Shuttle 3.1 美學 - v1.0

# Shuttle 3.1 美學

加入我們的 [Discord](https://discord.gg/shuttleai)，獲取最新更新、新聞及更多資訊。

## 模型變體

這些模型變體提供不同的精度等級和格式，針對不同硬件能力和使用場合進行優化

- [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 (即將推出)

Shuttle 3.1 美學是一個文本到圖像的 AI 模型，設計在4到6步驟內從文字提示快速生成細緻且富有美感的圖像。它在圖像質量、排版、理解複雜提示詞及資源效率方面提供加強性能。


你可以透過網站 https://designer.shuttleai.com/ 試用該模型

## 透過 API 使用模型

你可以透過 ShuttleAI 的 API 使用 Shuttle 3.1 美學

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

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

## 使用 🧨 Diffusers 執行模型

安裝或升級 diffusers

```shell

pip install -U diffusers

```

然後你可以使用 DiffusionPipeline 執行模型

```python

import torch

from diffusers import DiffusionPipeline

# 從預訓練模型載入 diffusion pipeline，使用 bfloat16 張量類型。

pipe = DiffusionPipeline.from_pretrained(

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

).to("cuda")

# 如果需要，取消注釋下面一行以啟用模型 CPU 轉移以節省 VRAM。

# pipe.enable_model_cpu_offload()

# 取消注釋以下代碼可為兼容 GPU 啟用 torch.compile 以提升性能。

# 注意，這可能會大幅增加加載時間。

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

# pipe.transformer = torch.compile(

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

# )

# 設定生成圖像的提示詞。

prompt = "一隻貓拿著寫著 hello world 的牌子"

# 使用 diffusion pipeline 生成圖像。

image = pipe(

prompt,

height=1024,

width=1024,

guidance_scale=3.5,

num_inference_steps=4,

max_sequence_length=256,

# 取消注釋下面一行使用手動種子以獲得可重複結果。

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

).images[0]

# 保存生成的圖像。

image.save("shuttle.png")

```

更多資訊請查閱 [diffusers](https://huggingface.co/docs/diffusers/main/en/api/pipelines/flux) 文檔

## 使用 ComfyUI 運行模型

想用 [ComfyUI](https://github.com/comfyanonymous/ComfyUI) 本地推理 Shuttle 3.1 美學，可使用此 [safetensors 檔案](https://huggingface.co/shuttleai/shuttle-3.1-aesthetic/blob/main/shuttle-3.1-aesthetic.safetensors)。

## 訓練細節

Shuttle 3.1 美學以 Shuttle 3 Diffusion 為基礎。它可在僅4步內生成與 Flux Dev 類似的圖像，並採用 Apache 2 授權。該模型在訓練過程中部分進行了去蒸餾。我們透過特殊訓練方法克服了 Schnell 系列模型的限制，提升了圖像細節和色彩表現。