# # Лицензия Apache License, Version 2.0 («Лицензия»); # вы можете использовать этот файл только в соответствии с Лицензией. # Вы можете получить копию Лицензии по адресу # # http://www.apache.org/licenses/LICENSE-2.0 # # Если это не требуется применимым законодательством или не оговорено письменно, программное # распространяется по Лицензии на условиях «КАК ЕСТЬ», # БЕЗ КАКИХ-ЛИБО ГАРАНТИЙ ИЛИ УСЛОВИЙ, прямо указанных или подразумеваемых. # См. Лицензию для получения конкретных условий, регулирующих разрешения и # ограничениями Лицензии. --> # HunyuanImage2.1 HunyuanImage-2.1 — это текстово-изображательная модель на 17 млрд параметров, способная генерировать изображения с разрешением 2K (2048 x 2048) HunyuanImage-2.1 доступен в следующих вариантах: | тип модели | идентификатор модели | |:----------:|:--------:| | 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] > [Кэширование](../../optimization/cache) также может ускорить инференс за счёт хранения и повторного использования промежуточных результатов. ## HunyuanImage-2.1 HunyuanImage-2.1 применяет [Adaptive Projected Guidance (APG)](https://huggingface.co/papers/2410.02416) в сочетании с Classifier-Free Guidance (CFG) в цикле шумоподавления. У `HunyuanImagePipeline` есть компонент `guider` (подробнее о [Guider](../../using-diffusers/guiders)), и он не принимает параметр `guidance_scale` во время выполнения. Чтобы изменить параметры, связанные с guider, например `guidance_scale`, можно обновить конфигурацию `guider`. ```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" ``` Вы можете проверить объект `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 ``` Чтобы обновить guider с другой конфигурацией, используйте метод `new()`. Например, чтобы сгенерировать изображение с `guidance_scale=5.0`, сохранив все остальные параметры guidance по умолчанию: ```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 используйте `distilled_guidance_scale` с чекпоинтом, дистиллированным с помощью 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) ``` [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage.py#L160) **Параметры:** transformer ([HunyuanImageTransformer2DModel](/docs/diffusers/main/ru/api/models/hunyuanimage_transformer_2d#diffusers.HunyuanImageTransformer2DModel)) : архитектура условного трансформера (MMDiT) для удаления шума из закодированных латентов изображения. scheduler ([FlowMatchEulerDiscreteScheduler](/docs/diffusers/main/ru/api/schedulers/flow_match_euler_discrete#diffusers.FlowMatchEulerDiscreteScheduler)) : планировщик, используемый в связке с `transformer` для удаления шума из закодированных латентов изображения. vae ([AutoencoderKLHunyuanImage](/docs/diffusers/main/ru/api/models/autoencoder_kl_hunyuanimage#diffusers.AutoencoderKLHunyuanImage)) : Модель вариационного автоэнкодера (VAE) для кодирования изображений в латентные представления и декодирования из них. text_encoder (`Qwen2.5-VL-7B-Instruct`) : [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct), а именно вариант [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct). tokenizer (`Qwen2Tokenizer`) : Токенизатор класса [Qwen2Tokenizer]. text_encoder_2 (`T5EncoderModel`) : вариант [T5EncoderModel](https://huggingface.co/docs/transformers/en/model_doc/t5#transformers.T5EncoderModel). tokenizer_2 (`ByT5Tokenizer`) : Токенизатор класса [ByT5Tokenizer] guider (`AdaptiveProjectedMixGuidance`) : [AdaptiveProjectedMixGuidance] используется для управления генерацией изображения. ocr_guider (`AdaptiveProjectedMixGuidance`, *необязательный*) : [AdaptiveProjectedMixGuidance], используемый для управления генерацией изображения, когда требуется рендеринг текста. Пайплайн HunyuanImage для генерации изображений по тексту. #### __call__[[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']) ``` [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage.py#L504) **Параметры:** prompt (`str` или `list[str]`, *необязательный*) : Промпт или промпты для управления генерацией изображения. Если не задан, необходимо передать `prompt_embeds` вместо него. negative_prompt (`str` или `list[str]`, *необязательный*) : Промпт или промпты, которые не должны направлять генерацию изображения. Если не определён и negative_prompt_embeds не предоставлен, будет использован пустой негативный промпт. Игнорируется, если не используется guidance. ). height (`int`, *optional*, по умолчанию self.unet.config.sample_size * self.vae_scale_factor) : Высота генерируемого изображения в пикселях. По умолчанию установлено значение 1024 для достижения наилучших результатов. width (`int`, *optional*, по умолчанию self.unet.config.sample_size * self.vae_scale_factor) : Ширина генерируемого изображения в пикселях. По умолчанию установлено значение 1024 для достижения наилучших результатов. num_inference_steps (`int`, *optional*, по умолчанию 50) : Количество шагов денойзинга. Как правило, большее число шагов денойзинга приводит к изображению более высокого качества, но за счёт более медленного вывода. sigmas (`list[float]`, *optional*) : Пользовательские сигмы для процесса денойзинга в планировщиках, поддерживающих аргумент `sigmas` в методе `set_timesteps`. Если не задано, будет использовано поведение по умолчанию при передаче `num_inference_steps`. distilled_guidance_scale (`float`, *optional*, по умолчанию None) : Значение масштаба руководства (guidance scale) для моделей с дистиллированным руководством. В отличие от традиционного classifier-free guidance, где масштаб руководства применяется во время вывода через масштабирование предсказания шума, модели с дистиллированным руководством принимают масштаб руководства непосредственно как входной параметр во время прямого прохода. Руководство активируется при установке `distilled_guidance_scale > 1`. Более высокий масштаб руководства способствует генерации изображений, тесно связанных с текстовым `prompt`, обычно за счёт снижения качества изображения. Для моделей с дистиллированным руководством этот параметр обязателен. Для недистиллированных моделей этот параметр будет проигнорирован. num_images_per_prompt (`int`, *необязательный*, по умолчанию 1) : Количество изображений, генерируемых на один запрос. generator (`torch.Generator` или `list[torch.Generator]`, *необязательный*) : Один или список [генераторов torch](https://pytorch.org/docs/stable/generated/torch.Generator.html) для обеспечения детерминированности генерации. latents (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные зашумленные латенты, выбранные из гауссова распределения, которые используются в качестве входных данных для генерации изображений. Можно использовать, чтобы скорректировать одну и ту же генерацию с разными промптами. Если не предоставлены, тензор латентов будет сгенерирован путём выборки с использованием переданного случайного `generator`. prompt_embeds (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные текстовые эмбеддинги. Можно использовать для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не предоставлены, текстовые эмбеддинги будут сгенерированы из входного аргумента `prompt`. prompt_embeds_mask (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска текстовых эмбеддингов. Может использоваться для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не задана, маска текстовых эмбеддингов будет сгенерирована из аргумента `prompt`. prompt_embeds_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные текстовые эмбеддинги для ocr. Можно использовать для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не предоставлены, текстовые эмбеддинги для ocr будут сгенерированы из входного аргумента `prompt`. prompt_embeds_mask_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска текстовых эмбеддингов для ocr. Может использоваться для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не задана, маска текстовых эмбеддингов для ocr будет сгенерирована из аргумента `prompt`. negative_prompt_embeds (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные отрицательные текстовые эмбеддинги. Можно использовать для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не предоставлены, negative_prompt_embeds будут сгенерированы из входного аргумента `negative_prompt`. negative_prompt_embeds_mask (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска отрицательных текстовых эмбеддингов. Может использоваться для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не задана, маска отрицательных текстовых эмбеддингов будет сгенерирована из входного аргумента `negative_prompt`. negative_prompt_embeds_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные отрицательные текстовые эмбеддинги для ocr. Можно использовать для простой настройки текстовых входных данных, *например* для взвешивания промптов. Если не предоставлены, отрицательные текстовые эмбеддинги для ocr будут сгенерированы из аргумента `negative_prompt`. negative_prompt_embeds_mask_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска отрицательных текстовых эмбеддингов для ocr. Может использоваться для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не задана, маска отрицательных текстовых эмбеддингов для ocr будет сгенерирована из входного аргумента `negative_prompt`. output_type (`str`, *необязательный*, по умолчанию `"pil"`) : Формат вывода для генерируемого изображения. Выберите между [PIL](https://pillow.readthedocs.io/en/stable/): `PIL.Image.Image` или `np.array`. return_dict (`bool`, *необязательный*, по умолчанию `True`) : Возвращать ли `~pipelines.qwenimage.QwenImagePipelineOutput` вместо обычного кортежа. attention_kwargs (`dict`, *необязательный*) : Словарь kwargs, который при указании передается в `AttentionProcessor`, определенный в `self.processor` в [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). callback_on_step_end (`Callable`, *необязательный*) : функция, вызываемая в конце каждого шага денойзинга во время инференса. Функция вызывается со следующими аргументами: `callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)`. `callback_kwargs` будет содержать список всех тензоров, как указано в `callback_on_step_end_tensor_inputs`. callback_on_step_end_tensor_inputs (`List`, *необязательный*) : Список тензорных входных данных для функции `callback_on_step_end`. Тензоры, указанные в списке, будут переданы в качестве аргумента `callback_kwargs`. Вы сможете включать только переменные, перечисленные в атрибуте `._callback_tensor_inputs` вашего класса конвейера. **Возвращает:** `~pipelines.hunyuan_image.HunyuanImagePipelineOutput` или `tuple` `~pipelines.hunyuan_image.HunyuanImagePipelineOutput`, если `return_dict` равно True, иначе `tuple`. При возврате кортежа первым элементом является список с сгенерированными изображениями. Функция, вызываемая при обращении к конвейеру для генерации. Примеры: ```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) ``` [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage.py#L296) **Параметры:** prompt (`str` или `list[str]`, *необязательный*) : промпт для кодирования device : (`torch.device`): устройство torch batch_size (`int`) : размер батча промптов, по умолчанию 1 num_images_per_prompt (`int`) : количество изображений, которые должны быть сгенерированы для каждого промпта prompt_embeds (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные текстовые эмбеддинги. Если не указаны, текстовые эмбеддинги будут сгенерированы из входного аргумента `prompt`. prompt_embeds_mask (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска текста. Если не предоставлена, маска текста будет сгенерирована из аргумента `prompt`. prompt_embeds_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные эмбеддинги глифов текста от ByT5. Если не предоставлены, будут сгенерированы из входного аргумента `prompt` с использованием self.tokenizer_2 и self.text_encoder_2. prompt_embeds_mask_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска текста глифов от ByT5. Если не предоставлена, будет сгенерирована из входного аргумента `prompt` с использованием self.tokenizer_2 и 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) ``` [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage_refiner.py#L138) **Параметры:** transformer ([HunyuanImageTransformer2DModel](/docs/diffusers/main/ru/api/models/hunyuanimage_transformer_2d#diffusers.HunyuanImageTransformer2DModel)) : архитектура условного трансформера (MMDiT) для удаления шума из закодированных латентов изображения. scheduler ([FlowMatchEulerDiscreteScheduler](/docs/diffusers/main/ru/api/schedulers/flow_match_euler_discrete#diffusers.FlowMatchEulerDiscreteScheduler)) : планировщик, используемый в связке с `transformer` для удаления шума из закодированных латентов изображения. vae ([AutoencoderKLHunyuanImageRefiner](/docs/diffusers/main/ru/api/models/autoencoder_kl_hunyuanimage_refiner#diffusers.AutoencoderKLHunyuanImageRefiner)) : Модель вариационного автоэнкодера (VAE) для кодирования изображений в латентные представления и декодирования из них. text_encoder (`Qwen2.5-VL-7B-Instruct`) : [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct), а именно вариант [Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct). tokenizer (`Qwen2Tokenizer`) : Токенизатор класса [Qwen2Tokenizer]. Пайплайн HunyuanImage для генерации изображений по тексту. #### __call__[[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']) ``` [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage_refiner.py#L436) **Параметры:** prompt (`str` или `list[str]`, *необязательный*) : Промпт или промпты для управления генерацией изображения. Если не задан, необходимо передать `prompt_embeds` вместо него. negative_prompt (`str` или `list[str]`, *необязательный*) : Промпт или промпты, которые не должны направлять генерацию изображения. Если не задан, будет использован пустой негативный промпт. Игнорируется, если направляющая не используется. distilled_guidance_scale (`float`, *optional*, по умолчанию None) : Значение масштаба руководства (guidance scale) для моделей с дистиллированным руководством. В отличие от традиционного classifier-free guidance, где масштаб руководства применяется во время вывода через масштабирование предсказания шума, модели с дистиллированным руководством принимают масштаб руководства непосредственно как входной параметр во время прямого прохода. Руководство активируется при установке `distilled_guidance_scale > 1`. Более высокий масштаб руководства способствует генерации изображений, тесно связанных с текстовым `prompt`, обычно за счёт снижения качества изображения. Для моделей с дистиллированным руководством этот параметр обязателен. Для недистиллированных моделей этот параметр будет проигнорирован. image (`PipelineImageInput`, *необязательный*) : Входное изображение, которое будет улучшено. num_images_per_prompt (`int`, *необязательный*, по умолчанию 1) -- height (`int`, *optional*, по умолчанию self.unet.config.sample_size * self.vae_scale_factor) : Высота генерируемого изображения в пикселях. По умолчанию установлено значение 1024 для достижения наилучших результатов. width (`int`, *optional*, по умолчанию self.unet.config.sample_size * self.vae_scale_factor) : Ширина генерируемого изображения в пикселях. По умолчанию установлено значение 1024 для достижения наилучших результатов. num_inference_steps (`int`, *optional*, по умолчанию 50) : Количество шагов денойзинга. Как правило, большее число шагов денойзинга приводит к изображению более высокого качества, но за счёт более медленного вывода. sigmas (`list[float]`, *optional*) : Пользовательские сигмы для процесса денойзинга в планировщиках, поддерживающих аргумент `sigmas` в методе `set_timesteps`. Если не задано, будет использовано поведение по умолчанию при передаче `num_inference_steps`. num_images_per_prompt (`int`, *необязательный*, по умолчанию 1) : Количество изображений, генерируемых на один запрос. generator (`torch.Generator` или `list[torch.Generator]`, *необязательный*) : Один или список [генераторов torch](https://pytorch.org/docs/stable/generated/torch.Generator.html) для обеспечения детерминированности генерации. latents (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные зашумленные латенты, выбранные из гауссова распределения, которые используются в качестве входных данных для генерации изображений. Можно использовать, чтобы скорректировать одну и ту же генерацию с разными промптами. Если не предоставлены, тензор латентов будет сгенерирован путём выборки с использованием переданного случайного `generator`. prompt_embeds (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные текстовые эмбеддинги. Можно использовать для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не предоставлены, текстовые эмбеддинги будут сгенерированы из входного аргумента `prompt`. prompt_embeds_mask (`torch.Tensor`, *необязательный*) : Маска внимания для `prompt_embeds`. negative_prompt_embeds (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные отрицательные текстовые эмбеддинги. Можно использовать для простой настройки текстовых входных данных, *например* для взвешивания промпта. Если не предоставлены, negative_prompt_embeds будут сгенерированы из входного аргумента `negative_prompt`. negative_prompt_embeds_mask (`torch.Tensor`, *необязательный*) : Маска внимания для `negative_prompt_embeds`. output_type (`str`, *необязательный*, по умолчанию `"pil"`) : Формат вывода для генерируемого изображения. Выберите между [PIL](https://pillow.readthedocs.io/en/stable/): `PIL.Image.Image` или `np.array`. return_dict (`bool`, *необязательный*, по умолчанию `True`) : Возвращать ли `~pipelines.qwenimage.QwenImagePipelineOutput` вместо обычного кортежа. attention_kwargs (`dict`, *необязательный*) : Словарь kwargs, который при указании передается в `AttentionProcessor`, определенный в `self.processor` в [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). callback_on_step_end (`Callable`, *необязательный*) : функция, вызываемая в конце каждого шага денойзинга во время инференса. Функция вызывается со следующими аргументами: `callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)`. `callback_kwargs` будет содержать список всех тензоров, как указано в `callback_on_step_end_tensor_inputs`. callback_on_step_end_tensor_inputs (`List`, *необязательный*) : Список тензорных входных данных для функции `callback_on_step_end`. Тензоры, указанные в списке, будут переданы в качестве аргумента `callback_kwargs`. Вы сможете включать только переменные, перечисленные в атрибуте `._callback_tensor_inputs` вашего класса конвейера. **Возвращает:** `~pipelines.hunyuan_image.HunyuanImagePipelineOutput` или `tuple` `~pipelines.hunyuan_image.HunyuanImagePipelineOutput`, если `return_dict` равно True, иначе `tuple`. При возврате кортежа первым элементом является список с сгенерированными изображениями. Функция, вызываемая при обращении к конвейеру для генерации. Примеры: ```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) ``` [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_hunyuanimage_refiner.py#L225) **Параметры:** prompt (`str` или `list[str]`, *необязательный*) : промпт для кодирования device : (`torch.device`): устройство torch batch_size (`int`) : размер батча промптов, по умолчанию 1 num_images_per_prompt (`int`) : количество изображений, которые должны быть сгенерированы для каждого промпта prompt_embeds (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные текстовые эмбеддинги. Если не указаны, текстовые эмбеддинги будут сгенерированы из входного аргумента `prompt`. prompt_embeds_mask (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска текста. Если не предоставлена, маска текста будет сгенерирована из аргумента `prompt`. prompt_embeds_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированные эмбеддинги глифов текста от ByT5. Если не предоставлены, будут сгенерированы из входного аргумента `prompt` с использованием self.tokenizer_2 и self.text_encoder_2. prompt_embeds_mask_2 (`torch.Tensor`, *необязательный*) : Предварительно сгенерированная маска текста глифов от ByT5. Если не предоставлена, будет сгенерирована из входного аргумента `prompt` с использованием self.tokenizer_2 и 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]) ``` [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/hunyuan_image/pipeline_output.py#L10) **Параметры:** images (`list[PIL.Image.Image]` или `np.ndarray`) : Список денойзированных изображений PIL длиной `batch_size` или массив numpy с формой `(batch_size, height, width, num_channels)`. Изображения PIL или массив numpy представляют денойзированные изображения диффузионного конвейера. Класс вывода для пайплайнов HunyuanImage.