Shuttle 3.1 Aesthetic - v1.0

# Shuttle 3.1 Aesthetic

Únete a nuestro [Discord](https://discord.gg/shuttleai) para recibir las últimas actualizaciones, noticias y más.

## Variantes del modelo

Estas variantes del modelo ofrecen diferentes niveles de precisión y formatos optimizados para diversas capacidades de hardware y casos de uso

- [bfloat16](https://huggingface.co/shuttleai/shuttle-3.1-aesthetic/resolve/main/shuttle-3.1-aesthetic.safetensors)

- [fp8](https://huggingface.co/shuttleai/shuttle-3.1-aesthetic/resolve/main/fp8/shuttle-3.1-aesthetic-fp8.safetensors)

- GGUF (próximamente)

Shuttle 3.1 Aesthetic es un modelo de IA texto a imagen diseñado para crear imágenes detalladas y estéticas a partir de prompts textuales en solo 4 a 6 pasos. Ofrece un rendimiento mejorado en calidad de imagen, tipografía, comprensión de prompts complejos y eficiencia de recursos.


Puedes probar el modelo a través del sitio web en https://designer.shuttleai.com/

## Uso del modelo vía API

Puedes usar Shuttle 3.1 Aesthetic vía API a través de ShuttleAI

- [ShuttleAI](https://shuttleai.com/)

- [Documentación de ShuttleAI](https://docs.shuttleai.com/)

## Uso del modelo con 🧨 Diffusers

Instala o actualiza diffusers

```shell

pip install -U diffusers

```

Luego puedes usar DiffusionPipeline para ejecutar el modelo

```python

import torch

from diffusers import DiffusionPipeline

# Carga la pipeline de diffusion desde un modelo preentrenado, usando bfloat16 para tipos tensoriales.

pipe = DiffusionPipeline.from_pretrained(

"shuttleai/shuttle-3.1-aesthetic", torch_dtype=torch.bfloat16

).to("cuda")

# Descomenta la siguiente línea para ahorrar VRAM descargando el modelo a CPU si es necesario.

# pipe.enable_model_cpu_offload()

# Descomenta las líneas abajo para habilitar torch.compile y potencialmente mejorar el rendimiento en GPUs compatibles.

# Ten en cuenta que esto puede aumentar considerablemente el tiempo de carga.

# pipe.transformer.to(memory_format=torch.channels_last)

# pipe.transformer = torch.compile(

# pipe.transformer, mode="max-autotune", fullgraph=True

# )

# Define tu prompt para la generación de imágenes.

prompt = "Un gato sosteniendo un cartel que dice hola mundo"

# Genera la imagen usando la pipeline de difusión.

image = pipe(

prompt,

height=1024,

width=1024,

guidance_scale=3.5,

num_inference_steps=4,

max_sequence_length=256,

# Descomenta la siguiente línea para usar una semilla manual y obtener resultados reproducibles.

# generator=torch.Generator("cpu").manual_seed(0)

).images[0]

# Guarda la imagen generada.

image.save("shuttle.png")

```

Para más información consulta la documentación de [diffusers](https://huggingface.co/docs/diffusers/main/en/api/pipelines/flux)

## Uso del modelo con ComfyUI

Para ejecutar inferencia local con Shuttle 3.1 Aesthetic usando [ComfyUI](https://github.com/comfyanonymous/ComfyUI), puedes usar este archivo [safetensors](https://huggingface.co/shuttleai/shuttle-3.1-aesthetic/blob/main/shuttle-3.1-aesthetic.safetensors).

## Detalles del Entrenamiento

Shuttle 3.1 Aesthetic usa Shuttle 3 Diffusion como base. Puede producir imágenes similares a Flux Dev en solo 4 pasos, y está licenciado bajo Apache 2. El modelo fue parcialmente desdestilado durante el entrenamiento. Superamos las limitaciones de la serie Schnell utilizando un método especial de entrenamiento, lo que resultó en mejoras en detalles y colores.