Shuttle 3.1 Aesthetic - v1.0

# Shuttle 3.1 Aesthetic

Unisciti al nostro [Discord](https://discord.gg/shuttleai) per ricevere gli ultimi aggiornamenti, novità e altro.

## Varianti del Modello

Queste varianti del modello offrono diversi livelli di precisione e formati ottimizzati per varie capacità hardware e casi d'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 (prossimamente)

Shuttle 3.1 Aesthetic è un modello AI text-to-image progettato per creare immagini dettagliate ed estetiche da prompt testuali in soli 4-6 passaggi. Offre prestazioni migliorate in qualità dell'immagine, tipografia, comprensione di prompt complessi ed efficienza delle risorse.


Puoi provare il modello tramite il sito web su https://designer.shuttleai.com/

## Usare il modello tramite API

Puoi usare Shuttle 3.1 Aesthetic tramite API attraverso ShuttleAI

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

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

## Usare il modello con 🧨 Diffusers

Installa o aggiorna diffusers

```shell

pip install -U diffusers

```

Poi puoi usare DiffusionPipeline per eseguire il modello

```python

import torch

from diffusers import DiffusionPipeline

# Carica la pipeline di diffusione da un modello pretrained, usando bfloat16 per i tipi di tensore.

pipe = DiffusionPipeline.from_pretrained(

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

).to("cuda")

# Decommenta la linea seguente per risparmiare VRAM trasferendo il modello su CPU, se necessario.

# pipe.enable_model_cpu_offload()

# Decommenta le righe qui sotto per abilitare torch.compile e potenziare le prestazioni su GPU compatibili.

# Nota che questo può aumentare significativamente i tempi di caricamento.

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

# pipe.transformer = torch.compile(

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

# )

# Imposta il tuo prompt per la generazione dell'immagine.

prompt = "Un gatto che tiene un cartello con scritto ciao mondo"

# Genera l'immagine usando la pipeline di diffusione.

image = pipe(

prompt,

height=1024,

width=1024,

guidance_scale=3.5,

num_inference_steps=4,

max_sequence_length=256,

# Decommenta la riga sotto per usare un seme manuale per risultati riproducibili.

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

).images[0]

# Salva l'immagine generata.

image.save("shuttle.png")

```

Per saperne di più, consulta la documentazione dei [diffusers](https://huggingface.co/docs/diffusers/main/en/api/pipelines/flux)

## Usare il modello con ComfyUI

Per eseguire l'inferenza locale con Shuttle 3.1 Aesthetic usando [ComfyUI](https://github.com/comfyanonymous/ComfyUI), puoi utilizzare questo file [safetensors](https://huggingface.co/shuttleai/shuttle-3.1-aesthetic/blob/main/shuttle-3.1-aesthetic.safetensors).

## Dettagli di Addestramento

Shuttle 3.1 Aesthetic usa Shuttle 3 Diffusion come base. Può produrre immagini simili a Flux Dev in soli 4 passaggi, ed è distribuito sotto licenza Apache 2. Il modello è stato parzialmente de-distillato durante l'addestramento. Abbiamo superato i limiti dei modelli della serie Schnell impiegando un metodo di addestramento speciale, ottenendo dettagli e colori migliorati.