# # Sous licence Apache License, Version 2.0 (la « Licence ») ; # vous ne pouvez utiliser ce fichier que conformément à la Licence. # Vous pouvez obtenir un exemplaire de la Licence à # # http://www.apache.org/licenses/LICENSE-2.0 # # Sauf exigence légale ou accord écrit # distribué sous la Licence est distribué sur une base « EN L'ÉTAT », # SANS AUCUNE GARANTIE NI CONDITION, explicite ou implicite. # Voir la Licence pour le langage spécifique régissant les autorisations et # limitations under the License. --> # HunyuanImage2.1 HunyuanImage-2.1 est un modèle texte-vers-image de 17B capable de générer des images en résolution 2K (2048 x 2048) HunyuanImage-2.1 est disponible dans les variantes suivantes : | type de modèle | identifiant du modèle | |:----------:|:--------:| | HunyuanImage-2.1 | [hunyuanvideo-community/HunyuanImage-2.1-Diffusers](https://huggingface.co/hunyuanvideo-community/HunyuanImage-2.1-Diffusers) | | HunyuanImage-2.1-Distilled | [hunyuanvideo-community/HunyuanImage-2.1-Distilled-Diffusers](https://huggingface.co/hunyuanvideo-community/HunyuanImage-2.1-Distilled-Diffusers) | | HunyuanImage-2.1-Refiner | [hunyuanvideo-community/HunyuanImage-2.1-Refiner-Diffusers](https://huggingface.co/hunyuanvideo-community/HunyuanImage-2.1-Refiner-Diffusers) | > [!TIP] > [La mise en cache](../../optimization/cache) peut également accélérer l'inférence en stockant et en réutilisant les sorties intermédiaires. ## HunyuanImage-2.1 HunyuanImage-2.1 applique [Adaptive Projected Guidance (APG)](https://huggingface.co/papers/2410.02416) combiné à Classifier-Free Guidance (CFG) dans la boucle de débruitage. `HunyuanImagePipeline` possède un composant `guider` (en savoir plus sur [Guider](../../using-diffusers/guiders)) et n'accepte pas de paramètre `guidance_scale` à l'exécution. Pour modifier les paramètres liés au guider, par exemple `guidance_scale`, vous pouvez mettre à jour la configuration du `guider` à la place. ```python import torch from diffusers import HunyuanImagePipeline pipe = HunyuanImagePipeline.from_pretrained( "hunyuanvideo-community/HunyuanImage-2.1-Diffusers", dtype=torch.bfloat16 ) pipe = pipe.to("cuda") # or "mps", "xpu", "cpu" ``` Vous pouvez inspecter l'objet `guider` : ```py >>> pipe.guider AdaptiveProjectedMixGuidance { "_class_name": "AdaptiveProjectedMixGuidance", "_diffusers_version": "0.36.0.dev0", "adaptive_projected_guidance_momentum": -0.5, "adaptive_projected_guidance_rescale": 10.0, "adaptive_projected_guidance_scale": 10.0, "adaptive_projected_guidance_start_step": 5, "enabled": true, "eta": 0.0, "guidance_rescale": 0.0, "guidance_scale": 3.5, "start": 0.0, "stop": 1.0, "use_original_formulation": false } State: step: None num_inference_steps: None timestep: None count_prepared: 0 enabled: True num_conditions: 2 momentum_buffer: None is_apg_enabled: False is_cfg_enabled: True ``` Pour mettre à jour le guider avec une configuration différente, utilisez la méthode `new()`. Par exemple, pour générer une image avec `guidance_scale=5.0` tout en conservant tous les autres paramètres de guidage par défaut : ```py import torch from diffusers import HunyuanImagePipeline pipe = HunyuanImagePipeline.from_pretrained( "hunyuanvideo-community/HunyuanImage-2.1-Diffusers", dtype=torch.bfloat16 ) pipe = pipe.to("cuda") # or "mps", "xpu", "cpu" # Update the guider configuration pipe.guider = pipe.guider.new(guidance_scale=5.0) prompt = ( "A cute, cartoon-style anthropomorphic penguin plush toy with fluffy fur, standing in a painting studio, " "wearing a red knitted scarf and a red beret with the word 'Tencent' on it, holding a paintbrush with a " "focused expression as it paints an oil painting of the Mona Lisa, rendered in a photorealistic photographic style." ) image = pipe( prompt=prompt, num_inference_steps=50, height=2048, width=2048, ).images[0] image.save("image.png") ``` ## HunyuanImage-2.1-Distilled utilisez `distilled_guidance_scale` avec le point de contrôle distillé par guidance, ```py import torch from diffusers import HunyuanImagePipeline pipe = HunyuanImagePipeline.from_pretrained("hunyuanvideo-community/HunyuanImage-2.1-Distilled-Diffusers", dtype=torch.bfloat16) pipe = pipe.to("cuda") # or "mps", "xpu", "cpu" prompt = ( "A cute, cartoon-style anthropomorphic penguin plush toy with fluffy fur, standing in a painting studio, " "wearing a red knitted scarf and a red beret with the word 'Tencent' on it, holding a paintbrush with a " "focused expression as it paints an oil painting of the Mona Lisa, rendered in a photorealistic photographic style." ) out = pipe( prompt, num_inference_steps=8, distilled_guidance_scale=3.25, height=2048, width=2048, generator=generator, ).images[0] ``` ## HunyuanImagePipeline[[diffusers.HunyuanImagePipeline]] #### diffusers.HunyuanImagePipeline[[diffusers.HunyuanImagePipeline]] ```python diffusers.HunyuanImagePipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKLHunyuanImage, text_encoder: Qwen2_5_VLForConditionalGeneration, tokenizer: Qwen2Tokenizer, text_encoder_2: T5EncoderModel, tokenizer_2: ByT5Tokenizer, transformer: HunyuanImageTransformer2DModel, guider: AdaptiveProjectedMixGuidance | None = None, ocr_guider: AdaptiveProjectedMixGuidance | None = None) ``` [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage.py#L160) **Paramètres :** transformer ([HunyuanImageTransformer2DModel](/docs/diffusers/main/fr/api/models/hunyuanimage_transformer_2d#diffusers.HunyuanImageTransformer2DModel)) : architecture Transformer conditionnelle (MMDiT) pour le débruitage des latents d'image encodés. scheduler ([FlowMatchEulerDiscreteScheduler](/docs/diffusers/main/fr/api/schedulers/flow_match_euler_discrete#diffusers.FlowMatchEulerDiscreteScheduler)) : un planificateur à utiliser en combinaison avec `transformer` pour débruyer les latents d'image encodés. vae ([AutoencoderKLHunyuanImage](/docs/diffusers/main/fr/api/models/autoencoder_kl_hunyuanimage#diffusers.AutoencoderKLHunyuanImage)) : modèle de Variational Auto-Encoder (VAE) permettant d’encoder et de décoder des images vers et depuis des représentations latentes. text_encoder (`Qwen2.5-VL-7B-Instruct`) : [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct), plus précisément la variante [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct). tokenizer (`Qwen2Tokenizer`) : Tokenizer de la classe [Qwen2Tokenizer]. text_encoder_2 (`T5EncoderModel`) : variante [T5EncoderModel](https://huggingface.co/docs/transformers/en/model_doc/t5#transformers.T5EncoderModel). tokenizer_2 (`ByT5Tokenizer`) : Tokenizer de la classe [ByT5Tokenizer] guider (`AdaptiveProjectedMixGuidance`) : [AdaptiveProjectedMixGuidance] à utiliser pour guider la génération d'images. ocr_guider (`AdaptiveProjectedMixGuidance`, *facultatif*) : [AdaptiveProjectedMixGuidance] à utiliser pour guider la génération d’image lorsque le rendu de texte est nécessaire. Le pipeline HunyuanImage pour la génération d'images à partir de texte. #### __appel__[[diffusers.HunyuanImagePipeline.__call__]] ```python __call__(prompt: str | list[str] = None, negative_prompt: str | list[str] = None, height: int | None = None, width: int | None = None, num_inference_steps: int = 50, distilled_guidance_scale: float | None = 3.25, sigmas: list[float] | None = None, num_images_per_prompt: int = 1, generator: torch.Generator | list[torch.Generator] | None = None, latents: torch.Tensor | None = None, prompt_embeds: torch.Tensor | None = None, prompt_embeds_mask: torch.Tensor | None = None, negative_prompt_embeds: torch.Tensor | None = None, negative_prompt_embeds_mask: torch.Tensor | None = None, prompt_embeds_2: torch.Tensor | None = None, prompt_embeds_mask_2: torch.Tensor | None = None, negative_prompt_embeds_2: torch.Tensor | None = None, negative_prompt_embeds_mask_2: torch.Tensor | None = None, output_type: str | None = 'pil', return_dict: bool = True, attention_kwargs: dict[str, Any] | None = None, callback_on_step_end: Callable[[int, int], None] | None = None, callback_on_step_end_tensor_inputs: list[str] = ['latents']) ``` [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage.py#L504) **Paramètres :** prompt (`str` ou `list[str]`, *facultatif*) : Le prompt ou les prompts pour guider la génération d’image. S’il n’est pas défini, il faut passer `prompt_embeds` à la place. negative_prompt (`str` ou `list[str]`, *facultatif*) : Le prompt ou les prompts à ne pas utiliser pour guider la génération de l'image. S'il n'est pas défini et que negative_prompt_embeds n'est pas fourni, un prompt négatif vide sera utilisé. Ignoré lorsque la guidance n'est pas utilisée. ). height (`int`, *facultatif*, par défaut self.unet.config.sample_size * self.vae_scale_factor) : La hauteur en pixels de l'image générée. Cette valeur est fixée à 1024 par défaut pour obtenir les meilleurs résultats. width (`int`, *facultatif*, par défaut self.unet.config.sample_size * self.vae_scale_factor) : La largeur en pixels de l'image générée. Cette valeur est fixée à 1024 par défaut pour obtenir les meilleurs résultats. num_inference_steps (`int`, *facultatif*, valeur par défaut 50) : Le nombre d'étapes de débruitage. Un plus grand nombre d'étapes de débruitage conduit généralement à une image de meilleure qualité, au prix d'une inférence plus lente. sigmas (`list[float]`, *facultatif*) : Sigmas personnalisés à utiliser pour le processus de débruitage avec les planificateurs qui prennent en charge un argument `sigmas` dans leur méthode `set_timesteps`. S'ils ne sont pas définis, le comportement par défaut lorsque `num_inference_steps` est passé sera utilisé. distilled_guidance_scale (`float`, *facultatif*, valeur par défaut None) : valeur d'échelle de guidage pour les modèles distillés avec guidage. Contrairement au guidage sans classifieur traditionnel, où l'échelle de guidage est appliquée lors de l'inférence par le rééchelonnement de la prédiction du bruit, les modèles distillés avec guidage prennent l'échelle de guidage directement comme paramètre d'entrée lors du passage avant. Le guidage est activé en définissant `distilled_guidance_scale > 1`. Une échelle de guidage plus élevée encourage la génération d'images étroitement liées au `prompt` texte, généralement au détriment de la qualité de l'image. Pour les modèles distillés avec guidage, ce paramètre est obligatoire. Pour les modèles non distillés, ce paramètre sera ignoré. num_images_per_prompt (`int`, *facultatif*, valeur par défaut 1) : Le nombre d'images à générer par invite. generator (`torch.Generator` ou `list[torch.Generator]`, *facultatif*) : Un ou une liste de [générateurs torch](https://pytorch.org/docs/stable/generated/torch.Generator.html) pour rendre la génération déterministe. latents (`torch.Tensor`, *facultatif*) : Latents bruités pré-générés, échantillonnés à partir d'une distribution gaussienne, à utiliser comme entrées pour la génération d'images. Peut être utilisé pour ajuster la même génération avec des prompts différents. S'il n'est pas fourni, un tenseur de latents sera généré par échantillonnage à l'aide du `generator` aléatoire fourni. prompt_embeds (`torch.Tensor`, *facultatif*) : Incrustations de texte pré-générées. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* pondération des prompts. Si non fourni, les incrustations de texte seront générées à partir de l'argument d'entrée `prompt`. prompt_embeds_mask (`torch.Tensor`, *facultatif*) : Masque d'embeddings de texte pré-généré. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* le pondération des prompts. S'il n'est pas fourni, le masque d'embeddings de texte sera généré à partir de l'argument d'entrée `prompt`. prompt_embeds_2 (`torch.Tensor`, *facultatif*) : Embeddings de texte pré-générés pour ocr. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* le pondération des prompts. S'il n'est pas fourni, les embeddings de texte pour ocr seront générés à partir de l'argument d'entrée `prompt`. prompt_embeds_mask_2 (`torch.Tensor`, *facultatif*) : Masque d'embeddings de texte pré-généré pour ocr. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* le pondération des prompts. S'il n'est pas fourni, le masque d'embeddings de texte pour ocr sera généré à partir de l'argument d'entrée `prompt`. negative_prompt_embeds (`torch.Tensor`, *facultatif*) : Embeddings de texte négatif pré-générés. Peut être utilisé pour ajuster facilement les entrées de texte, *par exemple* le pondération des prompts. S'il n'est pas fourni, negative_prompt_embeds sera généré à partir de l'argument d'entrée `negative_prompt`. negative_prompt_embeds_mask (`torch.Tensor`, *facultatif*) : Masque des embeddings de texte négatifs pré-générés. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* le pondération des prompts. S'il n'est pas fourni, le masque des embeddings de texte négatifs sera généré à partir de l'argument d'entrée `negative_prompt`. negative_prompt_embeds_2 (`torch.Tensor`, *facultatif*) : Embeddings de texte négatifs pré-générés pour ocr. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* le pondération des prompts. S'ils ne sont pas fournis, les embeddings de texte négatifs pour ocr seront générés à partir de l'argument d'entrée `negative_prompt`. negative_prompt_embeds_mask_2 (`torch.Tensor`, *facultatif*) : masque des embeddings de texte négatifs pré-générés pour ocr. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* le pondération des prompts. S'il n'est pas fourni, le masque des embeddings de texte négatifs pour ocr sera généré à partir de l'argument d'entrée `negative_prompt`. output_type (`str`, *facultatif*, par défaut `"pil"`) : Le format de sortie de l'image générée. Choisissez entre [PIL](https://pillow.readthedocs.io/en/stable/) : `PIL.Image.Image` ou `np.array`. return_dict (`bool`, *facultatif*, par défaut `True`) : Indique s'il faut retourner un `~pipelines.qwenimage.QwenImagePipelineOutput` plutôt qu'un simple tuple. attention_kwargs (`dict`, *facultatif*) : Un dictionnaire de kwargs qui, s'il est spécifié, est transmis à l'`AttentionProcessor` tel que défini sous `self.processor` dans [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). callback_on_step_end (`Callable`, *facultatif*) : une fonction appelée à la fin de chaque étape de débruitage pendant l’inférence. La fonction est appelée avec les arguments suivants : `callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)`. `callback_kwargs` contiendra une liste de tous les tenseurs, tels que spécifiés par `callback_on_step_end_tensor_inputs`. callback_on_step_end_tensor_inputs (`List`, *facultatif*) : La liste des entrées de tenseurs pour la fonction `callback_on_step_end`. Les tenseurs spécifiés dans la liste seront passés en tant qu'argument `callback_kwargs`. Vous ne pourrez inclure que les variables listées dans l'attribut `._callback_tensor_inputs` de votre classe de pipeline. **Retourne :** `~pipelines.hunyuan_image.HunyuanImagePipelineOutput` ou `tuple` `~pipelines.hunyuan_image.HunyuanImagePipelineOutput` si `return_dict` est True, sinon un `tuple`. En cas de retour d'un tuple, le premier élément est une liste contenant les images générées. Fonction appelée lors de l'appel du pipeline pour la génération. Exemples : ```py >>> import torch >>> from diffusers import HunyuanImagePipeline >>> pipe = HunyuanImagePipeline.from_pretrained( ... "hunyuanvideo-community/HunyuanImage-2.1-Diffusers", torch_dtype=torch.bfloat16 ... ) >>> pipe.to("cuda") >>> prompt = "A cat holding a sign that says hello world" >>> # Depending on the variant being used, the pipeline call will slightly vary. >>> # Refer to the pipeline documentation for more details. >>> image = pipe(prompt, negative_prompt="", num_inference_steps=50).images[0] >>> image.save("hunyuanimage.png") ``` #### encode_prompt[[diffusers.HunyuanImagePipeline.encode_prompt]] ```python encode_prompt(prompt: str | list[str], device: torch.device | None = None, batch_size: int = 1, num_images_per_prompt: int = 1, prompt_embeds: torch.Tensor | None = None, prompt_embeds_mask: torch.Tensor | None = None, prompt_embeds_2: torch.Tensor | None = None, prompt_embeds_mask_2: torch.Tensor | None = None) ``` [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage.py#L296) **Paramètres :** prompt (`str` ou `list[str]`, *facultatif*) : invite à encoder device : (`torch.device`) : appareil torch batch_size (`int`) : taille du lot de prompts, par défaut 1 num_images_per_prompt (`int`) : nombre d'images à générer par invite prompt_embeds (`torch.Tensor`, *facultatif*) : Incrustations de texte pré-générées. Si non fournies, les incrustations de texte seront générées à partir de l'argument d'entrée `prompt`. prompt_embeds_mask (`torch.Tensor`, *facultatif*) : Masque de texte pré-généré. S'il n'est pas fourni, le masque de texte sera généré à partir de l'argument d'entrée `prompt`. prompt_embeds_2 (`torch.Tensor`, *facultatif*) : Incrustations de texte de glyphes pré-générées par ByT5. Si non fournies, elles seront générées à partir de l'argument d'entrée `prompt` en utilisant self.tokenizer_2 et self.text_encoder_2. prompt_embeds_mask_2 (`torch.Tensor`, *facultatif*) : masque de texte des glyphes pré-généré par ByT5. S'il n'est pas fourni, il sera généré à partir de l'argument d'entrée `prompt` en utilisant self.tokenizer_2 et self.text_encoder_2. ## HunyuanImageRefinerPipeline[[diffusers.HunyuanImageRefinerPipeline]] #### diffusers.HunyuanImageRefinerPipeline[[diffusers.HunyuanImageRefinerPipeline]] ```python diffusers.HunyuanImageRefinerPipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKLHunyuanImageRefiner, text_encoder: Qwen2_5_VLForConditionalGeneration, tokenizer: Qwen2Tokenizer, transformer: HunyuanImageTransformer2DModel, guider: AdaptiveProjectedMixGuidance | None = None) ``` [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage_refiner.py#L138) **Paramètres :** transformer ([HunyuanImageTransformer2DModel](/docs/diffusers/main/fr/api/models/hunyuanimage_transformer_2d#diffusers.HunyuanImageTransformer2DModel)) : architecture Transformer conditionnelle (MMDiT) pour le débruitage des latents d'image encodés. scheduler ([FlowMatchEulerDiscreteScheduler](/docs/diffusers/main/fr/api/schedulers/flow_match_euler_discrete#diffusers.FlowMatchEulerDiscreteScheduler)) : un planificateur à utiliser en combinaison avec `transformer` pour débruyer les latents d'image encodés. vae ([AutoencoderKLHunyuanImageRefiner](/docs/diffusers/main/fr/api/models/autoencoder_kl_hunyuanimage_refiner#diffusers.AutoencoderKLHunyuanImageRefiner)) : modèle de Variational Auto-Encoder (VAE) permettant d’encoder et de décoder des images vers et depuis des représentations latentes. text_encoder (`Qwen2.5-VL-7B-Instruct`) : [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct), plus précisément la variante [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct). tokenizer (`Qwen2Tokenizer`) : Tokenizer de la classe [Qwen2Tokenizer]. Le pipeline HunyuanImage pour la génération d'images à partir de texte. #### __appel__[[diffusers.HunyuanImageRefinerPipeline.__call__]] ```python __call__(prompt: str | list[str] = None, negative_prompt: str | list[str] = None, distilled_guidance_scale: float | None = 3.25, image: PipelineImageInput | None = None, height: int | None = None, width: int | None = None, num_inference_steps: int = 4, sigmas: list[float] | None = None, num_images_per_prompt: int = 1, generator: torch.Generator | list[torch.Generator] | None = None, latents: torch.Tensor | None = None, prompt_embeds: torch.Tensor | None = None, prompt_embeds_mask: torch.Tensor | None = None, negative_prompt_embeds: torch.Tensor | None = None, negative_prompt_embeds_mask: torch.Tensor | None = None, output_type: str | None = 'pil', return_dict: bool = True, attention_kwargs: dict[str, Any] | None = None, callback_on_step_end: Callable[[int, int], None] | None = None, callback_on_step_end_tensor_inputs: list[str] = ['latents']) ``` [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage_refiner.py#L436) **Paramètres :** prompt (`str` ou `list[str]`, *facultatif*) : Le prompt ou les prompts pour guider la génération d’image. S’il n’est pas défini, il faut passer `prompt_embeds` à la place. negative_prompt (`str` ou `list[str]`, *facultatif*) : Le prompt ou les prompts à ne pas utiliser pour guider la génération d'image. S'il n'est pas défini, un prompt négatif vide sera utilisé. Ignoré lorsque la guidance n'est pas utilisée. distilled_guidance_scale (`float`, *facultatif*, valeur par défaut None) : valeur d'échelle de guidage pour les modèles distillés avec guidage. Contrairement au guidage sans classifieur traditionnel, où l'échelle de guidage est appliquée lors de l'inférence par le rééchelonnement de la prédiction du bruit, les modèles distillés avec guidage prennent l'échelle de guidage directement comme paramètre d'entrée lors du passage avant. Le guidage est activé en définissant `distilled_guidance_scale > 1`. Une échelle de guidage plus élevée encourage la génération d'images étroitement liées au `prompt` texte, généralement au détriment de la qualité de l'image. Pour les modèles distillés avec guidage, ce paramètre est obligatoire. Pour les modèles non distillés, ce paramètre sera ignoré. image (`PipelineImageInput`, *facultatif*) : L'image d'entrée à affiner. num_images_per_prompt (`int`, *facultatif*, valeur par défaut 1) -- height (`int`, *facultatif*, par défaut self.unet.config.sample_size * self.vae_scale_factor) : La hauteur en pixels de l'image générée. Cette valeur est fixée à 1024 par défaut pour obtenir les meilleurs résultats. width (`int`, *facultatif*, par défaut self.unet.config.sample_size * self.vae_scale_factor) : La largeur en pixels de l'image générée. Cette valeur est fixée à 1024 par défaut pour obtenir les meilleurs résultats. num_inference_steps (`int`, *facultatif*, valeur par défaut 50) : Le nombre d'étapes de débruitage. Un plus grand nombre d'étapes de débruitage conduit généralement à une image de meilleure qualité, au prix d'une inférence plus lente. sigmas (`list[float]`, *facultatif*) : Sigmas personnalisés à utiliser pour le processus de débruitage avec les planificateurs qui prennent en charge un argument `sigmas` dans leur méthode `set_timesteps`. S'ils ne sont pas définis, le comportement par défaut lorsque `num_inference_steps` est passé sera utilisé. num_images_per_prompt (`int`, *facultatif*, valeur par défaut 1) : Le nombre d'images à générer par invite. generator (`torch.Generator` ou `list[torch.Generator]`, *facultatif*) : Un ou une liste de [générateurs torch](https://pytorch.org/docs/stable/generated/torch.Generator.html) pour rendre la génération déterministe. latents (`torch.Tensor`, *facultatif*) : Latents bruités pré-générés, échantillonnés à partir d'une distribution gaussienne, à utiliser comme entrées pour la génération d'images. Peut être utilisé pour ajuster la même génération avec des prompts différents. S'il n'est pas fourni, un tenseur de latents sera généré par échantillonnage à l'aide du `generator` aléatoire fourni. prompt_embeds (`torch.Tensor`, *facultatif*) : Incrustations de texte pré-générées. Peut être utilisé pour ajuster facilement les entrées de texte, *par ex.* pondération des prompts. Si non fourni, les incrustations de texte seront générées à partir de l'argument d'entrée `prompt`. prompt_embeds_mask (`torch.Tensor`, *facultatif*) : Masque d'attention pour `prompt_embeds`. negative_prompt_embeds (`torch.Tensor`, *facultatif*) : Embeddings de texte négatif pré-générés. Peut être utilisé pour ajuster facilement les entrées de texte, *par exemple* le pondération des prompts. S'il n'est pas fourni, negative_prompt_embeds sera généré à partir de l'argument d'entrée `negative_prompt`. negative_prompt_embeds_mask (`torch.Tensor`, *facultatif*) : Masque d'attention pour `negative_prompt_embeds`. output_type (`str`, *facultatif*, par défaut `"pil"`) : Le format de sortie de l'image générée. Choisissez entre [PIL](https://pillow.readthedocs.io/en/stable/) : `PIL.Image.Image` ou `np.array`. return_dict (`bool`, *facultatif*, par défaut `True`) : Indique s'il faut retourner un `~pipelines.qwenimage.QwenImagePipelineOutput` plutôt qu'un simple tuple. attention_kwargs (`dict`, *facultatif*) : Un dictionnaire de kwargs qui, s'il est spécifié, est transmis à l'`AttentionProcessor` tel que défini sous `self.processor` dans [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). callback_on_step_end (`Callable`, *facultatif*) : une fonction appelée à la fin de chaque étape de débruitage pendant l’inférence. La fonction est appelée avec les arguments suivants : `callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)`. `callback_kwargs` contiendra une liste de tous les tenseurs, tels que spécifiés par `callback_on_step_end_tensor_inputs`. callback_on_step_end_tensor_inputs (`List`, *facultatif*) : La liste des entrées de tenseurs pour la fonction `callback_on_step_end`. Les tenseurs spécifiés dans la liste seront passés en tant qu'argument `callback_kwargs`. Vous ne pourrez inclure que les variables listées dans l'attribut `._callback_tensor_inputs` de votre classe de pipeline. **Retourne :** `~pipelines.hunyuan_image.HunyuanImagePipelineOutput` ou `tuple` `~pipelines.hunyuan_image.HunyuanImagePipelineOutput` si `return_dict` est True, sinon un `tuple`. En cas de retour d'un tuple, le premier élément est une liste contenant les images générées. Fonction appelée lors de l'appel du pipeline pour la génération. Exemples : ```py >>> import torch >>> from diffusers import HunyuanImageRefinerPipeline >>> pipe = HunyuanImageRefinerPipeline.from_pretrained( ... "hunyuanvideo-community/HunyuanImage-2.1-Refiner-Diffusers", torch_dtype=torch.bfloat16 ... ) >>> pipe.to("cuda") >>> prompt = "A cat holding a sign that says hello world" >>> image = load_image("path/to/image.png") >>> # Depending on the variant being used, the pipeline call will slightly vary. >>> # Refer to the pipeline documentation for more details. >>> image = pipe(prompt, image=image, num_inference_steps=4).images[0] >>> image.save("hunyuanimage.png") ``` #### encode_prompt[[diffusers.HunyuanImageRefinerPipeline.encode_prompt]] ```python encode_prompt(prompt: str | list[str] | None = None, device: torch.device | None = None, batch_size: int = 1, num_images_per_prompt: int = 1, prompt_embeds: torch.Tensor | None = None, prompt_embeds_mask: torch.Tensor | None = None) ``` [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage_refiner.py#L225) **Paramètres :** prompt (`str` ou `list[str]`, *facultatif*) : invite à encoder device : (`torch.device`) : appareil torch batch_size (`int`) : taille du lot de prompts, par défaut 1 num_images_per_prompt (`int`) : nombre d'images à générer par invite prompt_embeds (`torch.Tensor`, *facultatif*) : Incrustations de texte pré-générées. Si non fournies, les incrustations de texte seront générées à partir de l'argument d'entrée `prompt`. prompt_embeds_mask (`torch.Tensor`, *facultatif*) : Masque de texte pré-généré. S'il n'est pas fourni, le masque de texte sera généré à partir de l'argument d'entrée `prompt`. prompt_embeds_2 (`torch.Tensor`, *facultatif*) : Incrustations de texte de glyphes pré-générées par ByT5. Si non fournies, elles seront générées à partir de l'argument d'entrée `prompt` en utilisant self.tokenizer_2 et self.text_encoder_2. prompt_embeds_mask_2 (`torch.Tensor`, *facultatif*) : masque de texte des glyphes pré-généré par ByT5. S'il n'est pas fourni, il sera généré à partir de l'argument d'entrée `prompt` en utilisant self.tokenizer_2 et self.text_encoder_2. ## HunyuanImagePipelineOutput[[diffusers.pipelines.hunyuan_image.pipeline_output.HunyuanImagePipelineOutput]] #### diffusers.pipelines.hunyuan_image.pipeline_output.HunyuanImagePipelineOutput[[diffusers.pipelines.hunyuan_image.pipeline_output.HunyuanImagePipelineOutput]] ```python diffusers.pipelines.hunyuan_image.pipeline_output.HunyuanImagePipelineOutput(images: list[PIL.Image.Image, numpy.ndarray]) ``` [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_output.py#L10) **Paramètres :** images (`list[PIL.Image.Image]` ou `np.ndarray`) : Liste d'images PIL débruitées de longueur `batch_size` ou tableau numpy de forme `(batch_size, height, width, num_channels)`. Les images PIL ou le tableau numpy présentent les images débruitées du pipeline de diffusion. Classe de sortie pour les pipelines HunyuanImage.