StableDif

✅ Схема сделана на основе цикла, так что вам не придется вручную её постоянно достраивать.

✅Так же добавлены два видео апскейлера: SeedVR2 и FlashVR. FlashVR смотрится выигрышней по соотношению скорость/качество.

✅ Добавлен интерполятор, делающий видео более плавным.

✔️АРХИТЕКТУРА

Scalable Single-Stream DiT (S3-DiT). В этой архитектуре текст, визуальные семантические токены и VAE изображений образуют единый входной поток, что эффективнее по сравнению с двухпотоковыми старыми подходами.

✔️Benchmark LM-Arena

Z-Image-Turbo показывает себя лучше чем Flux 1.

✔️ЛИНЕЙКА МОДЕЛЕЙ

будет из трёх моделей:

- Z-Image-Turbo — это очень шустрая дистиллированная модель, которая выдает отличное качество генераций.

- Z-Image-Base — базовая модель без дистилляции.

- Z-Image-Edit — это вариант Edit модели, доработанный специально для задач редактирования изображений. Он позволяет точное редактирование на основе подсказок на естественном языке.

👌Модели Base и Edit на данный момент не вышли, но их релиз скоро состоится.

✔️МОДЕЛИ

- Text encoder: HF (https://huggingface.co/unsloth/Qwen3-4B-GGUF/tree/main)

- VAE от Flux.1: HF (https://huggingface.co/OreX/Models/blob/main/Flux-Main/Flux-...)

- Diffusion model:

z_image_turbo_bf16: HF (https://huggingface.co/Comfy-Org/z_image_turbo/tree/main/spl...)

z-image-turbo-fp8-e4m3fn: HF (https://huggingface.co/T5B/Z-Image-Turbo-FP8/blob/main/z-ima...)

👉 Workflow приложу в комментариях к посту: https://t.me/stabledif_lesson/476

ОБЗОР:

🎦 СМОТРЕТЬ НА YOUTUBE (https://youtu.be/5YTa2E3aiPQ)

🎦 СМОТРЕТЬ НА RUTUBE (https://rutube.ru/video/0562e91868f0cfc8f155f2acdc06a404/)

- Значительно большие знания реального мира, освещении и пространственной логике, что приводит к созданию более связных сцен с ожидаемым поведением.

✔️ТЕКСТОВЫЙ КОДИРОВЩИК

теперь LLM модель Mistral Small 3.1. Использование одного текстового кодировщика значительно упрощает процесс вычисления вложений подсказок. Поддерживает максимальную длину строки 512 токенов.

✔️VAE

Новый вариационный автоэнкодер для латентных представлений, обеспечивающий оптимальный баланс между обучаемостью, качеством и степенью сжатия.

✔️Архитектура MM-DiT + parallel DiT в целом как и на Flux.1. Но настроена архитектура по другому. Так же сам по себе DiT стал более крупным.

✔️ Требования VRAM

Без какой-либо разгрузки вычислительный процесс занимает более 80 ГБ

✔️ СЕМЕЙСТВО МОДЕЛЕЙ

- FLUX.2 [pro] - топовая модель доступная только на площадках BFL (http://bfl.ai/play), Playground (http://bfl.ai/play), API BFL (http://docs.bfl.ai/flux_2/).

- FLUX.2 [flex] - та же модель что и pro но с гибкими настройками семплера, позиционируется для рендеринга текста и мелких деталей.

- FLUX.2 [dev] - модель с открытыми весами 32B. Модель генерации и редактирования изображений с открытыми весами, объединяющая синтез текста в изображение и редактирование изображений с несколькими входными изображениями в одной контрольной точке. ЭТО МОДЕЛЬ ДЛЯ НАС!

- FLUX.2 [klein] - ОЖИДАЕТСЯ ВЫХОД - модель Apache 2.0 с открытым исходным кодом, созданная на основе базовой модели FLUX.2. Более мощная и удобная для разработчиков, чем аналогичные модели того же размера. Подозревая это Lightning модель.

⬆️ Text encoder: HF (https://huggingface.co/Comfy-Org/flux2-dev/blob/main/split_f...)

⬆️ Diffusion model: HF (https://huggingface.co/Comfy-Org/flux2-dev/blob/main/split_f...)

⬆️ VAE: HF (https://huggingface.co/Comfy-Org/flux2-dev/blob/main/split_f...)

🪢 Страница разработчика: ССЫЛКА (https://huggingface.co/blog/flux-2)

🔑 Все ссылки и файлы доступны на Boosty: ссылка (https://boosty.to/stabledif/posts/f3e54a1e-a703-40fa-8bf9-16...)

👉 Workflow приложен в комментариях к посту: https://t.me/stabledif_lesson/475

🔥Обзор:

🎦 СМОТРЕТЬ НА YOUTUBE (https://youtu.be/JU1dmuyDSks)

🎦 СМОТРЕТЬ НА RUTUBE (https://rutube.ru/video/fcb6ba132e7ba681c93ba08416941b30/)

🔐 Расширенное видео по настройкам: ссылка (https://boosty.to/stabledif/posts/314939fa-a5ed-4f49-87cd-63...)

🎦 СМОТРЕТЬ НА YOUTUBE (https://youtu.be/ECI08EaiTvo)

🎦 СМОТРЕТЬ НА RUTUBE (https://rutube.ru/video/b493e3174fbc126dcd1f66dc37fd7e5a/)