Diffusers documentation

HunyuanImage2.1

Diffusers

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

HunyuanImage2.1

HunyuanImage-2.1, 2K (2048 x 2048) çözünürlüğünde görüntüler üretebilen 17B parametreli bir metinden görüntüye modelidir

HunyuanImage-2.1 aşağıdaki varyantlarda gelir:

model türü	model kimliği
HunyuanImage-2.1	hunyuanvideo-community/HunyuanImage-2.1-Diffusers
HunyuanImage-2.1-Distilled	hunyuanvideo-community/HunyuanImage-2.1-Distilled-Diffusers
HunyuanImage-2.1-Refiner	hunyuanvideo-community/HunyuanImage-2.1-Refiner-Diffusers

Önbelleğe alma, ara çıktıları depolayıp yeniden kullanarak çıkarımı hızlandırabilir.

HunyuanImage-2.1

HunyuanImage-2.1, gürültü azaltma döngüsünde Adaptive Projected Guidance (APG)'yi Classifier-Free Guidance (CFG) ile birleştirir. HunyuanImagePipeline'in bir guider bileşeni vardır (Guider hakkında daha fazla bilgi edinin) ve çalışma zamanında guidance_scale parametresi almaz. guider ile ilgili parametreleri, örneğin guidance_scale'i değiştirmek için bunun yerine guider yapılandırmasını güncelleyebilirsiniz.

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"

guider nesnesini inceleyebilirsiniz:

>>> 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

Farklı bir yapılandırma ile guider'ı güncellemek için new() yöntemini kullanın. Örneğin, diğer tüm varsayılan yönlendirme parametrelerini koruyarak guidance_scale=5.0 ile bir görüntü oluşturmak için:

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

distilled_guidance_scale parametresini guidance-distilled checkpoint ile kullanın,

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

sınıf diffusers.HunyuanImagePipeline

< source >

( scheduler: FlowMatchEulerDiscreteSchedulervae: AutoencoderKLHunyuanImagetext_encoder: Qwen2_5_VLForConditionalGenerationtokenizer: Qwen2Tokenizertext_encoder_2: T5EncoderModeltokenizer_2: ByT5Tokenizertransformer: HunyuanImageTransformer2DModelguider: AdaptiveProjectedMixGuidance | None = Noneocr_guider: AdaptiveProjectedMixGuidance | None = None )

Parametreler

transformer (HunyuanImageTransformer2DModel) — Kodlanmış görüntü latentlerini gürültüden arındırmak için kullanılan Koşullu Transformer (MMDiT) mimarisi.
scheduler (FlowMatchEulerDiscreteScheduler) — Kodlanmış görüntü latentlerini gürültüden arındırmak için transformer ile birlikte kullanılacak bir zamanlayıcı.
vae (AutoencoderKLHunyuanImage) — Görselleri latent temsillere kodlamak ve bu temsillerden çözmek için kullanılan Varyasyonel Oto-Kodlayıcı (VAE) Modeli.
text_encoder (Qwen2.5-VL-7B-Instruct) — Qwen2.5-VL-7B-Instruct, özellikle Qwen2.5-VL-7B-Instruct varyantı.
tokenizer (Qwen2Tokenizer) — [Qwen2Tokenizer] sınıfının tokenizer'ı.
text_encoder_2 (T5EncoderModel) — T5EncoderModel değişkeni.
tokenizer_2 (ByT5Tokenizer) — [ByT5Tokenizer] sınıfının tokenizer'ı
guider (AdaptiveProjectedMixGuidance) — görsel üretimini yönlendirmek için kullanılacak [AdaptiveProjectedMixGuidance].
ocr_guider (AdaptiveProjectedMixGuidance, opsiyonel) — Metin render gerektiren durumlarda görüntü üretimini yönlendirmek için kullanılacak [AdaptiveProjectedMixGuidance].

Metinden görüntüye üretim için HunyuanImage hattı.

call

< source >

( prompt: str | list[str] = Nonenegative_prompt: str | list[str] = Noneheight: int | None = Nonewidth: int | None = Nonenum_inference_steps: int = 50distilled_guidance_scale: float | None = 3.25sigmas: list[float] | None = Nonenum_images_per_prompt: int = 1generator: torch.Generator | list[torch.Generator] | None = Nonelatents: torch.Tensor | None = Noneprompt_embeds: torch.Tensor | None = Noneprompt_embeds_mask: torch.Tensor | None = Nonenegative_prompt_embeds: torch.Tensor | None = Nonenegative_prompt_embeds_mask: torch.Tensor | None = Noneprompt_embeds_2: torch.Tensor | None = Noneprompt_embeds_mask_2: torch.Tensor | None = Nonenegative_prompt_embeds_2: torch.Tensor | None = Nonenegative_prompt_embeds_mask_2: torch.Tensor | None = Noneoutput_type: str | None = 'pil'return_dict: bool = Trueattention_kwargs: dict[str, Any] | None = Nonecallback_on_step_end: Callable[[int, int], None] | None = Nonecallback_on_step_end_tensor_inputs: list[str] = ['latents'] ) → ~pipelines.hunyuan_image.HunyuanImagePipelineOutput or tuple

Parametreler

prompt (str veya list[str], isteğe bağlı) — Görsel üretimi yönlendirmek için istem veya istemler. Tanımlanmadıysa bunun yerine prompt_embeds geçirilmelidir.
negative_prompt (str veya list[str], isteğe bağlı) — Görsel üretimini yönlendirmemek için kullanılan istem veya istemler. Tanımlanmamış ve negative_prompt_embeds sağlanmamışsa, boş bir negatif istem kullanılır. Yönlendirme kullanılmadığında yok sayılır. ).
height (int, isteğe bağlı, varsayılan: self.unet.config.sample_size * self.vae_scale_factor) — Oluşturulan görüntünün piksel cinsinden yüksekliği. En iyi sonuçlar için varsayılan olarak 1024 olarak ayarlanır.
width (int, isteğe bağlı, varsayılan: self.unet.config.sample_size * self.vae_scale_factor) — Oluşturulan görüntünün piksel cinsinden genişliği. En iyi sonuçlar için varsayılan olarak 1024 olarak ayarlanır.
num_inference_steps (int, isteğe bağlı, varsayılan 50) — Gürültü azaltma adım sayısı. Daha fazla gürültü azaltma adımı genellikle daha yavaş çıkarım pahasına daha yüksek kaliteli bir görüntüye yol açar.
sigmas (list[float], isteğe bağlı) — set_timesteps yöntemlerinde sigmas argümanını destekleyen zamanlayıcılarla gürültü azaltma sürecinde kullanılacak özel sigmalar. Tanımlanmamışsa, num_inference_steps geçirildiğinde varsayılan davranış kullanılır.
distilled_guidance_scale (float, isteğe bağlı, varsayılan değeri None) — Guidance distille edilmiş modeller için bir guidance ölçeği değeri. Geleneksel classifier-free guidance'de guidance ölçeğinin, gürültü tahmini yeniden ölçeklendirme yoluyla çıkarım sırasında uygulandığından farklı olarak, guidance distille edilmiş modeller guidance ölçeğini doğrudan forward pass sırasında bir giriş parametresi olarak alır. Guidance, distilled_guidance_scale > 1 olarak ayarlanarak etkinleştirilir. Daha yüksek guidance ölçeği, prompt ile yakından ilişkili görsellerin üretilmesini teşvik eder, genellikle bunun bedeli olarak görsel kalitesi düşer. Guidance distille edilmiş modeller için bu parametre zorunludur. Distille edilmemiş modeller için bu parametre yok sayılır.
num_images_per_prompt (int, isteğe bağlı, varsayılan 1) — Her istem için oluşturulacak görsel sayısı.
generator (torch.Generator veya list[torch.Generator], isteğe bağlı) — Üretimi deterministik hale getirmek için bir veya torch üreteci listesi.
latents (torch.Tensor, isteğe bağlı) — Gaussian dağılımdan örneklenmiş, gürültülü ve önceden oluşturulmuş latents; görüntü üretimi için girdi olarak kullanılabilir. Farklı istemlerle aynı üretimi ayarlamak için kullanılabilir. Sağlanmazsa, sağlanan rastgele generator kullanılarak örneklemeye dayalı bir latents tensörü oluşturulur.
prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. prompt ağırlıklandırma. Sağlanmazsa, metin gömme değerleri prompt girdi argümanından oluşturulur.
prompt_embeds_mask (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme maskesi. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. prompt ağırlıklandırması. Sağlanmazsa, metin gömme maskesi prompt girdi argümanından oluşturulur.
prompt_embeds_2 (torch.Tensor, isteğe bağlı) — ocr için önceden oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. prompt ağırlıklandırması. Sağlanmazsa, ocr için metin gömme değerleri prompt girdi argümanından oluşturulur.
prompt_embeds_mask_2 (torch.Tensor, isteğe bağlı) — ocr için önceden oluşturulmuş metin gömme maskesi. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. prompt ağırlıklandırması. Sağlanmazsa, ocr için metin gömme maskesi prompt girdi argümanından oluşturulur.
negative_prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. istem ağırlıklandırması. Sağlanmazsa, negative_prompt_embeds, negative_prompt girdi argümanından oluşturulur.
negative_prompt_embeds_mask (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş negatif metin gömme maskesi. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. istem ağırlıklandırması. Sağlanmazsa, negatif metin gömme maskesi negative_prompt girdi argümanından oluşturulur.
negative_prompt_embeds_2 (torch.Tensor, isteğe bağlı) — ocr için önceden oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. prompt ağırlıklandırması. Sağlanmazsa, ocr için negatif metin gömme değerleri negative_prompt girdi argümanından oluşturulur.
negative_prompt_embeds_mask_2 (torch.Tensor, isteğe bağlı) — ocr için önceden oluşturulmuş negatif metin gömme maskesi. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. istif ağırlıklandırması. Sağlanmazsa, ocr için negatif metin gömme maskesi negative_prompt girdi argümanından oluşturulur.
output_type (str, isteğe bağlı, varsayılan "pil") — Görsel oluşturma çıktısının biçimi. Şunlardan birini seçin: PIL: PIL.Image.Image veya np.array.
return_dict (bool, isteğe bağlı, varsayılan True) — Düz bir tuple yerine ~pipelines.qwenimage.QwenImagePipelineOutput döndürülüp döndürülmemesi.
attention_kwargs (dict, isteğe bağlı) — Belirtilirse, diffusers.models.attention_processor içindeki self.processor altında tanımlanan AttentionProcessor'a iletilen bir kwargs sözlüğü.
callback_on_step_end (Callable, isteğe bağlı) — Çıkarım sırasında her gürültü azaltma adımının sonunda çağrılan bir işlev. İşlev aşağıdaki argümanlarla çağrılır: callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict). callback_kwargs, callback_on_step_end_tensor_inputs tarafından belirtilen tüm tensörlerin listesini içerir.
callback_on_step_end_tensor_inputs (List, optional) — The list of tensor inputs for the callback_on_step_end function. The tensors specified in the list will be passed as callback_kwargs argument. You will only be able to include variables listed in the ._callback_tensor_inputs attribute of your pipeline class.

Dönüş değeri

~pipelines.hunyuan_image.HunyuanImagePipelineOutput veya tuple

return_dict True ise ~pipelines.hunyuan_image.HunyuanImagePipelineOutput, aksi halde tuple. Bir tuple döndürüldüğünde, ilk öğe üretilen görsellerin listesidir.

Üretim için pipeline çağrıldığında tetiklenen işlev.

Örnekler:

>>> 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

< source >

Parametreler

prompt (str veya list[str], isteğe bağlı) — kodlanacak prompt
device — (torch.device): torch cihazı
batch_size (int) — İstemlerin batch boyutu, varsayılan olarak 1
num_images_per_prompt (int) — her prompt için oluşturulacak görsel sayısı
prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Sağlanmazsa, metin gömme değerleri prompt girdi argümanından oluşturulur.
prompt_embeds_mask (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin maskesi. Sağlanmazsa, metin maskesi prompt girdi argümanından oluşturulur.
prompt_embeds_2 (torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin gömme değerleri. Sağlanmazsa, prompt girdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur.
prompt_embeds_mask_2 (torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin maskesi. Sağlanmazsa, prompt girdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur.

HunyuanImageRefinerPipeline

sınıf diffusers.HunyuanImageRefinerPipeline

< source >

( scheduler: FlowMatchEulerDiscreteSchedulervae: AutoencoderKLHunyuanImageRefinertext_encoder: Qwen2_5_VLForConditionalGenerationtokenizer: Qwen2Tokenizertransformer: HunyuanImageTransformer2DModelguider: AdaptiveProjectedMixGuidance | None = None )

Parametreler

transformer (HunyuanImageTransformer2DModel) — Kodlanmış görüntü latentlerini gürültüden arındırmak için kullanılan Koşullu Transformer (MMDiT) mimarisi.
scheduler (FlowMatchEulerDiscreteScheduler) — Kodlanmış görüntü latentlerini gürültüden arındırmak için transformer ile birlikte kullanılacak bir zamanlayıcı.
vae (AutoencoderKLHunyuanImageRefiner) — Görselleri latent temsillere kodlamak ve bu temsillerden çözmek için kullanılan Varyasyonel Oto-Kodlayıcı (VAE) Modeli.
text_encoder (Qwen2.5-VL-7B-Instruct) — Qwen2.5-VL-7B-Instruct, özellikle Qwen2.5-VL-7B-Instruct varyantı.
tokenizer (Qwen2Tokenizer) — [Qwen2Tokenizer] sınıfının tokenizer'ı.

Metinden görüntüye üretim için HunyuanImage hattı.

call

< source >

( prompt: str | list[str] = Nonenegative_prompt: str | list[str] = Nonedistilled_guidance_scale: float | None = 3.25image: PipelineImageInput | None = Noneheight: int | None = Nonewidth: int | None = Nonenum_inference_steps: int = 4sigmas: list[float] | None = Nonenum_images_per_prompt: int = 1generator: torch.Generator | list[torch.Generator] | None = Nonelatents: torch.Tensor | None = Noneprompt_embeds: torch.Tensor | None = Noneprompt_embeds_mask: torch.Tensor | None = Nonenegative_prompt_embeds: torch.Tensor | None = Nonenegative_prompt_embeds_mask: torch.Tensor | None = Noneoutput_type: str | None = 'pil'return_dict: bool = Trueattention_kwargs: dict[str, Any] | None = Nonecallback_on_step_end: Callable[[int, int], None] | None = Nonecallback_on_step_end_tensor_inputs: list[str] = ['latents'] ) → ~pipelines.hunyuan_image.HunyuanImagePipelineOutput or tuple

Parametreler

prompt (str veya list[str], isteğe bağlı) — Görsel üretimi yönlendirmek için istem veya istemler. Tanımlanmadıysa bunun yerine prompt_embeds geçirilmelidir.
negative_prompt (str veya list[str], isteğe bağlı) — Görsel üretimini yönlendirmemek için kullanılan istem veya istemler. Tanımlanmazsa, boş bir negatif istem kullanılır. Yönlendirme kullanılmadığında yok sayılır.
distilled_guidance_scale (float, isteğe bağlı, varsayılan değeri None) — Guidance distille edilmiş modeller için bir guidance ölçeği değeri. Geleneksel classifier-free guidance'de guidance ölçeğinin, gürültü tahmini yeniden ölçeklendirme yoluyla çıkarım sırasında uygulandığından farklı olarak, guidance distille edilmiş modeller guidance ölçeğini doğrudan forward pass sırasında bir giriş parametresi olarak alır. Guidance, distilled_guidance_scale > 1 olarak ayarlanarak etkinleştirilir. Daha yüksek guidance ölçeği, prompt ile yakından ilişkili görsellerin üretilmesini teşvik eder, genellikle bunun bedeli olarak görsel kalitesi düşer. Guidance distille edilmiş modeller için bu parametre zorunludur. Distille edilmemiş modeller için bu parametre yok sayılır.
image (PipelineImageInput, isteğe bağlı) — İncelenecek girdi görüntüsü.
num_images_per_prompt (int, isteğe bağlı, varsayılan 1) —
height (int, isteğe bağlı, varsayılan: self.unet.config.sample_size * self.vae_scale_factor) — Oluşturulan görüntünün piksel cinsinden yüksekliği. En iyi sonuçlar için varsayılan olarak 1024 olarak ayarlanır.
width (int, isteğe bağlı, varsayılan: self.unet.config.sample_size * self.vae_scale_factor) — Oluşturulan görüntünün piksel cinsinden genişliği. En iyi sonuçlar için varsayılan olarak 1024 olarak ayarlanır.
num_inference_steps (int, isteğe bağlı, varsayılan 50) — Gürültü azaltma adım sayısı. Daha fazla gürültü azaltma adımı genellikle daha yavaş çıkarım pahasına daha yüksek kaliteli bir görüntüye yol açar.
sigmas (list[float], isteğe bağlı) — set_timesteps yöntemlerinde sigmas argümanını destekleyen zamanlayıcılarla gürültü azaltma sürecinde kullanılacak özel sigmalar. Tanımlanmamışsa, num_inference_steps geçirildiğinde varsayılan davranış kullanılır.
num_images_per_prompt (int, isteğe bağlı, varsayılan 1) — Her istem için oluşturulacak görsel sayısı.
generator (torch.Generator veya list[torch.Generator], isteğe bağlı) — Üretimi deterministik hale getirmek için bir veya torch üreteci listesi.
latents (torch.Tensor, isteğe bağlı) — Gaussian dağılımdan örneklenmiş, gürültülü ve önceden oluşturulmuş latents; görüntü üretimi için girdi olarak kullanılabilir. Farklı istemlerle aynı üretimi ayarlamak için kullanılabilir. Sağlanmazsa, sağlanan rastgele generator kullanılarak örneklemeye dayalı bir latents tensörü oluşturulur.
prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. prompt ağırlıklandırma. Sağlanmazsa, metin gömme değerleri prompt girdi argümanından oluşturulur.
prompt_embeds_mask (torch.Tensor, isteğe bağlı) — prompt_embeds için dikkat maskesi.
negative_prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. istem ağırlıklandırması. Sağlanmazsa, negative_prompt_embeds, negative_prompt girdi argümanından oluşturulur.
negative_prompt_embeds_mask (torch.Tensor, isteğe bağlı) — negative_prompt_embeds için dikkat maskesi.
output_type (str, isteğe bağlı, varsayılan "pil") — Görsel oluşturma çıktısının biçimi. Şunlardan birini seçin: PIL: PIL.Image.Image veya np.array.
return_dict (bool, isteğe bağlı, varsayılan True) — Düz bir tuple yerine ~pipelines.qwenimage.QwenImagePipelineOutput döndürülüp döndürülmemesi.
attention_kwargs (dict, isteğe bağlı) — Belirtilirse, diffusers.models.attention_processor içindeki self.processor altında tanımlanan AttentionProcessor'a iletilen bir kwargs sözlüğü.
callback_on_step_end (Callable, isteğe bağlı) — Çıkarım sırasında her gürültü azaltma adımının sonunda çağrılan bir işlev. İşlev aşağıdaki argümanlarla çağrılır: callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict). callback_kwargs, callback_on_step_end_tensor_inputs tarafından belirtilen tüm tensörlerin listesini içerir.
callback_on_step_end_tensor_inputs (List, optional) — The list of tensor inputs for the callback_on_step_end function. The tensors specified in the list will be passed as callback_kwargs argument. You will only be able to include variables listed in the ._callback_tensor_inputs attribute of your pipeline class.

Dönüş değeri

~pipelines.hunyuan_image.HunyuanImagePipelineOutput veya tuple

return_dict True ise ~pipelines.hunyuan_image.HunyuanImagePipelineOutput, aksi halde tuple. Bir tuple döndürüldüğünde, ilk öğe üretilen görsellerin listesidir.

Üretim için pipeline çağrıldığında tetiklenen işlev.

Örnekler:

>>> 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

< source >

Parametreler

prompt (str veya list[str], isteğe bağlı) — kodlanacak prompt
device — (torch.device): torch cihazı
batch_size (int) — İstemlerin batch boyutu, varsayılan olarak 1
num_images_per_prompt (int) — her prompt için oluşturulacak görsel sayısı
prompt_embeds (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Sağlanmazsa, metin gömme değerleri prompt girdi argümanından oluşturulur.
prompt_embeds_mask (torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin maskesi. Sağlanmazsa, metin maskesi prompt girdi argümanından oluşturulur.
prompt_embeds_2 (torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin gömme değerleri. Sağlanmazsa, prompt girdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur.
prompt_embeds_mask_2 (torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin maskesi. Sağlanmazsa, prompt girdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur.

HunyuanImagePipelineOutput

sınıf diffusers.pipelines.hunyuan_image.pipeline_output.HunyuanImagePipelineOutput

< source >

( images: list )

Parametreler

images (list[PIL.Image.Image] veya np.ndarray) — Uzunluğu batch_size olan gürültüsü azaltılmış PIL görüntülerinin listesi veya (batch_size, height, width, num_channels) biçiminde bir numpy dizisi. PIL görüntüleri veya numpy dizisi, difüzyon hattının gürültüsü azaltılmış görüntülerini temsil eder.

HunyuanImage pipeline'leri için çıktı sınıfı.

Update on GitHub

←Hunyuan-DiT Ideogram 4→

Diffusers

HunyuanImage2.1

HunyuanImage-2.1

HunyuanImage-2.1-Distilled

HunyuanImagePipeline

sınıf diffusers.HunyuanImagePipeline

__call__

encode_prompt

HunyuanImageRefinerPipeline

sınıf diffusers.HunyuanImageRefinerPipeline

__call__

encode_prompt

HunyuanImagePipelineOutput

sınıf diffusers.pipelines.hunyuan_image.pipeline_output.HunyuanImagePipelineOutput

call

call