基础模型: black-forest-labs/FLUX.1-schnell
许可证: apache-2.0
语言:

• 英文
  任务标签: 文本生成图像
  标签:
• 文本生成图像
• 图像生成
• flux

这是 https://huggingface.co/black-forest-labs/FLUX.1-schnell 的量化版本

使用的量化工具: 修改版 stable-diffusion.cpp, LlamaQuantizer

当前为开发中版本，使用风险自负

使用指南:

[开发中]

1. 下载并编译 stable-diffusion.cpp
2. 从本仓库下载任一模型，并下载以下组件:
   • 自动编码器 https://huggingface.co/black-forest-labs/FLUX.1-schnell/resolve/main/ae.safetensors
   • CLIP_L https://huggingface.co/comfyanonymous/flux_text_encoders/blob/main/clip_l.safetensors
   • T5XXL https://huggingface.co/comfyanonymous/flux_text_encoders/blob/main/t5xxl_fp16.safetensors
3. 进入你的 stable-diffusion.cpp 目录
4. 运行以下命令:

   ./build/bin/sd --diffusion-model [gguf文件路径] --vae [ae.safetensors路径] --clip_l [clip_l.safetensors路径] --t5xxl [t5xxl_fp16.safetensors路径] -p "一只青蛙举着写有'嗨'的牌子" -o ../frog.png -v --cfg-scale 1.0 --sampling-method euler -v --seed 42 --steps 4
   

生成效果:

量化类型	大小	效果图(缩放0.5倍)	下载链接
默认	23.8 GB		flux1-schnell.safetensors.gguf
FP16	23.8 GB		flux1-schnell-F16.gguf
Q8_0	12.6 GB		flux1-schnell-Q8_0.gguf
Q5_0	8.18 GB		flux1-schnell-Q5_0.gguf
Q5_1	8.92 GB		flux1-schnell-Q5_1.gguf
Q4_0	6.69 GB		flux1-schnell-Q4_0.gguf
Q4_1	7.43 GB	Clip Vit Large Patch14 336 基于Vision Transformer架构的大规模视觉语言预训练模型，支持图像与文本的跨模态理解 文本生成图像 Transformers C openai 5.9M 241 Fashion Clip MIT FashionCLIP是基于CLIP开发的视觉语言模型，专门针对时尚领域进行微调，能够生成通用产品表征。 文本生成图像 Transformers 英语 F patrickjohncyh 3.8M 222 Gemma 3 1b It Gemma 3是Google推出的轻量级先进开放模型系列，基于与Gemini模型相同的研究和技术构建。 文本生成图像 Transformers G google 2.1M 347 Blip Vqa Base Bsd-3-clause BLIP是一个统一的视觉语言预训练框架，擅长视觉问答任务，通过语言-图像联合训练实现多模态理解与生成能力 文本生成图像 Transformers B Salesforce 1.9M 154 CLIP ViT H 14 Laion2b S32b B79k MIT 基于OpenCLIP框架在LAION-2B英文数据集上训练的视觉-语言模型，支持零样本图像分类和跨模态检索任务 文本生成图像 Safetensors C laion 1.8M 368 CLIP ViT B 32 Laion2b S34b B79k MIT 基于OpenCLIP框架在LAION-2B英语子集上训练的视觉-语言模型，支持零样本图像分类和跨模态检索 文本生成图像 Safetensors C laion 1.1M 112 Pickscore V1 PickScore v1 是一个针对文本生成图像的评分函数，可用于预测人类偏好、评估模型性能和图像排序等任务。 文本生成图像 Transformers P yuvalkirstain 1.1M 44 Owlv2 Base Patch16 Ensemble Apache-2.0 OWLv2是一种零样本文本条件目标检测模型，可通过文本查询在图像中定位对象。 文本生成图像 Transformers O google 932.80k 99 Llama 3.2 11B Vision Instruct Llama 3.2 是 Meta 发布的多语言多模态大型语言模型，支持图像文本到文本的转换任务，具备强大的跨模态理解能力。 文本生成图像 Transformers 支持多种语言 L meta-llama 784.19k 1,424 Owlvit Base Patch32 Apache-2.0 OWL-ViT是一个零样本文本条件目标检测模型，可以通过文本查询搜索图像中的对象，无需特定类别的训练数据。 文本生成图像 Transformers O google 764.95k 129 精选推荐AI模型 Llama 3 Typhoon V1.5x 8b Instruct 专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务 大型语言模型 Transformers 支持多种语言 L scb10x 3,269 16 Cadet Tiny Openrail Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。 对话系统 Transformers 英语 C ToddGoldfarb 2,691 6 Roberta Base Chinese Extractive Qa 基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。 问答系统 中文 R uer 2,694 98 AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。 简体中文 热门模型 Llama 3 Typhoon V1.5x 8b Instruct Cadet Tiny Roberta Base Chinese Extractive Qa 热门模型分类 大型语言模型 图像生成 语音识别 图像分类 文本嵌入 文本分类 机器翻译 全部分类 热门标签 多语言支持 低资源优化 低词错误率 高准确率 基于Transformer 轻量级BERT SentencePiece预处理 © 2025AIbase 备案号：闽ICP备08105208号-24 网站地图 用户协议 隐私政策