Shuttle 3.1 Aesthetic - v1.0

# Shuttle 3.1 Aesthetic

Dołącz do naszego [Discord](https://discord.gg/shuttleai), aby otrzymywać najnowsze aktualizacje, wiadomości i więcej.

## Warianty modelu

Te warianty modelu oferują różne poziomy precyzji i formaty zoptymalizowane dla zróżnicowanych możliwości sprzętowych i zastosowań

- [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 (wkrótce)

Shuttle 3.1 Aesthetic to model AI tekst-na-obraz zaprojektowany do tworzenia szczegółowych i estetycznych obrazów na podstawie tekstowych promptów w zaledwie 4 do 6 kroków. Oferuje ulepszoną wydajność w jakości obrazu, typografii, zrozumieniu złożonych promptów oraz efektywności zasobów.


Możesz wypróbować model przez stronę internetową pod adresem https://designer.shuttleai.com/

## Używanie modelu przez API

Możesz korzystać z Shuttle 3.1 Aesthetic przez API za pośrednictwem ShuttleAI

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

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

## Używanie modelu z 🧨 Diffusers

Zainstaluj lub zaktualizuj diffusers

```shell

pip install -U diffusers

```

Następnie możesz użyć DiffusionPipeline do uruchomienia modelu

```python

import torch

from diffusers import DiffusionPipeline

# Załaduj pipeline dyfuzji z pretrained modelu, używając bfloat16 dla typów tensorów.

pipe = DiffusionPipeline.from_pretrained(

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

).to("cuda")

# Odkomentuj poniższą linię, aby zaoszczędzić VRAM przez przeniesienie modelu na CPU, jeśli zajdzie taka potrzeba.

# pipe.enable_model_cpu_offload()

# Odkomentuj linie poniżej, aby aktywować torch.compile dla potencjalnego przyspieszenia na kompatybilnych GPU.

# Należy pamiętać, że może to znacznie wydłużyć czas ładowania.

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

# pipe.transformer = torch.compile(

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

# )

# Ustaw swój prompt do generowania obrazu.

prompt = "Kot trzymający znak z napisem hello world"

# Wygeneruj obraz używając pipeline dyfuzji.

image = pipe(

prompt,

height=1024,

width=1024,

guidance_scale=3.5,

num_inference_steps=4,

max_sequence_length=256,

# Odkomentuj poniższą linię, aby użyć manualnego ziarna dla powtarzalnych wyników.

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

).images[0]

# Zapisz wygenerowany obraz.

image.save("shuttle.png")

```

Aby dowiedzieć się więcej, sprawdź dokumentację [diffusers](https://huggingface.co/docs/diffusers/main/en/api/pipelines/flux)

## Używanie modelu z ComfyUI

Aby uruchomić lokalne inferencje z Shuttle 3.1 Aesthetic za pomocą [ComfyUI](https://github.com/comfyanonymous/ComfyUI), możesz użyć tego [pliku safetensors](https://huggingface.co/shuttleai/shuttle-3.1-aesthetic/blob/main/shuttle-3.1-aesthetic.safetensors).

## Szczegóły trenowania

Shuttle 3.1 Aesthetic bazuje na Shuttle 3 Diffusion. Potrafi generować obrazy podobne do Flux Dev w zaledwie 4 krokach i jest udostępniony na licencji Apache 2. Model był częściowo poddany dedystalizacji podczas trenowania. Pokonaliśmy ograniczenia serii modeli Schnell poprzez zastosowanie specjalnej metody trenowania, co przełożyło się na poprawę detali i kolorów.