Shuttle 3 Diffusion

⚠️ 重要提示

可加入我們的 Discord 獲取最新更新、消息等內容。

🚀 快速開始

你可以通過以下方式使用Shuttle 3 Diffusion模型：

• 網站體驗：訪問 https://chat.shuttleai.com/images 在線體驗模型。
• API調用：通過ShuttleAI的API使用模型，具體可參考 ShuttleAI 和 ShuttleAI文檔。

✨ 主要特性

• 多精度支持：提供不同精度級別和格式的模型變體，以適配不同的硬件能力和使用場景。
• 高效生成：僅需4步即可生成高質量圖像。
• 功能強大：在圖像質量、排版處理、理解複雜提示和資源效率方面表現出色。

📦 安裝指南

安裝或升級diffusers庫

pip install -U diffusers

💻 使用示例

基礎用法

import torch
from diffusers import DiffusionPipeline

# Load the diffusion pipeline from a pretrained model, using bfloat16 for tensor types.
pipe = DiffusionPipeline.from_pretrained(
    "shuttleai/shuttle-3-diffusion", torch_dtype=torch.bfloat16
).to("cuda")

# Uncomment the following line to save VRAM by offloading the model to CPU if needed.
# pipe.enable_model_cpu_offload()

# Uncomment the lines below to enable torch.compile for potential performance boosts on compatible GPUs.
# Note that this can increase loading times considerably.
# pipe.transformer.to(memory_format=torch.channels_last)
# pipe.transformer = torch.compile(
#     pipe.transformer, mode="max-autotune", fullgraph=True
# )

# Set your prompt for image generation.
prompt = "A cat holding a sign that says hello world"

# Generate the image using the diffusion pipeline.
image = pipe(
    prompt,
    height=1024,
    width=1024,
    guidance_scale=3.5,
    num_inference_steps=4,
    max_sequence_length=256,
    # Uncomment the line below to use a manual seed for reproducible results.
    # generator=torch.Generator("cpu").manual_seed(0)
).images[0]

# Save the generated image.
image.save("shuttle.png")

若想了解更多，請查看 diffusers文檔。

本地推理（使用ComfyUI）

若要使用 ComfyUI 進行本地推理，可使用 此safetensors文件。

🔧 技術細節

模型變體

Shuttle 3 Diffusion提供了多種模型變體，以滿足不同的硬件和使用場景：

• bfloat16
• GGUF
• fp8

訓練詳情

Shuttle 3 Diffusion以Flux.1 Schnell為基礎模型，僅需4步即可生成與Flux Dev或Pro相似的圖像，且採用Apache 2.0許可證。該模型在訓練過程中進行了部分去蒸餾處理。當推理步數超過10步時，模型進入“精煉模式”，可在不改變圖像構圖的情況下增強細節。通過採用特殊的訓練方法，克服了Schnell系列模型的侷限性，提升了圖像的細節和色彩表現。

模型對比

Shuttle 3 Diffusion僅需4步就能生成比Flux Dev更優質的圖像，相關對比可查看 更多示例。

模型示例