# Krea 2

Krea 2 (K2)는 그룹 쿼리 어텐션을 갖춘 단일 스트림 MMDiT를 기반으로 구축된 플로우 매칭 텍스트-이미지 모델입니다. Qwen3-VL 텍스트 인코더가 조건을 제공합니다. 마지막 히든 상태 대신, 토큰당 12개의 디코더 레이어에서 히든 상태를 추출하여 작은 텍스트 퓨전 단계에서 트랜스포머 내부에서 융합합니다. 이미지는 Qwen-Image VAE로 디코딩됩니다.

두 개의 체크포인트가 릴리스되며, 동일한 아키텍처를 공유하지만 권장 샘플러 설정이 다릅니다:

- **Base (midtrain)** — classifier-free guidance를 사용하는 전체 sampler를 사용하세요: `num_inference_steps=28`, `guidance_scale=4.5`.
- **TDM (distilled)** — few-step sampling을 위해 증류된 모델로, `num_inference_steps=8`로 실행하고 guidance를 비활성화합니다(`guidance_scale=0.0`).

`guidance_scale`는 Krea 2 규약을 따릅니다: velocity는 `cond + guidance_scale * (cond - uncond)`로 계산되며, `guidance_scale > 0`인 경우에만 guidance가 활성화됩니다(이는 scale이 `1 + guidance_scale`인 일반적인 CFG 수식과 동일합니다).

## 텍스트-이미지

```python
import torch
from diffusers import Krea2Pipeline

# Load from a local directory produced by the Krea 2 conversion (no hub repo yet).
pipe = Krea2Pipeline.from_pretrained("krea/Krea-2-Raw", dtype=torch.bfloat16)
pipe.to("cuda")  # or "mps", "xpu", "cpu"

prompt = "a fox in the snow"
image = pipe(
    prompt,
    height=1024,
    width=1024,
    num_inference_steps=28,
    guidance_scale=4.5,
    generator=torch.Generator("cuda").manual_seed(0),
).images[0]
image.save("krea2.png")
```

Krea2 Turbo를 사용하는 예제도 추가로 제공합니다:

```python
import torch
from diffusers import Krea2Pipeline

pipe = Krea2Pipeline.from_pretrained("krea/Krea-2-Turbo", dtype=torch.bfloat16)
pipe.to("cuda")  # or "mps", "xpu", "cpu"

image = pipe(
    "a fox in the snow",
    height=1024,
    width=1024,
    num_inference_steps=8,
    guidance_scale=0.0,
    generator=torch.Generator("cuda").manual_seed(0),
).images[0]
image.save("krea2_turbo.png")
```

## 단일 파일 체크포인트 로드

```python
import torch
from diffusers import Krea2Pipeline, Krea2Transformer2DModel

transformer = Krea2Transformer2DModel.from_single_file(
    "https://huggingface.co/krea/Krea-2-Turbo/blob/main/turbo.safetensors", dtype=torch.bfloat16
)
pipe = Krea2Pipeline.from_pretrained("krea/Krea-2-Turbo", transformer=transformer, dtype=torch.bfloat16).to("cuda")
```

## Krea2Pipeline[[diffusers.Krea2Pipeline]]

#### diffusers.Krea2Pipeline[[diffusers.Krea2Pipeline]]

```python
diffusers.Krea2Pipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKLQwenImage, text_encoder: Qwen3VLModel, tokenizer: AutoTokenizer, transformer: Krea2Transformer2DModel, text_encoder_select_layers: tuple[int, ...] | list[int] | None = None, is_distilled: bool = False, patch_size: int = 2)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/krea2/pipeline_krea2.py#L134)

**매개변수:**

scheduler ([FlowMatchEulerDiscreteScheduler](/docs/diffusers/main/ko/api/schedulers/flow_match_euler_discrete#diffusers.FlowMatchEulerDiscreteScheduler)) : Euler flow-matching 스케줄러입니다. Krea 2 시그마 스케줄은 해상도 인식 지수 시간 시프트(resolution-aware exponential time shift)이므로, 스케줄러 설정에는 Krea 2 시프트 매개변수(`base_shift=0.5`, `max_shift=1.15`, `base_image_seq_len=256`, `max_image_seq_len=6400`)와 함께 `use_dynamic_shifting=True`가 설정되어 있어야 합니다.

vae ([AutoencoderKLQwenImage](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage#diffusers.AutoencoderKLQwenImage)) : latents를 이미지로 디코딩하는 데 사용되는 Qwen-Image 변분 오토인코더(f8, 16 latent channels)

text_encoder ([PreTrainedModel](https://huggingface.co/docs/transformers/main/en/main_classes/model#transformers.PreTrainedModel)) : Qwen3-VL 모델(예: `Qwen/Qwen3-VL-4B-Instruct`의 `Qwen3VLModel`). 파이프라인은 마지막 hidden state가 아니라 여러 decoder layer에서 추출된 hidden states 스택을 사용합니다.

tokenizer ([AutoTokenizer](https://huggingface.co/docs/transformers/main/en/model_doc/auto#transformers.AutoTokenizer)) : 텍스트 인코더와 짝을 이루는 토크나이저.

transformer ([Krea2Transformer2DModel](/docs/diffusers/main/ko/api/models/krea2_transformer2d#diffusers.Krea2Transformer2DModel)) : flow-matching 속도를 예측하는 Krea 2 단일 스트림 MMDiT입니다.

text_encoder_select_layers (`tuple[int, ...]`, *선택 사항*) : 텍스트 인코더의 `hidden_states` 튜플(0은 임베딩 출력)에서, 토큰별로 스택되어 transformer의 텍스트 조건으로 사용되는 상태의 인덱스입니다. `transformer.config.num_text_layers`개의 항목을 가져야 합니다.

is_distilled (`bool`, *선택 사항*, 기본값 `False`) : transformer가 few-step distilled (TDM/turbo) 체크포인트인지 여부입니다. `True`인 경우 고정 타임스텝 시프트 `mu=1.15`가 사용되며, 그렇지 않으면 `mu`가 이미지 해상도에서 계산됩니다.

patch_size (`int`, *선택 사항*, 기본값 2) : transformer에 입력되기 전에 latents가 패킹되는 정사각형 패치의 한 변 길이. 효과적인 픽셀-토큰 다운샘플링 계수는 `vae_scale_factor * patch_size`입니다.

텍스트-이미지 생성을 위한 Krea 2 파이프라인.

#### __호출__[[diffusers.Krea2Pipeline.__call__]]

```python
__call__(prompt: str | list[str] | None = None, negative_prompt: str | list[str] | None = None, height: int = 1024, width: int = 1024, num_inference_steps: int = 28, sigmas: list[float] | None = None, guidance_scale: float = 4.5, num_images_per_prompt: int = 1, generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = None, latents: typing.Optional[torch.Tensor] = None, prompt_embeds: typing.Optional[torch.Tensor] = None, prompt_embeds_mask: typing.Optional[torch.Tensor] = None, negative_prompt_embeds: typing.Optional[torch.Tensor] = None, negative_prompt_embeds_mask: typing.Optional[torch.Tensor] = None, output_type: str | None = 'pil', return_dict: bool = True, callback_on_step_end: typing.Optional[typing.Callable[[int, int, dict], NoneType]] = None, callback_on_step_end_tensor_inputs: list = ['latents'], attention_kwargs: dict[str, typing.Any] | None = None, max_sequence_length: int = 512)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/krea2/pipeline_krea2.py#L445)

**매개변수:**

prompt (`str` 또는 `list[str]`, *선택 사항*) : 이미지 생성을 안내할 프롬프트입니다. 정의되지 않은 경우 `prompt_embeds`를 전달해야 합니다.

negative_prompt (`str` 또는 `list[str]`, *선택 사항*) : 이미지 생성을 안내하지 않을 프롬프트입니다. `guidance_scale <= 0`인 경우 무시되며, 가이던스가 활성화된 경우 기본값은 빈 프롬프트입니다.

height (`int`, 기본값 1024) : 생성된 이미지의 픽셀 단위 높이입니다. 필요 시 16의 배수로 올림됩니다.

width (`int`, 기본값 1024) : 생성된 이미지의 픽셀 단위 너비. 필요 시 16의 배수로 올림됩니다.

num_inference_steps (`int`, 기본값 28) : 디노이징 단계 수입니다. 베이스(미드트레인) 체크포인트에는 28을, few-step distilled(TDM) 체크포인트에는 8을 사용합니다.

sigmas (`list[float]`, *선택 사항*) : 스케줄러에 사용할 커스텀 시그마입니다. 정의되지 않은 경우, 기본 `linspace(1.0, 1/num_inference_steps, num_inference_steps)` 그리드가 사용됩니다(해상도 인식 시프트는 스케줄러 내부에서 적용됩니다).

guidance_scale (`float`, 기본값 4.5) : Krea 2 규약을 따르는 Classifier-free guidance scale입니다. velocity는 `cond + guidance_scale * (cond - uncond)`로 계산되며, `guidance_scale > 0`인 경우에만 guidance가 활성화됩니다(이는 scale이 `1 + guidance_scale`인 일반적인 CFG 수식과 동일합니다). 비활성화하려면 `0.0`으로 설정하세요(예: TDM 체크포인트).

num_images_per_prompt (`int`, 기본값 1) : 프롬프트당 생성할 이미지의 수.

generator (`torch.Generator` 또는 `list[torch.Generator]`, *선택 사항*) : 생성을 결정적으로 만들기 위한 하나 이상의 [torch generator](https://pytorch.org/docs/stable/generated/torch.Generator.html).

latents (`torch.Tensor`, *선택 사항*) : `(batch_size, image_seq_len, in_channels)` 형태의 패킹된 노이즈드 레이턴트. 가우시안 분포에서 샘플링되어 이미지 생성의 입력으로 사용됩니다.

prompt_embeds (`torch.Tensor`, *선택 사항*) : `(batch_size, text_seq_len, num_text_layers, text_hidden_dim)` 형태의 사전 생성된 텍스트 임베딩입니다. 제공되지 않으면 `prompt`에서 임베딩이 생성됩니다.

prompt_embeds_mask (`torch.Tensor`, *선택 사항*) : `prompt_embeds`에 대한 Boolean 마스크입니다. `prompt_embeds`가 전달될 때 필수입니다.

negative_prompt_embeds (`torch.Tensor`, *선택 사항*) : 미리 생성된 부정 텍스트 임베딩. `prompt_embeds`와 동일한 레이아웃을 가집니다.

negative_prompt_embeds_mask (`torch.Tensor`, *선택 사항*) : `negative_prompt_embeds`에 대한 Boolean 마스크입니다. `negative_prompt_embeds`가 전달될 때 필수입니다.

output_type (`str`, *선택 사항*, 기본값 `"pil"`) : 생성된 이미지의 출력 형식입니다. `"pil"`, `"np"`, `"pt"` 또는 `"latent"` 중 하나를 선택합니다.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 [Krea2PipelineOutput](/docs/diffusers/main/ko/api/pipelines/krea2#diffusers.pipelines.krea2.Krea2PipelineOutput)을 반환할지 여부.

callback_on_step_end (`Callable`, *선택 사항*) : 각 디노이징 단계의 끝에서 `callback_on_step_end(self, step, timestep, callback_kwargs)`와 함께 호출되는 함수입니다.

callback_on_step_end_tensor_inputs (`list[str]`, *선택 사항*, 기본값 `["latents"]`) : `callback_on_step_end` 함수의 텐서 입력 목록. `._callback_tensor_inputs`의 부분집합이어야 합니다.

attention_kwargs (`dict`, *선택 사항*) : 지정된 경우 [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py)의 `self.processor` 아래에서 정의된 `AttentionProcessor`로 전달되는 kwargs 사전입니다.

max_sequence_length (`int`, 기본값 512) : Transformer가 소비하는 고정 텍스트 시퀀스 길이; 프롬프트는 이 길이에 맞게 패딩되거나 잘립니다.

**반환값:** [Krea2PipelineOutput](/docs/diffusers/main/ko/api/pipelines/krea2#diffusers.pipelines.krea2.Krea2PipelineOutput) 또는 `tuple`

`return_dict`이 True인 경우 [Krea2PipelineOutput](/docs/diffusers/main/ko/api/pipelines/krea2#diffusers.pipelines.krea2.Krea2PipelineOutput), 그렇지 않으면 생성된 이미지가 포함된 리스트가 첫 번째 요소인 `tuple`

생성을 위해 파이프라인을 호출할 때 호출되는 함수.

예:
```py
>>> import torch
>>> from diffusers import Krea2Pipeline

>>> # Load from a local directory produced by the Krea 2 conversion (no hub repo yet).
>>> pipe = Krea2Pipeline.from_pretrained("path/to/krea2-diffusers", torch_dtype=torch.bfloat16)
>>> pipe.to("cuda")
>>> prompt = "a fox in the snow"
>>> # Base (midtrain) checkpoint defaults. For the few-step distilled (TDM) checkpoint use
>>> # `num_inference_steps=8, guidance_scale=0.0` instead.
>>> image = pipe(prompt, num_inference_steps=28, guidance_scale=4.5).images[0]
>>> image.save("krea2.png")
```

#### encode_prompt[[diffusers.Krea2Pipeline.encode_prompt]]

```python
encode_prompt(prompt: str | list[str], device: typing.Optional[torch.device] = None, num_images_per_prompt: int = 1, prompt_embeds: typing.Optional[torch.Tensor] = None, prompt_embeds_mask: typing.Optional[torch.Tensor] = None, max_sequence_length: int = 512)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/krea2/pipeline_krea2.py#L263)

**매개변수:**

prompt (`str` 또는 `list[str]`, *선택 사항*) : 인코딩할 프롬프트

device : (`torch.device`): torch 디바이스

num_images_per_prompt (`int`) : 프롬프트당 생성할 이미지 수

prompt_embeds (`torch.Tensor`, *optional*) : `(batch_size, text_seq_len, num_text_layers, text_hidden_dim)` 형태의 사전 생성된 텍스트 임베딩입니다. *e.g.* 프롬프트 가중치 조정과 같이 텍스트 입력을 쉽게 조정하는 데 사용할 수 있습니다. 제공되지 않으면 `prompt` 입력 인자에서 텍스트 임베딩이 생성됩니다.

prompt_embeds_mask (`torch.Tensor`, *선택*) : `(batch_size, text_seq_len)` 모양의, 유효한 텍스트 토큰을 표시하는 사전 생성된 불리언 마스크입니다. `prompt_embeds`가 전달될 때 필수입니다.

max_sequence_length (`int`, 기본값 512) : Transformer가 소비하는 고정 텍스트 시퀀스 길이; 프롬프트는 이 길이에 맞게 패딩되거나 잘립니다.

#### get_text_hidden_states[[diffusers.Krea2Pipeline.get_text_hidden_states]]

```python
get_text_hidden_states(prompt: str | list[str], max_sequence_length: int = 512, device: typing.Optional[torch.device] = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/krea2/pipeline_krea2.py#L214)

`prompt`을 고정 길이의 Krea 2 레이아웃으로 토큰화하고 선택된 인코더의 숨겨진 상태를 가져옵니다.

`(hidden_states, attention_mask)` 튜플을 반환합니다. 각 요소의 형태는 각각 `(batch_size, text_seq_len, num_text_layers, text_hidden_dim)`과 `(batch_size, text_seq_len)`(bool)입니다.

#### prepare_position_ids[[diffusers.Krea2Pipeline.prepare_position_ids]]

```python
prepare_position_ids(text_seq_len: int, grid_height: int, grid_width: int, device: device)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/krea2/pipeline_krea2.py#L381)

결합된 시퀀스에 대한 `(text_seq_len + grid_height * grid_width, 3)` 회전 좌표를 구성합니다: 텍스트 토큰은 원점에 위치하고, 이미지 토큰은 `(0, h, w)` 잠재 그리드 좌표를 가집니다.

## Krea2PipelineOutput[[diffusers.pipelines.krea2.Krea2PipelineOutput]]

#### diffusers.pipelines.krea2.Krea2PipelineOutput[[diffusers.pipelines.krea2.Krea2PipelineOutput]]

```python
diffusers.pipelines.krea2.Krea2PipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/krea2/pipeline_output.py#L24)

**매개변수:**

images (`list[PIL.Image.Image]` 또는 `np.ndarray`) : `batch_size` 길이의 노이즈 제거된 PIL 이미지 목록 또는 `(batch_size, height, width, num_channels)` 모양의 numpy 배열.

Krea 2 파이프라인의 출력 클래스입니다.

## 모듈형

Krea 2는 [모듈형 파이프라인](../../modular_diffusers/overview)으로도 사용할 수 있습니다. Classifier-free guidance는 `guidance_scale` 호출 인수가 아닌 `guider` 구성 요소를 통해 설정됩니다. Krea 2는 cond-anchored CFG를 사용하며, 이는 `use_original_formulation=True`가 적용된 [ClassifierFreeGuidance](/docs/diffusers/main/ko/api/modular_diffusers/guiders#diffusers.ClassifierFreeGuidance)입니다.

```python
import torch
from diffusers import ClassifierFreeGuidance, ModularPipeline

pipe = ModularPipeline.from_pretrained("krea/Krea-2-Raw")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")  # or "mps", "xpu", "cpu"

image = pipe(
    prompt="a fox in the snow",
    height=1024,
    width=1024,
    num_inference_steps=28,
    generator=torch.Generator("cuda").manual_seed(0),
).images[0]
image.save("krea2.png")
```

Krea2 Turbo 사용 예제도 함께 제공합니다. 증류된 체크포인트는 자체 블록 세트([Krea2TurboAutoBlocks](/docs/diffusers/main/ko/api/pipelines/krea2#diffusers.Krea2TurboAutoBlocks))에 매핑됩니다. 이 모델은 가이던스 없이 실행되며(`guider` 없음), 부정 프롬프트를 받지 않고 몇 단계의 샘플링으로 동작합니다. `ModularPipeline.from_pretrained`는 체크포인트의 `is_distilled` 설정을 기반으로 터보 블록을 자동으로 선택하므로, 가이던스 설정이 필요하지 않습니다:

```python
import torch
from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained("krea/Krea-2-Turbo")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")  # or "mps", "xpu", "cpu"

image = pipe(
    prompt="a fox in the snow",
    height=1024,
    width=1024,
    num_inference_steps=8,
    generator=torch.Generator("cuda").manual_seed(0),
).images[0]
image.save("krea2_turbo.png")
```

## Krea2ModularPipeline[[diffusers.Krea2ModularPipeline]]

#### diffusers.Krea2ModularPipeline[[diffusers.Krea2ModularPipeline]]

```python
diffusers.Krea2ModularPipeline(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)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/krea2/modular_pipeline.py#L19)

Krea 2용 ModularPipeline.

## Krea2AutoBlocks[[diffusers.Krea2AutoBlocks]]

#### diffusers.Krea2AutoBlocks[[diffusers.Krea2AutoBlocks]]

```python
diffusers.Krea2AutoBlocks()
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/krea2/modular_blocks_krea2.py#L106)

Krea 2를 사용한 텍스트-이미지 생성을 위한 Auto Modular 파이프라인: 텍스트 인코딩 -> 코어 디노이즈(대칭 CFG) -> 디코딩.

지원되는 워크플로:
- `text2image`: `prompt` 필수

Components: text_encoder (`Qwen3VLModel`): Qwen3-VL 텍스트 인코더. tokenizer (`AutoTokenizer`): 텍스트 인코더와 짝을 이루는 토크나이저. guider (`ClassifierFreeGuidance`) transformer (`Krea2Transformer2DModel`) scheduler (`FlowMatchEulerDiscreteScheduler`) vae (`AutoencoderKLQwenImage`) image_processor (`VaeImageProcessor`)

Inputs: prompt (`str`): 이미지 생성을 안내할 프롬프트입니다. negative_prompt (`str`, *선택 사항*): CFG용 negative prompt입니다. max_sequence_length (`int`, *선택 사항*, 기본값 512): 프롬프트 인코딩을 위한 최대 시퀀스 길이입니다. num_images_per_prompt (`int`, *선택 사항*, 기본값 1): 프롬프트당 생성할 이미지의 수입니다. latents (`Tensor`, *선택 사항*): 이미지 생성을 위한 사전 생성된 노이즈 latents입니다. height (`int`, *선택 사항*, 기본값 1024): 생성된 이미지의 픽셀 단위 높이입니다. width (`int`, *선택 사항*, 기본값 1024): 생성된 이미지의 픽셀 단위 너비입니다. generator (`Generator`, *선택 사항*): 결정론적 생성을 위한 Torch generator입니다. num_inference_steps (`int`, *선택 사항*, 기본값 28): 디노이징 단계의 수입니다. sigmas (`list`, *선택 사항*): 사용자 정의 sigma 스케줄입니다(기본값은 linear ramp). attention_kwargs (`dict`, *선택 사항*): attention processor를 위한 추가 kwargs입니다. output_type (`str`, *선택 사항*, 기본값 pil): 출력 형식: 'pil', 'np', 'pt'.

출력: 이미지 (`list`): 생성된 이미지.

## Krea2TurboModularPipeline[[diffusers.Krea2TurboModularPipeline]]

#### diffusers.Krea2TurboModularPipeline[[diffusers.Krea2TurboModularPipeline]]

```python
diffusers.Krea2TurboModularPipeline(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)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/krea2/modular_pipeline.py#L54)

디스틸된 Krea 2 turbo(TDM) 체크포인트를 위한 ModularPipeline입니다. classifier-free guidance 없이 실행되므로 negative prompt를 받지 않으며 guider도 없습니다.

## Krea2TurboAutoBlocks[[diffusers.Krea2TurboAutoBlocks]]

#### diffusers.Krea2TurboAutoBlocks[[diffusers.Krea2TurboAutoBlocks]]

```python
diffusers.Krea2TurboAutoBlocks()
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/krea2/modular_blocks_krea2_turbo.py#L102)

Auto 모듈러 파이프라인을 사용하여 디스틸된 Krea 2 터보 체크포인트로 텍스트-이미지 생성을 수행합니다: 텍스트 인코딩 -> 코어 디노이즈(가이던스 없음) -> 디코딩.

지원되는 워크플로:
- `text2image`: `prompt` 필수

Components: text_encoder (`Qwen3VLModel`): Qwen3-VL 텍스트 인코더. tokenizer (`AutoTokenizer`): 텍스트 인코더와 짝을 이루는 토크나이저. transformer (`Krea2Transformer2DModel`) scheduler (`FlowMatchEulerDiscreteScheduler`) vae (`AutoencoderKLQwenImage`) image_processor (`VaeImageProcessor`)

입력: prompt (`str`): 이미지 생성을 안내하는 프롬프트입니다. max_sequence_length (`int`, *선택 사항*, 기본값 512): 프롬프트 인코딩을 위한 최대 시퀀스 길이입니다. num_images_per_prompt (`int`, *선택 사항*, 기본값 1): 프롬프트당 생성할 이미지의 수입니다. latents (`Tensor`, *선택 사항*): 이미지 생성을 위한 사전 생성된 노이즈된 잠재 변수입니다. height (`int`, *선택 사항*, 기본값 1024): 생성된 이미지의 픽셀 단위 높이입니다. width (`int`, *선택 사항*, 기본값 1024): 생성된 이미지의 픽셀 단위 너비입니다. generator (`Generator`, *선택 사항*): 결정론적 생성을 위한 Torch 생성기입니다. num_inference_steps (`int`, *선택 사항*, 기본값 8): 노이즈 제거 단계의 수입니다. sigmas (`list`, *선택 사항*): 사용자 정의 시그마 스케줄입니다(기본값은 선형 램프). attention_kwargs (`dict`, *선택 사항*): 어텐션 프로세서에 대한 추가 kwargs입니다. output_type (`str`, *선택 사항*, 기본값 pil): 출력 형식: 'pil', 'np', 'pt'.

출력: 이미지 (`list`): 생성된 이미지.