ერთ-ერთი ყველაზე მოთხოვნადი ფუნქცია იყო გამოსახულებიდან გამოსახულების გენერაცია. ეს პროცესი საშუალებას გაძლევთ შემოიტანოთ გამოსახულება და ტექსტური მოთხოვნა, რის საფუძველზეც ის ახალ ვიზუალს შექმნის! ოფიციალურ Colab ნოუთბუქზე დაფუძნებული კოდის მაგალითი ხელმისაწვდომია. თუ კოდისთვის დრო არ გაქვთ, არ ინერვიულოთ, ჩვენ ასევე შევქმენით Space დემო ვერსია, სადაც პირდაპირ შეგიძლიათ მისი გამოცდა. ტექსტუალური ინვერსია (Textual Inversion) საშუალებას გაძლევთ მოახდინოთ Stable Diffusion მოდელის პერსონალიზაცია თქვენი საკუთარი გამოსახულებებით, მხოლოდ 3-5 ნიმუშის გამოყენებით. ამ ხელსაწყოს მეშვეობით შეგიძლიათ მოდელის გაწვრთნა კონკრეტულ კონცეფციაზე, შემდეგ კი მისი გაზიარება საზოგადოებისთვის! სულ რაღაც რამდენიმე დღეში, საზოგადოებამ 200-ზე მეტი კონცეფცია გააზიარა! ნახეთ ისინი! ინფეინთინგი (Inpainting) საშუალებას იძლევა, მიაწოდოთ გამოსახულება, შემდეგ აირჩიოთ მასში სასურველი არე (ან მიაწოდოთ ნიღაბი) და გამოიყენოთ Stable Diffusion ამ ნიღბის შესაცვლელად. მაგალითის სანახავად შეგიძლიათ სცადოთ მინიმალური Colab ნოუთბუქი ან იხილოთ კოდი. დემო ვერსია მალე გამოვა! გთხოვთ გაითვალისწინოთ, რომ ეს ექსპერიმენტული ფუნქციაა, ამიტომ გასაუმჯობესებელია. გარკვეული გაუმჯობესებების შემდეგ, დიფუზიურ მოდელებს გაცილებით ნაკლები VRAM შეუძლიათ დასჭირდეთ. 🔥 მაგალითად, Stable Diffusion მხოლოდ 3.2 GB-ს იკავებს! ეს იძლევა ზუსტად იგივე შედეგებს, თუმცა სიჩქარის 10%-იანი შემცირების ხარჯზე. აქ მოცემულია, როგორ გამოიყენოთ ეს ოპტიმიზაციები. ეს ძალიან საინტერესოა, რადგან კიდევ უფრო შეამცირებს ამ მოდელების გამოყენების ბარიერს! 🍎 სწორედ ასე! კიდევ ერთი ფართოდ მოთხოვნადი ფუნქცია ახლახან გამოვიდა! სრული ინსტრუქციები იხილეთ ოფიციალურ დოკუმენტაციაში (მათ შორის წარმადობის შედარებები, სპეციფიკაციები და სხვა). PyTorch mps მოწყობილობის გამოყენებით, M1/M2 აპარატურის მფლობელებს შეუძლიათ Stable Diffusion-ის გაშვება (ინფერენსი). 🤯 ეს მომხმარებლებისგან მინიმალურ კონფიგურაციას მოითხოვს, სცადეთ! ახალი ექსპერიმენტული პროცესი მომხმარებლებს საშუალებას აძლევს, Stable Diffusion გაუშვან ნებისმიერ აპარატურაზე, რომელიც ONNX-ს უჭერს მხარს. აქ მოცემულია მისი გამოყენების მაგალითი (გაითვალისწინეთ, რომ onnx რევიზია გამოიყენება). ალტერნატიულად, შეგიძლიათ თქვენი SD ჩექპოინტები პირდაპირ ONNX-ზე გადააკეთოთ ექსპორტის სკრიპტის გამოყენებით. ყველა ზემოთ ჩამოთვლილი ფუნქცია ძალიან შთამბეჭდავია. როგორც ღია კოდის ბიბლიოთეკების შემნარჩუნებლებს, ჩვენ ვიცით მაღალი ხარისხის დოკუმენტაციის მნიშვნელობის შესახებ, რათა ყველასთვის მაქსიმალურად მარტივი იყოს ბიბლიოთეკის გამოცდა. 💅 სწორედ ამიტომ, ჩვენ ჩავატარეთ დოკუმენტაციის სპრინტი და ძალიან მოხარულები ვართ, რომ დოკუმენტაციის პირველ ვერსიას წარვადგენთ. ეს არის პირველი ვერსია, ამიტომ ბევრი რამის დამატებას ვგეგმავთ (და წვლილი ყოველთვის მისასალმებელია!). დოკუმენტაციის მთავარი სიახლეებია: * დეტალური სახელმძღვანელოები და გაუმჯობესებული სტრუქტურა. სანამ ჩვენ ყოველივე ზემოთ ხსენებულს ვაკეთებდით, საზოგადოება უმოქმედოდ არ დარჩენილა! აქ მოცემულია რამდენიმე მნიშვნელოვანი (თუმცა არასრული) მაგალითი იმისა, თუ რა გაკეთდა: * **Stable Diffusion Videos:** შექმენით 🔥 ვიდეოები Stable Diffusion-ით ლატენტური სივრცის შესწავლით და ტექსტურ მოთხოვნებს შორის მორფინგით. Stable Diffusion Videos ინსტრუმენტი pip-ით დასაყენებელია, მოყვება Colab ნოუთბუქი და Gradio ნოუთბუქი, და მისი გამოყენება ძალიან მარტივია! * **Diffusers Interpret:** ეს არის ახსნადობის ინსტრუმენტი, რომელიც diffusers-ის ბაზაზეა შექმნილი. მას აქვს საინტერესო ფუნქციები, როგორიცაა ყურადღების რუკების ვიზუალიზაცია და მოდელის ქცევის გაგება. * **JSD (Japanese Stable Diffusion):** სახელი თავადვე ამბობს ყველაფერს! JSD-ის მიზანი იყო მოდელის გაწვრთნა, რომელიც ასევე აღბეჭდავს ინფორმაციას კულტურის, იდენტობისა და უნიკალური გამოხატულებების შესახებ. ის გაწვრთნილია 100 მილიონი იაპონური წარწერის მქონე გამოსახულებით. მოდელის გაწვრთნის შესახებ მეტი შეგიძლიათ წაიკითხოთ მოდელის ბარათში. * **Waifu Diffusion:** ეს არის დახვეწილი SD მოდელი მაღალი ხარისხის ანიმე გამოსახულებების გენერირებისთვის. * **Cross Attention Control:** ეს ფუნქცია საშუალებას იძლევა, დახვეწილად აკონტროლოთ მოთხოვნები დიფუზიური მოდელების ყურადღების რუკების მოდიფიცირებით, მაგალითად, მოცემული ელემენტების აქცენტირება ან მათი სტილის შეცვლა. და მრავალი სხვა! იხილეთ რეპოზიტორიუმი. Stable Diffusion-ის ერთ-ერთი ყველაზე შთამბეჭდავი ადრეული დემო იყო „seeds“-ის ხელახალი გამოყენება გამოსახულებების შესაცვლელად. იდეა მდგომარეობს იმაში, რომ გამოიყენოთ სასურველი გამოსახულების „seed“ ახალი გამოსახულების გენერირებისთვის, განსხვავებული მოთხოვნით. ეს იძლევა საინტერესო შედეგებს! იხილეთ Colab ნოუთბუქი. ვიმედოვნებთ, მოგეწონათ ეს სიახლე! არ დაგავიწყდეთ მოგვცეთ Star ჩვენს GitHub რეპოზიტორიუმში და შემოუერთდეთ Hugging Face Discord სერვერს, სადაც გვაქვს არხების სპეციალური კატეგორია დიფუზიური მოდელებისთვის. იქ გაზიარებულია ბიბლიოთეკის უახლესი ამბები! თავისუფლად შეგიძლიათ გახსნათ „issues“ ფუნქციების მოთხოვნებით და შეცდომების შესახებ მოხსენებებით! ყოველივე, რაც მიღწეულია, შეუძლებელი იქნებოდა ასეთი საოცარი საზოგადოების გარეშე.