معرفی FLUX.3 Image Klein در Diffusers
خلاصه هوش مصنوعی
مدل FLUX.3 Image Klein از شرکت Black Forest Labs با پشتیبانی بومی در Diffusers عرضه شده و قابلیت‌های تبدیل متن به تصویر، تصویر به تصویر چند مرجع و کنترل دقیق چیدمان را از طریق کادرهای محدودکننده در پرامپت ارائه می‌دهد. این مدل شامل یک چک‌پوینت تقطیر شده برای تولید تصاویر 1024x1024 در حدود ۲ ثانیه روی کارت H100، نسخه‌های کوانتایز شده و معماری پایپ‌لاین مادلار است.
نکات کلیدی
- پشتیبانی از تبدیل متن به تصویر، تصویر به تصویر چند مرجع و کنترل چیدمان با استفاده از کادرهای محدودکننده نرمال‌شده.
- معماری مدل از Qwen3-VL به عنوان انکودر متنی چند لایه استفاده می‌کند و توکن‌ها را از طریق بلوک‌های اختصاصی و سپس بلوک‌های توجه مشترک پردازش می‌کند.
- چک‌پوینت تقطیر شده تصاویر 1024x1024 را در ۱۶ گام تولید می‌کند، در حالی که مدل‌های پایه از آموزش DreamBooth LoRA و وزن‌های کوانتایز شده تک‌فایلی پشتیبانی می‌کنند.
چرا مهم است
مدل FLUX.3 به مهندسان و پژوهشگران ابزاری یکپارچه و ماژولار برای کارهای مولد پیچیده ارائه می‌دهد که ویرایش‌های چند مرجع و کنترل چیدمان فضایی را ادغام کرده و مصرف حافظه و کارایی را با انواع کوانتایز شده بهبود می‌بخشد.
گفتگو 0
آغازگر گفتگو باشید.