FLUX.1 - Stable Diffusion创始团队推出的开源AI图像生成模型

FLUX.1是什么

FLUX.1是由Stable Diffusion创始团队推出的开源AI图像生成模型，拥有12B参数，是迄今为止最大的文生图模型。包含三种变体：顶级性能的FLUX.1 [pro]、开源非商业用途的FLUX.1 [dev] 和快速高效的FLUX.1 [schnell]。FLUX.1以卓越的图像质量、高度逼真的人体解剖学表现和先进的提示词遵循能力脱颖而出，为AI图像生成设定了新的行业标准。

FLUX.1的功能特色

大规模参数：拥有12B（120亿）参数，是迄今为止最大的开源文本到图像模型之一。
多模态架构：基于多模态和并行扩散Transformer块的混合架构，提供强大的图像生成能力。
高性能变体：提供三种不同性能和用途的模型变体，包括专业版（FLUX.1 [pro]）、开发版（FLUX.1 [dev]）和快速版（FLUX.1 [schnell]）。
图像质量：在视觉质量、提示词遵循、大小/纵横比可变性、字体和输出多样性等方面超越了其他流行的模型。
开源和可访问性：部分模型变体如FLUX.1 [dev]和FLUX.1 [schnell]是开源的，易于研究和非商业应用。
技术创新：引入了流匹配训练方法、旋转位置嵌入和并行注意力层，提高了模型性能和硬件效率。

FLUX.1的技术原理

多模态架构：FLUX.1采用了多模态架构，这意味着模型能够同时处理和理解多种类型的数据，如文本和图像，从而更好地捕捉不同数据间的关联性。
并行扩散Transformer块：模型利用并行扩散Transformer结构，这是一种先进的神经网络组件，能够高效地处理序列数据，增强模型对信息的编码和解码能力。
流匹配训练方法：FLUX.1通过流匹配方法改进了传统的扩散模型。这种方法是一种通用的训练生成模型的技术，能够简化训练过程并提高模型的生成质量。
旋转位置嵌入：模型引入了旋转位置嵌入技术，这是一种特殊的编码方式，可以增强模型对图像中不同位置特征的识别能力，从而提升图像的细节表现。
并行注意力层：通过并行注意力机制，模型能够同时关注输入序列中的多个部分，这有助于捕捉长距离依赖关系并提高生成图像的准确性。

FLUX.1的项目地址

项目官网：https://blackforestlabs.ai/#get-flux
在线Demo：
GitHub仓库：https://github.com/black-forest-labs/flux
HuggingFace模型库：https://huggingface.co/black-forest-labs/FLUX.1-schnell

如何使用FLUX.1

选择合适的模型变体：
- FLUX.1 [pro]：适合需要顶级性能的商业应用，需要通过API访问。
- FLUX.1 [dev]：适用于非商业用途，是一个开源的、经过指导蒸馏的模型，可以在HuggingFace上获取。
- FLUX.1 [schnell]：适合本地开发和个人使用，是最快的模型，同样在HuggingFace上可以获取。
设置环境：如果是本地部署，需要设置Python环境并安装必要的依赖库。
安装FLUX.1：可以通过Git克隆官方GitHub仓库到本地环境，并按照指南安装所需的Python包。
使用API：对于FLUX.1 [pro]，需要注册并获取API密钥来访问模型。
编写代码：根据官方文档或示例代码，编写脚本来与模型交互，生成图像。
生成图像：使用模型提供的接口，输入文本提示（prompt），模型将根据文本生成图像。

下面是一个简单的使用示例，假设您已经设置了环境并安装了必要的依赖：

# 克隆FLUX.1 GitHub仓库
git clone https://github.com/black-forest-labs/flux

# 进入仓库目录
cd flux

# 创建并激活Python虚拟环境
python3.10 -m venv .venv
source .venv/bin/activate

# 安装依赖
pip install -e '.[all]'

# 根据需要设置环境变量，例如指定模型权重路径
export FLUX_SCHNELL=path_to_flux_schnell_sft_file

# 使用提供的脚本进行图像生成
python -m flux --name 'FLUX.1 [schnell]' --loop