DiffSynth-Studio/docs/source/GetStarted/A_simple_example.md

基于Flux的文生图示例

以下是如何使用FLUX.1模型进行文生图任务的示例。该脚本提供了一个简单的设置，用于从文本描述生成图像。包括下载必要的模型、配置pipeline，以及在启用和禁用 classifier-free guidance 的情况下生成图像。

其他 DiffSynth 支持的模型详见 模型.md

准备

首先，确保已下载并配置了必要的模型：

import torch
from diffsynth import ModelManager, FluxImagePipeline, download_models

# Download the FLUX.1-dev model files
download_models(["FLUX.1-dev"])

下载模型的用法详见 下载模型.md

加载模型

使用您的设备和数据类型初始化模型管理器

model_manager = ModelManager(torch_dtype=torch.bfloat16, device="cuda")
model_manager.load_models([
    "models/FLUX/FLUX.1-dev/text_encoder/model.safetensors",
    "models/FLUX/FLUX.1-dev/text_encoder_2",
    "models/FLUX/FLUX.1-dev/ae.safetensors",
    "models/FLUX/FLUX.1-dev/flux1-dev.safetensors"
])

模型加载的用法详见 ModelManager.md

创建 Pipeline

从加载的模型管理器中创建FluxImagePipeline实例：

pipe = FluxImagePipeline.from_model_manager(model_manager)

Pipeline 的用法详见 Pipeline.md

文生图

使用简短的提示语生成图像。以下是启用和禁用 classifier-free guidance 的图像生成示例。

基础文生图

prompt = "A cute little turtle"
negative_prompt = ""

torch.manual_seed(6)
image = pipe(
    prompt=prompt,
    num_inference_steps=30, embedded_guidance=3.5
)
image.save("image_1024.jpg")

使用 Classifier-Free Guidance 生成

torch.manual_seed(6)
image = pipe(
    prompt=prompt, negative_prompt=negative_prompt,
    num_inference_steps=30, cfg_scale=2.0, embedded_guidance=3.5
)
image.save("image_1024_cfg.jpg")

高分辨率修复

torch.manual_seed(7)
image = pipe(
    prompt=prompt,
    num_inference_steps=30, embedded_guidance=3.5,
    input_image=image.resize((2048, 2048)), height=2048, width=2048, denoising_strength=0.6, tiled=True
)
image.save("image_2048_highres.jpg")