许可证：apache-2.0
标签：

• 文本生成图像

AuraFlow v0.3

AuraFlow v0.3 是完全开源的基于流的文本生成图像模型。与前一版本 AuraFlow-v0.2 相比，该模型使用了更多的计算资源进行训练。

相较于 AuraFlow-v0.2，此模型在更具美感的数据集上进行了微调，并支持多种宽高比（现在宽度和高度最高可达 1536 像素）。

该模型在 GenEval 上取得了最先进的结果。阅读我们的 博客文章 了解更多技术细节。您还可以在 这个画廊页面 上查看与其他模型的对比。

该模型目前处于测试阶段。我们正在努力改进它，社区的反馈非常重要。加入 fal 的 Discord 向我们提供反馈，并随时了解模型的最新进展。

致谢：特别感谢 @cloneofsimo 和 @isidentical 将这个项目变为现实。两位顶尖工程师在如此短的时间内取得的成果令人惊叹。我们还要感谢那些为我们的工作奠定基础的杰出研究者们。

使用方法

$ pip install transformers accelerate protobuf sentencepiece  
$ pip install git+https://github.com/huggingface/diffusers.git  

from diffusers import AuraFlowPipeline  
import torch  

pipeline = AuraFlowPipeline.from_pretrained(  
    "fal/AuraFlow-v0.3",  
    torch_dtype=torch.float16,  
    variant="fp16",  
).to("cuda")  

image = pipeline(  
    prompt="蜥蜴角色驾驶 F1 赛车的电影海报，速度与激情，电影感十足",  
    width=1536,  
    height=768,  
    num_inference_steps=50,  
    generator=torch.Generator().manual_seed(1),  
    guidance_scale=3.5,  
).images[0]  

image.save("output.png")