EN1.png) \|

	\| base<br><sub>English #2</sub> \| lora<br><sub>English #2</sub> \| full(this model) \|
	\|:---:\|:---:\|:---:\|
	\| ![base_EN2](test/base_EN2.png) \| ![lora_EN2](test/lora_EN2.png) \| ![full_EN2](test/full_EN2.png) \|

	<div align="center">

	### مشاهد عربية (Arabic scene prompts)

	![full_AR1](test/full_AR1.png) ![full_AR2](test/full_AR2.png)

	</div>

	---

	## 📊 نتائج التحقق (أرقام حقيقية من GPU — T4)

	تمت مقارنة الموديل المدمج مقابل الأساس ومقابل الأساس + LoRA منفصلة بنفس البذرة والمعاملات على T4 (fp16):

	\| القياس (MAE — متوسط الخطأ المطلق للبكسلات) \| EN1 \| EN2 \| الدلالة \|
	\|---\|---\|---\|---\|
	\| مدمج ↔ الأساس (`base_vs_full`) \| 26.88 \| 36.24 \| الفرق كبير — أسلوب King2 ظاهر بوضوح \|
	\| مدمج ↔ الأساس+LoRA (`lora_vs_full`) \| 1.73 \| 1.02 \| مطابق تقريبًا للوحة المنفصلة — الدمج صحيح \|

	\| مؤشر \| القيمة \| الدلالة \|
	\|---\|---\|---\|
	\| زمن التحميل (`full_load_sec`) \| 96 s \| موديل مستقل يُحمَّل من HF مباشرة \|
	\| ذروة VRAM (`full_vram_peak_gb`) \| 7.05 GB \| يعمل على T4 (16GB) \|
	\| مفاتيح الـunet \| 1,680 (كلها دمجت) \| بلا `base_layer` ولا ملفات LoRA \|

	التقرير الآلي الكامل + كل الصور: [`test/test_report.json`](test/test_report.json) و [`test/`](test/).

	---

	## 🚀 الاستخدام — Quickstart

	```python
	from diffusers import DiffusionPipeline
	import torch

	pipe = DiffusionPipeline.from_pretrained(
	"RASHID778/king2-image-full",
	torch_dtype=torch.float16,
	).to("cuda")

	image = pipe(
	"a futuristic royal palace at sunset, highly detailed, golden hour, epic composition",
	num_inference_steps=28,
	guidance_scale=7.5,
	height=768,
	width=768,
	negative_prompt="blurry, low quality, distorted, ugly, bad anatomy, watermark",
	).images[0]

	image.save("king2_full.png")
	```

	ملاحظة مهمة: لا يُحمَّل أي ملف LoRA خارجي — الأسلوب مدمج داخل الأوزان. للاستخدام عبر
	`from_pretrained` مباشرة دون الحاجة إلى `RASHID778/king2-image` وحدها.

	---

	## 📦 المكوّنات

	\| المكوّن \| المسار \| الحجم \|
	\|---\|---\|---\|
	\| UNet (مدمج + مقفّل) \| `unet/diffusion_pytorch_model.fp16.safetensors` \| 5.14GB \|
	\| Text Encoder 1 \| `text_encoder/model.fp16.safetensors` \| 0.25GB \|
	\| Text Encoder 2 \| `text_encoder_2/model.fp16.safetensors` \| 1.39GB \|
	\| VAE (fp16-safe) \| `vae/diffusion_pytorch_model.fp16.safetensors` \| 0.33GB \|

	كلها `fp16`/`safetensors`.

	---

	## ⚠️ حدود

	- الدقة — أفضل النتائج بين 512–768px؛ ما فوق 1024 قد يظهر عليه اقتطاعات.
	- النص العربي — نفس سلوك SDXL الأساسي؛ لا تتوقّع كلمات عربية سليمة داخل الصورة
	(لكن الأوامر/المشاهد العربية تعمل جيدًا).
	- VRAM — التوليد بدقة 768×768 يستهلك ~7GB VRAM. على بطاقات أصغر استخدم
	`pipe.enable_attention_slicing()` أو `pipe.enable_model_cpu_offload()`.

	---

	## 📜 الترخيص

	نموذج مشتق من SDXL Base 1.0 ويتوزع تحت
	[CreativeML OpenRAIL-M](https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/blob/main/LICENSE.md).
	شروط الاستخدام الخاصة بالنموذج الأساسي سارية.

	## 🙏 الاعتمادات

	- النموذج الأساسي — Stability AI (`stabilityai/stable-diffusion-xl-base-1.0`)
	- LoRA — `RASHID778/king2-image` (من تدريب `RASHID778` على
	`RASHID778/king2-image-dataset`)
	- fp16-SAFE VAE — [@madebyollin](https://huggingface.co/madebyollin) `sdxl-vae-fp16-fix`

	---

	صُنع بـ👑 بواسطة RASHID778 — KING2 AI Series