Buckets:
| # | |
| # Licenciado sob a Apache License, Versão 2.0 (a "Licença"); | |
| # você não pode usar este arquivo, exceto em conformidade com a Licença. | |
| # Você pode obter uma cópia da Licença em | |
| # | |
| # http://www.apache.org/licenses/LICENSE-2.0 | |
| # | |
| # A menos que exigido pela lei aplicável ou acordado por escrito, o software | |
| # distribuído sob a Licença é distribuído em uma base "COMO ESTÁ", | |
| # SEM GARANTIAS OU CONDIÇÕES DE QUALQUER TIPO, expressas ou implícitas. | |
| # Consulte a Licença para o idioma específico que rege as permissões e | |
| # limitações sob a Licença. --> | |
| # Anima | |
| Anima é um modelo de texto para imagem que reutiliza o [CosmosTransformer3DModel](/docs/diffusers/main/pt/api/models/cosmos_transformer3d#diffusers.CosmosTransformer3DModel) com um codificador de texto Qwen3, um condicionador de texto T5-token e o VAE [AutoencoderKLQwenImage](/docs/diffusers/main/pt/api/models/autoencoderkl_qwenimage#diffusers.AutoencoderKLQwenImage). | |
| ```python | |
| import torch | |
| from diffusers import ModularPipeline | |
| pipe = ModularPipeline.from_pretrained("circlestone-labs/Anima-Base-v1.0-Diffusers") | |
| pipe.load_components(dtype=torch.bfloat16) | |
| pipe.to("cuda") # or "mps", "xpu", "cpu" | |
| image = pipe(prompt="masterpiece, best quality, 1girl, solo, city lights").images[0] | |
| ``` | |
| ## AnimaModularPipeline[[diffusers.AnimaModularPipeline]] | |
| #### diffusers.AnimaModularPipeline[[diffusers.AnimaModularPipeline]] | |
| ```python | |
| diffusers.AnimaModularPipeline(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) | |
| ``` | |
| [Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/anima/modular_pipeline.py#L19) | |
| Uma ModularPipeline para Anima. | |
| ## AnimaAutoBlocks[[diffusers.AnimaAutoBlocks]] | |
| #### diffusers.AnimaAutoBlocks[[diffusers.AnimaAutoBlocks]] | |
| ```python | |
| diffusers.AnimaAutoBlocks() | |
| ``` | |
| [Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/anima/modular_blocks_anima.py#L312) | |
| Pipeline Modular Auto para geração de texto para imagem e imagem para imagem usando Anima. | |
| Fluxos de trabalho suportados: | |
| - `text2image`: requer `prompt` | |
| - `img2img`: requer `image`, `prompt` | |
| Componentes: text_encoder (`Qwen3Model`) tokenizer (`Qwen2Tokenizer`) t5_tokenizer (`T5Tokenizer`) guider (`ClassifierFreeGuidance`) vae (`AutoencoderKLQwenImage`) image_processor (`VaeImageProcessor`) text_conditioner (`AnimaTextConditioner`) transformer (`CosmosTransformer3DModel`) scheduler (`FlowMatchEulerDiscreteScheduler`) | |
| Inputs: prompt (`str`): O prompt ou prompts para orientar a geração de imagem. negative_prompt (`str`, *opcional*): O prompt ou prompts que não devem orientar a geração de imagem. max_sequence_length (`int`, *opcional*, padrão 512): Comprimento máximo da sequência para a codificação do prompt. image (`Image | list`, *opcional*): Imagem(ns) de referência para o desruidamento. Pode ser uma única imagem ou uma lista de imagens. height (`int`, *opcional*): A altura em pixels da imagem gerada. width (`int`, *opcional*): A largura em pixels da imagem gerada. generator (`Generator`, *opcional*): Gerador do Torch para geração determinística. num_images_per_prompt (`int`, *opcional*, padrão 1): O número de imagens a serem geradas por prompt. image_latents (`Tensor`, *opcional*): latents de imagem usados para orientar a geração de imagem. Podem ser gerados a partir da etapa vae_encoder. num_inference_steps (`int`): O número de etapas de desruidamento. sigmas (`list`, *opcional*): Sigmas personalizados para o processo de desruidamento. strength (`float`, *opcional*, padrão 0.9): Força para img2img/inpainting. latents (`Tensor`): Latents ruidosos pré-gerados para a geração de imagem. **denoiser_input_fields (`None`, *opcional*): As entradas condicionais do modelo para o desruidador Anima. output_type (`str`, *opcional*, padrão pil): Formato de saída: 'pil', 'np', 'pt'. | |
| Saídas: imagens (`list`): Imagens geradas. | |
| ## AnimaTextConditioner[[diffusers.AnimaTextConditioner]] | |
| #### diffusers.AnimaTextConditioner[[diffusers.AnimaTextConditioner]] | |
| ```python | |
| diffusers.AnimaTextConditioner(source_dim: int = 1024, target_dim: int = 1024, model_dim: int = 1024, num_layers: int = 6, num_attention_heads: int = 16, mlp_ratio: float = 4.0, target_vocab_size: int = 32128, use_self_attention: bool = True, use_layer_norm: bool = False, min_sequence_length: int = 512) | |
| ``` | |
| [Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/condition_embedders/condition_embedder_anima.py#L229) | |
| Condicionador de texto usado pelo Anima para mapear os estados ocultos do Qwen3 e os ids de tokens do T5 para embeddings de texto do Cosmos. | |
| Anima reutiliza o Cosmos Predict2 DiT. O único módulo de condicionamento específico do modelo é este adaptador de LLM, que realiza cross-attention a partir dos embeddings de tokens T5 aprendidos para os estados ocultos do codificador de texto Qwen3 antes do loop de difusão. `target_dim` é a dimensão de saída do condicionador e deve corresponder ao `text_embed_dim` do transformer. | |
| #### forward[[diffusers.AnimaTextConditioner.forward]] | |
| ```python | |
| forward(source_hidden_states: Tensor, target_input_ids: Tensor, target_attention_mask: typing.Optional[torch.Tensor] = None, source_attention_mask: typing.Optional[torch.Tensor] = None) | |
| ``` | |
| [Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/condition_embedders/condition_embedder_anima.py#L285) | |
| **Parâmetros:** | |
| source_hidden_states (`torch.Tensor` de forma `(batch_size, source_sequence_length, source_dim)`) : estados ocultos do codificador de texto Qwen3 para condicionar. | |
| target_input_ids (`torch.Tensor` de forma `(batch_size, target_sequence_length)`) : ids de tokens T5 usados como tokens de consulta aprendidos. | |
| target_attention_mask (`torch.Tensor`, *opcional*) : Máscara de atenção para os ids de tokens T5 de destino. | |
| source_attention_mask (`torch.Tensor`, *opcional*) : Máscara de atenção para os estados ocultos de origem do Qwen3. | |
| **Retorna:** `torch.Tensor` | |
| Embeddings de condicionamento de texto para o transformer Cosmos. | |
Xet Storage Details
- Size:
- 6.47 kB
- Xet hash:
- 3d68fe9cf61b9f038a91e3016a67921261058133f751f6d808381f3833746266
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.