Flux1 Schnell Quantized

🚀 Flux.1 Q_4_k 模型

Flux.1 Q_4_k 是由 Takara.ai 前沿研究團隊推出的一款量化 GGUF 模型，專為 stable-diffusion.cpp 優化，可在低端硬件上實現高效圖像生成。該模型還被用於創建 Kurai Toori Dark Streets 數據集。

🚀 快速開始

1. 克隆並設置 stable-diffusion.cpp：

   git clone https://github.com/leejet/stable-diffusion.cpp.git
   cd stable-diffusion.cpp
   # 按照 stable-diffusion.cpp README 中的設置說明進行操作
   

2. 從本倉庫下載 GGUF 模型文件。
3. 使用 stable-diffusion.cpp 運行模型，並指定下載的文件：

   ./sd -m path/to/flux.1-q_4_k.gguf -p "your prompt here"
   

✨ 主要特性

• 通過 4 位量化，針對低端硬件進行優化。
• 即使經過壓縮，仍能生成高質量圖像。
• 性能高效，質量損失極小。
• 除了黑暗街道場景，還具備廣泛的圖像生成能力。

📦 安裝指南

1. 克隆並設置 stable-diffusion.cpp：

   git clone https://github.com/leejet/stable-diffusion.cpp.git
   cd stable-diffusion.cpp
   # 按照 stable-diffusion.cpp README 中的設置說明進行操作
   

2. 從本倉庫下載 GGUF 模型文件。

💻 使用示例

基礎用法

./sd -m path/to/flux.1-q_4_k.gguf -p "your prompt here"

高級用法

可根據不同的提示詞 your prompt here 生成多樣化的圖像，例如生成城市夜景、藝術創作等。

📚 詳細文檔

性能優勢

• 與全精度模型相比，減少了內存使用。
• 在消費級硬件上具有更快的推理時間。
• 可在性能較弱的硬件上運行，且圖像質量無顯著損失。
• 非常適合實驗和快速原型製作。

示例用例

• 生成城市夜景和城市風光圖像。
• 為創意項目創建藝術詮釋。
• 快速原型製作視覺概念。
• 在消費級硬件上實現便捷的 AI 圖像生成。

🔧 技術細節

此模型是 Black Forest Labs 的 FLUX.1-schnell 基礎模型的 4 位量化版本。量化過程在保留原始模型創意能力的同時，大幅減少了其內存佔用和計算需求。

📄 許可證

本模型採用 Apache-2.0 許可證。

如需研究諮詢和媒體合作，請聯繫 research@takara.ai

人類を変革する