Nunchaku Flux.1 Schnell

🚀 nunchaku-flux.1-schnell

このリポジトリは、テキストプロンプトから高品質な画像を生成するために設計された FLUX.1-schnell のNunchaku量子化バージョンを含んでいます。パフォーマンスの損失を最小限に抑えながら、効率的な推論が可能なように最適化されています。

このリポジトリは https://huggingface.co/nunchaku-tech/nunchaku-flux.1-schnell に移行され、2025年12月に非公開になります。

🚀 クイックスタート

このリポジトリには、テキストプロンプトから高品質な画像を生成するためのモデルが含まれています。以下のセクションで詳細を説明します。

✨ 主な機能

• テキストプロンプトから高品質な画像を生成します。
• 効率的な推論のために最適化されており、パフォーマンスの損失を最小限に抑えます。

📚 ドキュメント

モデルの詳細

モデルの説明

モデルファイル

• svdq-int4_r32-flux.1-schnell.safetensors: SVDQuant量子化INT4 FLUX.1-schnellモデル。非Blackwell GPU（50シリーズ以前）のユーザー向け。
• svdq-fp4_r32-flux.1-schnell.safetensors: SVDQuant量子化NVFP4 FLUX.1-schnellモデル。Blackwell GPU（50シリーズ）のユーザー向け。

モデルのソース

• 推論エンジン: nunchaku
• 量子化ライブラリ: deepcompressor
• 論文: SVDQuant: Absorbing Outliers by Low-Rank Components for 4-Bit Diffusion Models
• デモ: svdquant.mit.edu

使用方法

• Diffusersの使用方法: flux.1-schnell.py を参照してください。より高度な使用方法については、チュートリアル を確認してください。
• ComfyUIの使用方法: nunchaku-flux.1-schnell.json を参照してください。

パフォーマンス

引用

@inproceedings{
  li2024svdquant,
  title={SVDQuant: Absorbing Outliers by Low-Rank Components for 4-Bit Diffusion Models},
  author={Li*, Muyang and Lin*, Yujun and Zhang*, Zhekai and Cai, Tianle and Li, Xiuyu and Guo, Junxian and Xie, Enze and Meng, Chenlin and Zhu, Jun-Yan and Han, Song},
  booktitle={The Thirteenth International Conference on Learning Representations},
  year={2025}
}