Buckets:

hf-doc-build
/

doc

Files
xet
hf-doc-build/doc / diffusers /main /ar /api /pipelines /flux3.md
mishig
about 3 hours ago
preview code
download
raw
33.4 kB
#
# مرخّص بموجب ترخيص Apache الإصدار 2.0 (المسمى "الترخيص")
# لا يجوز لك استخدام هذا الملف إلا وفقاً لشروط الترخيص.
# يمكنك الحصول على نسخة من الترخيص في
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# ما لم يقتضِ ذلك القانون المعمول به أو ما اتُّفق عليه كتابياً، البرمجيات
# تُوزَّع بموجب الرخصة على أساس "كما هي"،
# بلا أي ضمانات أو شروط من أي نوع، سواء صريحة أو ضمنية.
# راجع الترخيص لمعرفة اللغة المحددة التي تحكم الصلاحيات و
# قيود بموجب الترخيص. -->

# FLUX 3 Image Klein

FLUX 3 Image Klein هو نموذج لتوليد الصور بحجم 5.6 مليار من Black Forest Labs: يقوم محوّل واحد ([Flux3Transformer2DModel](/docs/diffusers/main/ar/api/models/flux3_transformer#diffusers.Flux3Transformer2DModel)) بتوليد الصور من موجه نصي، بمفرده أو مع صورة مرجعية واحدة أو أكثر. يأتي التكييف النصي من Qwen3-VL، بينما تستخدم الصور مُشفِّر/مفكك الترميز التلقائي المعبأ FLUX.2 (`AutoencoderKLFlux2`).

يُطرح FLUX 3 Image Klein على شكل [خط أنابيب معياري](../../modular_diffusers/overview). ابدأ بتوليد صورة من نص:

```python
import torch
from diffusers import ModularPipeline
pipe = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein-base")
pipe.load_components(dtype={"vae": torch.float32, "default": torch.bfloat16})
pipe.to("cuda")
image = pipe(
    prompt="A red fox in a snow-covered forest clearing at golden hour",
    generator=torch.Generator().manual_seed(0),
    output="images",
)[0]
image.save("fox.png")
```

`prompt` هو المدخل الإلزامي الوحيد: حيث تحمل خط الأنابيب إعدادات العينة الموصى بها (50 خطوة، مقياس التوجيه 3.5، إزاحة المجدول 6.93) وتولّد صورًا بقياس 1024 x 1024 افتراضيًا. يستقبل استدعاءً واحدًا لكل موجه؛ استخدم `num_images_per_prompt` للحصول على عدة صور لنفس الموجه.

كما ترون في المثال أعلاه، يختلف التحميل والتشغيل قليلاً عن `DiffusionPipeline`. التحميل كسول: [from_pretrained()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline#diffusers.ModularPipeline.from_pretrained) يبني خط الأنابيب فقط، وتقوم باستدعاء [load_components()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline#diffusers.ModularPipeline.load_components) لتحميل الأوزان. يعيد الاستدعاء حالة خط الأنابيب، وتطلب ما تحتاجه باستخدام `output`: `output="images"` هنا، أو `output=["images", "prompt"]` للحصول أيضاً على الوصف الذي كتبه مُحسِّن المُوجِّه.

> [!TIP]
> إذا كنت تعمل مع `ModularPipeline` لأول مرة، فاقرأ [البدء السريع](../../modular_diffusers/quickstart)، و[الانتقال من DiffusionPipeline](../../modular_diffusers/coming_from_diffusion_pipeline) إذا كنت على دراية بالخطوط الأنابيب القياسية. بخلاف التحميل والمخرجات، تختلف بعض الأمور الأخرى: [الإرشاد](#guidance-scale)، [المكالمات العكسية](#per-step-callbacks) و[التفريغ](#memory).

## توسيع عينات المحفّز

تُعدّ الصياغة أمراً بالغ الأهمية: يستقبل نموذج FLUX 3 Image Klein أوصافاً كاملة للمشهد تصف الموضوع، والتكوين، والإضاءة، والأجواء، وليس مجرد أوامر قصيرة؛ فالطلب المُرسَل كما هو دون توسيع يُنتج مخرجات عامة. ولهذا السبب، يعمل خط المعالجة على مُوسّع الأوامر أولاً لكل طلب، سواء كان توليد صورة من نص أو تحرير. وهو نموذج مستقل بحجم 9B من Black Forest Labs ([black-forest-labs/flux-3-image-klein-pup](https://huggingface.co/black-forest-labs/flux-3-image-klein-pup)) يقوم بتوسيع `prompt` إلى وصف من هذا القبيل قبل مُشفّر النص، وكافٍ أن يكون الأمر قصيراً.

يحوّل مُوسّع المُوجِّه طلبًا قصيرًا، إلى جانب الصور المرجعية عند التحرير، إلى وصف كامل للمشهد الذي يتلقاه النموذج: الوسط والأسلوب، والمشهد، والإضاءة والكاميرا، وكل موضوع مع ألوانه ومواده وموقعه في الإطار. يغطي نموذج واحد توليد الصور من النص، والتحرير باستخدام الصور المرجعية، والتخطيط باستخدام الصناديق. يعود الوصف الذي كتبه كإخراج `prompt`. في المثال أعلاه، اطلبه إلى جانب الصور لرؤية ما استلمه نموذج الصور:

```python
out = pipe(
    prompt="A red fox in a snow-covered forest clearing at golden hour",
    generator=torch.Generator().manual_seed(0),
    output=["images", "prompt"],
)
print(out["prompt"])
```

```
Full-color outdoor wildlife photograph taken from a low eye-level perspective in a snow-covered forest clearing at golden hour. In the center foreground, a red fox stands in profile facing left, its body turned toward the viewer and its head raised as it looks across the clearing. The fox has dense rust-red winter fur, a white throat and chest, black lower legs, pointed ears with dark tips, and a long bushy tail ending in white. ...
```

يصل طول الوصف الكامل إلى حوالي 240 كلمة؛ ويحدد `max_new_tokens` حدّ طوله (3584 افتراضيًا).

يمكنك طباعة `doc` الخاص بالخطوة لمعرفة ما يستهلكه وما يكتبه:

```python
print(pipe.blocks.sub_blocks["prompt_upsampler"].doc)
```

```
  Inputs:
      prompt (`str`):
          The edit instruction to expand into the full caption (one per call).
      image (`Image | list`, *optional*):
          The reference image(s) of the edit, at most 10; the same ones the pipeline receives.
      boxes (`list`, *optional*):
          Layout boxes, each {'id', 'desc', 'from', 'src_bbox', 'tgt_bbox'} with the boxes as [y_min, x_min, y_max, x_max] in
          0-1: ...
      max_new_tokens (`int`, *optional*, defaults to 3584):
          The most tokens the upsampler may generate for the caption.
  Outputs:
      prompt (`str`):
          The full caption, replacing the request.
```

كما هو الحال مع الكتل الأخرى في خط المعالجة، يعمل كتلة `prompt_upsampler` بشكل مستقل. الطريقة الموصى بها هي فصلها عن الكتل: تصبح الكتلة المفصولة مُوسِّعًا مستقلًا، وتصبح الكتل المتبقية خط معالجة يستقبل الوصف الموسَّع بوصفه `prompt`:

```python
blocks = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein-base").blocks
pup_block = blocks.sub_blocks.pop("prompt_upsampler")
pup = pup_block.init_pipeline("black-forest-labs/flux-3-image-klein-base")
pup.load_components(dtype=torch.bfloat16)
pup.to("cuda")
caption = pup(prompt="A red fox in a snow-covered forest clearing at golden hour", output="prompt")
pipe = blocks.init_pipeline("black-forest-labs/flux-3-image-klein-base")
pipe.load_components(dtype={"vae": torch.float32, "default": torch.bfloat16})
pipe.to("cuda")
image = pipe(prompt=caption, generator=torch.Generator().manual_seed(0), output="images")[0]
```

بهذه الطريقة يمكن تقديمه كمرحلة مستقلة، على وحدة معالجة رسومية خاصة به أو خلف نقطة نهاية خاصة به، ويمكن لواجهة المستخدم أن تعرض الوصف الذي كتبه وتتيح للمستخدم تعديله قبل التوليد. يمكن لأي نموذج لغوي آخر أن يحل محل مُوسِّع الدقة، مع استخدام نفس أوامر النظام: أعطِه `system_prompts["t2i"]` من مستودع مُوسِّع الدقة (أو `"i2i"`، مع وضع المراجع أولاً في رسالة المستخدم) كمرجع للنظام والطلب كرسالة للمستخدم، ثم مرِّر الوصف الذي يعيده كـ`prompt` إلى `pipe`.

## من صورة إلى صورة

مرّر صورة مرجعية واحدة أو أكثر باستخدام `image`. تُحافظ الصورة المرجعية الواحدة على شكلها الكامل: فهي تُصغَّر فقط إذا تجاوزت 4 ميغابكسل، وتُملأ لتتوافق مع شبكة البكسلات البالغة 16 بكسل، وتكون القيمة الافتراضية للتوليد مطابقة لحجمها، لذا يعود التعديل بالحجم نفسه الذي دخلت به الصورة. أما الصور المرجعية المتعددة فتُصغَّر كل منها لتبقى تحت 1 ميغابكسل وتُقتطع لتتوافق مع الشبكة، وتكون القيمة الافتراضية للتوليد مطابقة لحجم الصورة الأولى. يمكن تجاوز القيمة الافتراضية بتحديد `height`/`width` معين. صف صورة *الهدف* بوصف كامل للصورة المرجعية مع دمج تعديلك فيه، بدلاً من تعليمات من سطر واحد، أو اترك [prompt upsampler](#prompt-upsampling) يكتبه بناءً على التعليمات والصور المرجعية:

```python
night = pipe(
    prompt="the same scene at night under a full moon",
    image=image,
    generator=torch.Generator().manual_seed(0),
    output=["images", "prompt"],
)
```

مع وجود عدة مراجع، يُشار إليها على أنها الصورة الأولى، الصورة الثانية، ... بالترتيب الذي تُمرَّر به إلى `image`؛ حيث تُسمّيها التسمية `<ref_image_0>`، `<ref_image_1>`، ... لنموذج الصورة:

```python
combined = pipe(
    prompt="the fox from the first image sitting on the wooden bench from the second image",
    image=[image, bench],
    height=768,
    width=1360,
    output="images",
)[0]
```

مرّر `height` و/أو `width` لتجاوز الحجم المستنتج.

## التحكم في التخطيط

لوضع المحتوى بشكل صريح، مرّر `boxes`: لكل عنصر `id`، و`desc` مختصر، و`bbox` على شكل `[y_min, x_min, y_max, x_max]` ضمن نطاق 0-1 (المبدأ أعلى اليسار)، بحيث يكون مستقلاً عن حجم المخرجات. يكتب المُوسِّع الوصف حولها، مستشهداً بكل عنصر على شكل `<id>`، ويضيف جدول الصناديق، مع الحفاظ على صناديقك كما هي تماماً:

```python
boxes = [
    {"id": "balloon_1", "desc": "a red and yellow striped hot-air balloon", "bbox": [0.08, 0.06, 0.48, 0.38]},
    {"id": "balloon_2", "desc": "a small blue hot-air balloon", "bbox": [0.20, 0.62, 0.42, 0.80]},
]
out = pipe(prompt="hot-air balloons over a green valley at sunrise", boxes=boxes, output=["images", "prompt"])
```

عند التحرير، يحدد الصندوق مصدره بواسطة `from`: `"target"` مع `tgt_bbox` يضيف عنصراً جديداً في ذلك الموقع، و`"ref_image_0"` مع `src_bbox` و`tgt_bbox` ينقل عنصراً من ذلك المرجع (تبقى العناصر في مكانها إذا كانت الصناديق متساوية):

```python
boxes = [{"id": "cactus", "desc": "a small potted cactus", "from": "target", "src_bbox": None, "tgt_bbox": [0.55, 0.62, 0.85, 0.85]}]
out = pipe(prompt="add a small potted cactus in the marked spot", image=mug, boxes=boxes, output=["images", "prompt"])
boxes = [{"id": "knight", "desc": "the knight figure", "from": "ref_image_0", "src_bbox": [0.50, 0.15, 0.85, 0.35], "tgt_bbox": [0.19, 0.06, 0.54, 0.26]}]
out = pipe(prompt="move the knight up and to the left, keep the rest unchanged", image=knight, boxes=boxes, output=["images", "prompt"])
```

يحتوي الوصف الذي يقرأه نموذج الصورة على العناصر الموسومة بـ `<id>` في النص، مع الجدول المضاف بصيغة JSON، حيث تكون الصناديق على لوحة بأبعاد 0-1000؛ اطبع مخرجات `prompt` لرؤيتها. أما الوصف المكتوب يدوياً بهذه الصيغة فيمر عبر خط الأنابيب دون هذه الخطوة، كما هو الحال في [توسيع المحفّز](#prompt-upsampling).

## مقياس التوجيه

يطبّق خطّ الأنابيب التوجيه الحرّ من التصنيف عبر مكوّنه `guider` ولا يقبل حجة `guidance_scale` عند الاستدعاء. الموجّه الافتراضي هو [ClassifierFreeGuidance](/docs/diffusers/main/ar/api/modular_diffusers/guiders#diffusers.ClassifierFreeGuidance) مع `guidance_scale=3.5`، وهو الإعداد الموصى به لكلا مساري العمل. لتغييره، أنشئ نسخة محدّثة من الموجّه:

```python
pipe.guider = pipe.guider.new(guidance_scale=5.0)
```

راجع [دليل المرشدين](../../using-diffusers/guiders) للتبديل إلى طريقة إرشاد مختلفة.

## نموذج مُقطّر على مستوى الخطوات

يولّد نقطة الفحص المُقطّرة خطوةً بخطوة في 16 خطوةً دون توجيهٍ حرٍّ من المُصنِّف. محوّله هو خريطة تدفّق: في كل خطوة يُبلَّغ بالخطوة الزمنية الحالية والخطوة التي تقفز إليها الخطوة. يُحمَّل مثل النموذج الأساسي (حيث يحلّ `modular_model_index.json` في المستودع إلى [Flux3DistilledModularPipeline](/docs/diffusers/main/ar/api/pipelines/flux3#diffusers.Flux3DistilledModularPipeline) و[Flux3DistilledAutoBlocks](/docs/diffusers/main/ar/api/pipelines/flux3#diffusers.Flux3DistilledAutoBlocks))؛ ولا يحتوي خطّ الأنابيب على `guider` ولا يقبل `negative_prompt`:

```python
pipe = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")
image = pipe(prompt=prompt, generator=torch.Generator().manual_seed(0), output="images")[0]
```

يخدم نفس مساري العمل اللذين يخدمهما النموذج الأساسي. القيمة الافتراضية لـ`num_inference_steps` هي 16؛ حيث تم تدريب النموذج على 4 إلى 16 خطوة.

## توليد قابل للتكرار

يُثبّت `generator` الضوضاء التي يسحبها خط الأنابيب (انظر [إعادة الإنتاج](../../using-diffusers/reusing_seeds)). لإعادة استخدام ضوضاء سُحبت في مكان آخر، مرّرها كـ `latents` بالشكل `(batch_size, 128, height // 16, width // 16)`. على سبيل المثال، يسحب [تنفيذ BFL](https://github.com/black-forest-labs/flux-3-image-klein) ضوضاءه كرموز صورة على وحدة المعالجة المركزية (CPU) ويحوّلها إلى bf16؛ وهذا يُعيد إنتاج عيّنته لبذرة محددة:

```python
height, width = 1024, 1024
h, w = height // 16, width // 16
noise = torch.randn((h * w, 128), generator=torch.Generator().manual_seed(0)).to(torch.bfloat16)
latents = noise.T.reshape(1, 128, h, w)
image = pipe(prompt=prompt, latents=latents, height=height, width=width, output="images")[0]
```

## سير العمل

تخدم خط المعالجة مساري عمل، هما `text2image` و`image_conditioned`؛ ويُختار المسار الذي يُنفَّذ بناءً على المدخلات (حيث يحدد `image` مسار الصورة إلى الصورة). كما يمكن لـ[from_pretrained()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline#diffusers.ModularPipeline.from_pretrained) بناء خط معالجة لمسار عمل واحد باستخدام معامل `workflow`، والذي يتوقع في هذه الحالة ويحمّل فقط المكونات التي يحتاجها ذلك المسار:

```python
from diffusers.modular_pipelines import Flux3AutoBlocks
print(Flux3AutoBlocks().available_workflows)
# ["text2image", "image_conditioned"]
t2i = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein-base", workflow="text2image")
print(t2i.blocks.doc)
```

## إجراءات الاستدعاء لكل خطوة

لاستخدام دالة استدعاء موجودة مسبقًا، أدخل كتلة في حلقة إزالة الضوضاء. يحتوي [دليل الاستدعاءات](../../using-diffusers/callback#modular-pipelines) على مثال بسيط باستخدام كتلة `CallbackOnStepEnd` ودالة المساعدة `walk_denoise_loops`:

```python
blocks = Flux3AutoBlocks()  # or Flux3DistilledAutoBlocks
for loop in walk_denoise_loops(blocks):
    loop.sub_blocks["callback"] = CallbackOnStepEnd()
pipe = blocks.init_pipeline("black-forest-labs/flux-3-image-klein-base")
image = pipe(prompt=caption, callback_on_step_end=my_callback, output="images")[0]
```

للتوقف مبكرًا، ارفع استثناءً من الدالة الاستدعائية؛ لا يوجد علم `interrupt`.

## الذاكرة

تتطلب التحميل الكامل في bf16 حوالي 39 جيجابايت من الأوزان: حيث يتكون الترانسفورمر من 5.5 مليار معلمة، ومشفّر النص Qwen3-VL-4B من 4 مليارات، و[موسّع الأوامر](#prompt-upsampling) من 9 مليارات (حوالي 19 جيجابايت بمفرده)، مع استخدام VAE للصور في fp32. أما خط الأنابيب الذي يُبنى دون خطوة الموسّع (انظر هناك) فيحمّل حوالي 20 جيجابايت. بالنسبة للوحدات الرسومية ذات ذاكرة أقل، فعّل تفريغ المكونات؛ حيث يقوم المدير بنقل المكونات بين وحدة المعالجة المركزية والوحدة الرسومية كلما احتاجت كل خطوة إليها، بما في ذلك الموسّع:

```python
from diffusers import ComponentsManager, ModularPipeline
manager = ComponentsManager()
pipe = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein-base", components_manager=manager)
pipe.load_components(dtype={"vae": torch.float32, "default": torch.bfloat16})
manager.enable_auto_cpu_offload(device="cuda")
```

## التحميل من ملف واحد

تحمّل [Flux3Transformer2DModel](/docs/diffusers/main/ar/api/models/flux3_transformer#diffusers.Flux3Transformer2DModel) نموذج التحويل مباشرةً من حزمة نموذج Black Forest Labs باستخدام [from_single_file()](/docs/diffusers/main/ar/api/loaders/single_file#diffusers.loaders.FromOriginalModelMixin.from_single_file). لا يتم قراءة ملف `config.json` في الحزمة؛ بل مرّر إعدادات diffusers عبر `config` و`subfolder`.

```python
import torch
from diffusers import Flux3Transformer2DModel, ModularPipeline
transformer = Flux3Transformer2DModel.from_single_file(
    "https://huggingface.co/black-forest-labs/flux-3-image-klein-base/blob/main/model.safetensors",
    config="black-forest-labs/flux-3-image-klein-base",
    subfolder="transformer",
    dtype=torch.bfloat16,
)
pipe = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein-base")
pipe.load_components(dtype={"vae": torch.float32, "default": torch.bfloat16})
pipe.update_components(transformer=transformer)
pipe.to("cuda")
```

حمّل المكونات الأخرى بالاسم أولاً: [load_components()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline#diffusers.ModularPipeline.load_components) بدون `names` سيؤدي أيضاً إلى تحميل المُحوِّل من مستودع خط المعالجة.

تُدعم أيضاً عملية تحميل نقاط التفتيش أحادية الملف الخاصة بـ FP8r وNVFP4. يتم تحميل كلاهما عبر نفس الاستدعاء باستخدام [BFLQuantizationConfig](/docs/diffusers/main/ar/api/quantization#diffusers.BFLQuantizationConfig). راجع [دليل تكميم BFL](../../quantization/bfl) لمعرفة متطلبات النواة لكل مخطط.

```python
from diffusers import BFLQuantizationConfig
transformer = Flux3Transformer2DModel.from_single_file(
    "https://huggingface.co/black-forest-labs/flux-3-image-klein-base/blob/main/variants/nvfp4/model.safetensors",
    config="black-forest-labs/flux-3-image-klein-base",
    subfolder="transformer",
    quantization_config=BFLQuantizationConfig(compute_dtype=torch.bfloat16),
    dtype=torch.bfloat16,
)
```

عند تحميل نقاط التفتيش المُقطّرة خطوة بخطوة، نحتاج إلى إعداداتها (`flow_map=True`):

```python
transformer = Flux3Transformer2DModel.from_single_file(
    "https://huggingface.co/black-forest-labs/flux-3-image-klein/blob/main/variants/nvfp4/model.safetensors",
    config="black-forest-labs/flux-3-image-klein",
    subfolder="transformer",
    quantization_config=BFLQuantizationConfig(compute_dtype=torch.bfloat16),
    dtype=torch.bfloat16,
)
```

## Flux3ModularPipeline[[diffusers.Flux3ModularPipeline]]

#### diffusers.Flux3ModularPipeline[[diffusers.Flux3ModularPipeline]]

```python
diffusers.Flux3ModularPipeline(blocks: diffusers.modular_pipelines.modular_pipeline.ModularPipelineBlocks | None = None, pretrained_model_name_or_path: str | os.PathLike | None = None, components_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = None, collection: str | None = None, workflow: str | None = None, modular_config_dict: dict[str, typing.Any] | None = None, config_dict: dict[str, typing.Any] | None = None, **kwargs)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/flux3/modular_pipeline.py#L24)

خط أنابيب معياري لـ FLUX.3.

## Flux3AutoBlocks[[diffusers.Flux3AutoBlocks]]

#### diffusers.Flux3AutoBlocks[[diffusers.Flux3AutoBlocks]]

```python
diffusers.Flux3AutoBlocks()
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/flux3/modular_blocks_flux3.py#L339)

Auto blocks التي تنفّذ توليد الصور من النص وتوليد الصور من الصور باستخدام FLUX.3. يمرّ `prompt` أولاً عبر مُوسّع المُوجِّه؛ احذف خطوة `prompt_upsampler` لتشفيره كما هو مُعطى.

سير العمل المدعومة:
- `text2image`: يتطلب `prompt`
- `image_conditioned`: يتطلب `prompt`، `image`

المكوّنات: prompt_upsampler (`Qwen3_5ForConditionalGeneration`): مُوسّع المُوجّه. prompt_upsampler_processor (`AutoProcessor`): مُعالِجه. text_encoder (`Qwen3VLForConditionalGeneration`) tokenizer (`AutoProcessor`) image_processor (`Flux3ImageProcessor`) vae (`AutoencoderKLFlux2`) transformer (`Flux3Transformer2DModel`) scheduler (`FlowMatchEulerDiscreteScheduler`) guider (`ClassifierFreeGuidance`)

المدخلات: prompt (`str`): تعليمات التحرير التي سيتم توسيعها إلى وصف كامل (واحدة لكل استدعاء). image (`Image | list`, *اختياري*): الصورة المرجعية أو الصور المرجعية للتحرير، بحد أقصى 10 صور؛ وهي نفس الصور التي تستقبلها خط المعالجة. boxes (`list`, *اختياري*): صناديق التخطيط، حيث يحتوي كل صندوق على {'id', 'desc', 'from', 'src_bbox', 'tgt_bbox'} مع تمثيل الصناديق على شكل [y_min, x_min, y_max, x_max] ضمن نطاق 0-1: 'from': 'target' مع `tgt_bbox` يضيف عنصراً في ذلك الموقع، بينما 'from': 'ref_image_0', ... مع `src_bbox` و`tgt_bbox` ينقل عنصراً من صورة مرجعية. max_new_tokens (`int`, *اختياري*, القيمة الافتراضية 3584): الحد الأقصى لعدد الرموز التي قد يولدها مُوسّع الوصف. negative_prompt (`str`, *اختياري*): الأمر الذي لا يجب أن يوجّه عملية التوليد max_sequence_length (`int`, *اختياري*, القيمة الافتراضية 8192): الحد الأقصى لعدد رموز الأمر؛ يتم اقتطاع الأوامر الأطول من ذلك. text_encoder_out_layers (`tuple`, *اختياري*, القيمة الافتراضية (4, 8, 12, 16, 20, 24, 28, 32)): فهارس طبقات المُشفِّر النصي المخفية التي تُكدّس حالاتها لتشكيل التضمينات النصية num_images_per_prompt (`int`, *اختياري*, القيمة الافتراضية 1): عدد الصور المراد توليدها لكل أمر. image_cond_latents (`list`, *اختياري*): كامنات مضغوطة ومعايرة للصور المرجعية، حيث يكون لكل صورة متجه واحد بأبعاد (B, C, height_i//16, width_i//16) height (`int`, *اختياري*, القيمة الافتراضية None أو 1024، حسب سير العمل): ارتفاع الصورة المولدة بالبكسلات؛ القيمة الافتراضية هي ارتفاع الصورة المرجعية الأولى نفسها width (`int`, *اختياري*, القيمة الافتراضية None أو 1024، حسب سير العمل): عرض الصورة المولدة بالبكسلات؛ القيمة الافتراضية هي عرض الصورة المرجعية الأولى نفسها reference_crop (`list | NoneType`, *اختياري*): لكل مرجع، صندوق المرجع داخل لوحته المحشوة أو None، من خطوة المعالجة المسبقة latents (`Tensor`): كامنات ضجيج مُولَّدة مسبقاً لتوليد الصور. generator (`Generator`, *اختياري*): مولّد Torch لتوليد حتمي. num_inference_steps (`int`): عدد خطوات إزالة الضجيج. timesteps (`Tensor`): خطوات الزمن لعملية إزالة الضجيج. (يتجاوز `num_inference_steps` عند توفيره) sigmas (`list`, *اختياري*): قيم سيجما مخصصة لعملية إزالة الضجيج. (يتجاوز `num_inference_steps` عند توفيره) **denoiser_input_fields (`None`, *اختياري*): مدخلات النموذج الشرطي لمزيل الضجيج: مثل prompt_embeds، negative_prompt_embeds، وما إلى ذلك. attention_kwargs (`dict`, *اختياري*): معاملات إضافية لمعالجات الانتباه. output_type (`str`, *اختياري*, القيمة الافتراضية pil): صيغة الإخراج: 'pil'، 'np'، 'pt'.
المخرجات: صور (`list`): الصور المولّدة. الكمونيات (`Tensor`): الكمونيات بعد إزالة الضوضاء.
## Flux3DistilledAutoBlocks[[diffusers.Flux3DistilledAutoBlocks]]
#### diffusers.Flux3DistilledAutoBlocks[[diffusers.Flux3DistilledAutoBlocks]]
```python
diffusers.Flux3DistilledAutoBlocks()
```
[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/flux3/modular_blocks_flux3_distilled.py#L258)
Auto blocks التي تنفّذ توليد الصور من النص وتوليد الصور من الصور باستخدام نموذج FLUX.3 المُقطّر على مستوى الخطوات (16 خطوة، بدون إرشاد حر من المُصنِّف). يمرّ `prompt` أولاً عبر مُوسِّع المُوجِّه؛ لإزالته، احذف خطوة `prompt_upsampler` ليتمّ ترميزه كما هو.
سير العمل المدعومة:
- `text2image`: يتطلب `prompt`
- `image_conditioned`: يتطلب `prompt`، `image`
المكوّنات: prompt_upsampler (`Qwen3_5ForConditionalGeneration`): مُوسّع المُوجّه. prompt_upsampler_processor (`AutoProcessor`): مُعالِجه. text_encoder (`Qwen3VLForConditionalGeneration`) tokenizer (`AutoProcessor`) image_processor (`Flux3ImageProcessor`) vae (`AutoencoderKLFlux2`) transformer (`Flux3Transformer2DModel`) scheduler (`FlowMatchEulerDiscreteScheduler`)
المدخلات: prompt (`str`): تعليمات التحرير التي سيتم توسيعها إلى الوصف الكامل (واحدة لكل استدعاء). image (`Image | list`, *اختياري*): الصورة المرجعية أو الصور المرجعية للتحرير، بحد أقصى 10 صور؛ وهي نفس الصور التي تستقبلها خط المعالجة. boxes (`list`, *اختياري*): صناديق التخطيط، حيث يحتوي كل صندوق على {'id', 'desc', 'from', 'src_bbox', 'tgt_bbox'} مع تمثيل الصناديق على شكل [y_min, x_min, y_max, x_max] ضمن نطاق 0-1: 'from': 'target' مع `tgt_bbox` يضيف عنصراً في ذلك الموقع، بينما 'from': 'ref_image_0', ... مع `src_bbox` و`tgt_bbox` ينقل عنصراً من صورة مرجعية. max_new_tokens (`int`, *اختياري*, القيمة الافتراضية 3584): الحد الأقصى لعدد الرموز التي قد يولدها مُوسّع الوصف. max_sequence_length (`int`, *اختياري*, القيمة الافتراضية 8192): الحد الأقصى لعدد رموز الأمر؛ يتم اقتطاع الأوامر الأطول من ذلك. text_encoder_out_layers (`tuple`, *اختياري*, القيمة الافتراضية (4, 8, 12, 16, 20, 24, 28, 32)): فهارس طبقات المخفية في مُشفّر النص التي تُكدّس حالاتها لتشكيل تضمينات النص num_images_per_prompt (`int`, *اختياري*, القيمة الافتراضية 1): عدد الصور التي سيتم توليدها لكل أمر. image_cond_latents (`list`, *اختياري*): كامنات مضغوطة ومعايرة للصور المرجعية، مع وجود متجه واحد لكل صورة على شكل (B, C, height_i//16, width_i//16) height (`int`, *اختياري*, القيمة الافتراضية None أو 1024، حسب سير العمل): ارتفاع الصورة المولدة بالبكسلات؛ القيمة الافتراضية هي ارتفاع الصورة المرجعية الأولى نفسها width (`int`, *اختياري*, القيمة الافتراضية None أو 1024، حسب سير العمل): عرض الصورة المولدة بالبكسلات؛ القيمة الافتراضية هي عرض الصورة المرجعية الأولى نفسها reference_crop (`list | NoneType`, *اختياري*): لكل مرجع، صندوق المرجع داخل لوحته المحشوة أو None، من خطوة المعالجة المسبقة latents (`Tensor`): كامنات ضجيج مُولدة مسبقاً لتوليد الصور. generator (`Generator`, *اختياري*): مولّد Torch لتوليد حتمي. num_inference_steps (`int`): عدد خطوات إزالة الضجيج. timesteps (`Tensor`): خطوات الزمن لعملية إزالة الضجيج. (تتجاوز `num_inference_steps` عند توفيرها) sigmas (`list`, *اختياري*): قيم سيجما مخصصة لعملية إزالة الضجيج. (تتجاوز `num_inference_steps` عند توفيرها) **denoiser_input_fields (`None`, *اختياري*): مدخلات النموذج الشرطي لمزيل الضجيج: مثل prompt_embeds، negative_prompt_embeds، وما إلى ذلك. output_type (`str`, *اختياري*, القيمة الافتراضية pil): صيغة الإخراج: 'pil'، 'np'، 'pt'.
المخرجات: صور (`list`): الصور المولّدة. الكمونيات (`Tensor`): الكمونيات بعد إزالة الضوضاء.
## Flux3DistilledModularPipeline[[diffusers.Flux3DistilledModularPipeline]]
#### diffusers.Flux3DistilledModularPipeline[[diffusers.Flux3DistilledModularPipeline]]
```python
diffusers.Flux3DistilledModularPipeline(blocks: diffusers.modular_pipelines.modular_pipeline.ModularPipelineBlocks | None = None, pretrained_model_name_or_path: str | os.PathLike | None = None, components_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = None, collection: str | None = None, workflow: str | None = None, modular_config_dict: dict[str, typing.Any] | None = None, config_dict: dict[str, typing.Any] | None = None, **kwargs)
```
[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/flux3/modular_pipeline.py#L52)
ModularPipeline لنموذج FLUX.3 المُقطّر خطوة بخطوة (16 خطوة، بدون إرشاد حر من المُصنّف).
Xet Storage Details

Size:: 33.4 kB
Xet hash:: 849a541e5c4a59940d4633516e48bb8bfe5599079fa4934d8bd64ba62e6805d8
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.