fofr/sdxl-2004

Utilización del modelo con la API de Replicate

import replicate

output = replicate.run(
  "fofr/sdxl-2004@sha256:54a4e82bf8357890caa42f088f64d556f21d553c98da81e59313054cd10ce714",
  input={"prompt": "Una foto de un cyberpunk en una sala de estar de 2004 con el estilo de TOK"}
)
print(output)

Utilización del modelo con 🧨 diffusers

pip install diffusers transformers accelerate safetensors huggingface_hub
git clone https://github.com/replicate/cog-sdxl cog_sdxl

import torch
from huggingface_hub import hf_hub_download
from diffusers import DiffusionPipeline
from cog_sdxl.dataset_and_utils import TokenEmbeddingsHandler
from diffusers.models import AutoencoderKL

pipe = DiffusionPipeline.from_pretrained(
  "stabilityai/stable-diffusion-xl-base-1.0",
  torch_dtype=torch.float16,
  variant="fp16",
).to("cuda")

pipe.load_lora_weights("fofr/sdxl-2004", weight_name="lora.safetensors")

text_encoders = [pipe.text_encoder, pipe.text_encoder_2]
tokenizers = [pipe.tokenizer, pipe.tokenizer_2]

embedding_path = hf_hub_download(repo_id="fofr/sdxl-2004", filename="embeddings.pti", repo_type="model")
embhandler = TokenEmbeddingsHandler(text_encoders, tokenizers)
embhandler.load_embeddings(embedding_path)
prompt="Una foto de un cyberpunk en una sala de estar de 2004 con el estilo de "
images = pipe(
  prompt,
  cross_attention_kwargs={"scale": 0.8},
).images
# tu imagen de salida
images[0]