Diffusers

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

Bria Fibo Edit

Fibo Edit es un modelo de imagen a imagen de 8B parámetros que introduce un nuevo paradigma de control estructurado, operando sobre entradas JSON emparejadas con imágenes de origen para habilitar flujos de trabajo de edición deterministas y repetibles. Con enmascarado nativo para una precisión granular, va más allá de la difusión basada en prompts simples para ofrecer un control explícito e interpretable optimizado para entornos de producción. Su arquitectura ligera está diseñada para una personalización profunda, permitiendo a los investigadores construir modelos especializados de “Edit” para tareas específicas de dominio, al tiempo que entrega una calidad estética de primer nivel

Consulte la página de Bria Fibo Edit en Hugging Face para obtener más información. Un punto de control destilado está disponible en Fibo-Edit-1.5-turbo.

Uso

Como el modelo está restringido, antes de usarlo con diffusers primero debes ir a la página de Bria Fibo Edit en Hugging Face, completar el formulario y aceptar la restricción. Una vez dentro, necesitas iniciar sesión para que tu sistema sepa que has aceptado la restricción.

Use el siguiente comando para iniciar sesión:

hf auth login

BriaFiboEditPipeline

clase diffusers.BriaFiboEditPipeline

< source >

( transformer: BriaFiboTransformer2DModelscheduler: typing.Union[diffusers.schedulers.scheduling_flow_match_euler_discrete.FlowMatchEulerDiscreteScheduler, diffusers.schedulers.scheduling_utils.KarrasDiffusionSchedulers]vae: AutoencoderKLWantext_encoder: SmolLM3ForCausalLMtokenizer: AutoTokenizer )

Parámetros

transformer (BriaFiboTransformer2DModel) — El modelo transformer para modelado de difusión 2D.
scheduler (FlowMatchEulerDiscreteScheduler o KarrasDiffusionSchedulers) — Programador que se utilizará con transformer para desruidar los latentes codificados.
vae (AutoencoderKLWan) — Autoencoder variacional para codificar y decodificar imágenes a partir de y hacia representaciones latentes.
text_encoder (SmolLM3ForCausalLM) — Codificador de texto para procesar los prompts de entrada.
tokenizer (AutoTokenizer) — Tokenizer utilizado para procesar los prompts de texto de entrada para el text_encoder.

call

< source >

( prompt: typing.Union[str, typing.List[str]] = Noneimage: typing.Union[PIL.Image.Image, typing.List[PIL.Image.Image], NoneType] = Nonemask: typing.Union[torch.FloatTensor, PIL.Image.Image, typing.List[PIL.Image.Image], typing.List[torch.FloatTensor], numpy.ndarray, typing.List[numpy.ndarray], NoneType] = Noneheight: int | None = Nonewidth: int | None = Nonenum_inference_steps: int = 30timesteps: typing.List[int] = Noneseed: int | None = Noneguidance_scale: float = 5negative_prompt: typing.Union[str, typing.List[str], NoneType] = Nonenum_images_per_prompt: typing.Optional[int] = 1generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonelatents: typing.Optional[torch.FloatTensor] = Noneoutput_type: str = 'pil'return_dict: bool = Truejoint_attention_kwargs: typing.Optional[typing.Dict[str, typing.Any]] = Nonecallback_on_step_end: typing.Optional[typing.Callable[[int, int, typing.Dict], NoneType]] = Nonecallback_on_step_end_tensor_inputs: typing.List[str] = ['latents']max_sequence_length: int = 3000do_patching = False_auto_resize: bool = True ) → ~pipelines.flux.BriaFiboPipelineOutput or tuple

Parámetros

prompt (str o List[str]) — El prompt o los prompts para guiar la generación de la imagen.
image (PIL.Image.Image o List[PIL.Image.Image], opcional) — Una o más imágenes de referencia para guiar la generación de la imagen. Una lista se interpreta como múltiples referencias (no como un lote): cada referencia se codifica con VAE en su propia relación de aspecto y se coloca en su propio plano temporal de RoPE 1, 2, … . Si no se define, el pipeline genera una imagen desde cero.
mask (PipelineMaskInput, opcional) — Máscara opcional que define la región de image que se editará. Los píxeles cubiertos por la máscara se regeneran, mientras que el resto de la imagen se conserva.
height (int, opcional, por defecto self.unet.config.sample_size * self.vae_scale_factor) — La altura en píxeles de la imagen generada. Por defecto, se establece en 1024 para obtener los mejores resultados.
width (int, opcional, valor predeterminado self.unet.config.sample_size * self.vae_scale_factor) — El ancho en píxeles de la imagen generada. Por defecto, se establece en 1024 para obtener los mejores resultados.
num_inference_steps (int, opcional, valor predeterminado 30) — El número de pasos de desruido. Más pasos de desruido suelen conducir a una imagen de mayor calidad a costa de una inferencia más lenta.
seed (int, opcional) — Una semilla utilizada para hacer que la generación sea determinista.
timesteps (List[int], opcional) — Pasos de tiempo personalizados para usar en el proceso de desruido con programadores que admiten un argumento timesteps en su método set_timesteps. Si no se define, se usará el comportamiento predeterminado cuando se pase num_inference_steps. Debe estar en orden descendente.
guidance_scale (float, opcional, valor predeterminado 5.0) — Escala de guía definida en Classifier-Free Diffusion Guidance. guidance_scale se define como w de la ecuación 2 del Imagen Paper. La escala de guía se habilita estableciendo guidance_scale > 1. Una escala de guía más alta fomenta la generación de imágenes estrechamente vinculadas al prompt de texto, generalmente a costa de una menor calidad de imagen.
negative_prompt (str o List[str], opcional) — El prompt o los prompts que no deben guiar la generación de la imagen. Se ignora cuando no se usa guía (es decir, se ignora si guidance_scale es menor que 1).
num_images_per_prompt (int, opcional, valor predeterminado 1) — El número de imágenes que se generarán por indicación.
generator (torch.Generator o List[torch.Generator], opcional) — Uno o una lista de generadores de torch para hacer la generación determinista.
latents (torch.FloatTensor, opcional) — Latentes ruidosos pregenerados, muestreados de una distribución gaussiana, que se usarán como entradas para la generación de imágenes. Se pueden utilizar para ajustar la misma generación con diferentes prompts. Si no se proporcionan, se generará un tensor de latentes mediante muestreo usando el generator aleatorio suministrado.
output_type (str, opcional, valor predeterminado "pil") — El formato de salida de la imagen generada. Elija entre PIL: PIL.Image.Image o np.array.
return_dict (bool, opcional, valor predeterminado True) — Indica si se debe devolver un ~pipelines.stable_diffusion_xl.StableDiffusionXLPipelineOutput en lugar de una tupla simple.
joint_attention_kwargs (dict, opcional) — Un diccionario de kwargs que, si se especifica, se pasa al AttentionProcessor definido en self.processor dentro de diffusers.models.attention_processor.
callback_on_step_end (Callable, opcional) — Una función que se llama al final de cada paso de desruido durante la inferencia. La función se llama con los siguientes argumentos: callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict). callback_kwargs incluirá una lista de todos los tensores especificados por callback_on_step_end_tensor_inputs.
callback_on_step_end_tensor_inputs (List, opcional) — La lista de entradas de tensor para la función callback_on_step_end. Los tensores especificados en la lista se pasarán como argumento callback_kwargs. Solo podrá incluir variables listadas en el atributo ._callback_tensor_inputs de su clase de pipeline.
max_sequence_length (int por defecto 3000) — Longitud máxima de la secuencia para usar con el prompt.
do_patching (bool, opcional, valor predeterminado False) — Si se debe usar patching.
_auto_resize (bool, opcional, valor predeterminado True) — Si se debe ajustar la resolución de salida predeterminada (obtenida de la primera imagen de referencia) a las resoluciones preferidas.

Devuelve

~pipelines.flux.BriaFiboPipelineOutput o tuple

~pipelines.flux.BriaFiboPipelineOutput si return_dict es True, de lo contrario una tuple. Al devolver una tupla, el primer elemento es una lista con las imágenes generadas.

Función invocada al llamar a la pipeline para la generación.

Ejemplo:

import torch
from PIL import Image

from diffusers import BriaFiboEditPipeline
from diffusers.modular_pipelines import ModularPipelineBlocks

# This prompt-to-JSON block calls Gemini and needs GEMINI_API_KEY in the environment.
vlm_pipe = ModularPipelineBlocks.from_pretrained("briaai/FIBO-edit-gemini-prompt-to-JSON", trust_remote_code=True)
vlm_pipe = vlm_pipe.init_pipeline()

pipe = BriaFiboEditPipeline.from_pretrained(
    "briaai/Fibo-Edit-1.5-base",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")

image = Image.open("owl.png")
json_prompt = vlm_pipe(image=image, prompt="Make the owl into a cat").values["json_prompt"]

result = pipe(prompt=json_prompt, image=image, num_inference_steps=30, guidance_scale=5)

# Multiple reference images: pass a list. Each reference conditions the edit at its
# own aspect ratio; the output resolution follows the first reference.
owl, forest = Image.open("owl.png"), Image.open("forest.png")
json_prompt = vlm_pipe(
    image=[owl, forest], prompt="Place the owl from the first image in the forest from the second image"
).values["json_prompt"]
result = pipe(
    prompt=json_prompt,
    image=[owl, forest],
    num_inference_steps=30,
    guidance_scale=5,
)

# The distilled Turbo checkpoint edits in 4 steps without classifier-free guidance.
pipe = BriaFiboEditPipeline.from_pretrained("briaai/Fibo-Edit-1.5-turbo", torch_dtype=torch.bfloat16)
pipe.to("cuda")
result = pipe(prompt=json_prompt, image=[owl, forest], num_inference_steps=4, guidance_scale=1)

encode_prompt

< source >

( prompt: typing.Union[str, typing.List[str]]device: typing.Optional[torch.device] = Nonenum_images_per_prompt: int = 1guidance_scale: float = 5negative_prompt: typing.Union[str, typing.List[str], NoneType] = Nonemax_sequence_length: int = 3000lora_scale: bool | None = None )

Parámetros

prompt (str o List[str], opcional) — prompt a codificar
device — (torch.device): dispositivo de torch
num_images_per_prompt (int) — número de imágenes que deben generarse por prompt
guidance_scale (float) — Escala de guía para la guía libre de clasificador.
negative_prompt (str o List[str], opcional) — El prompt o los prompts que no deben guiar la generación de la imagen. Se ignora cuando no se usa guía (es decir, se ignora si guidance_scale es menor que 1).

prepare_reference_latents

< source >

( image: Imagenum_channels_latents: intdtype: dtypedevice: devicedo_patching: bool = Falsereference_index: int = 1 )

Codifica una referencia PIL con VAE en su propio tamaño y empaquétala como un flujo de tokens de contexto de edición.

Update on GitHub

←Bria Fibo 2.0 Chroma→

Diffusers

Bria Fibo Edit

Uso

BriaFiboEditPipeline

clase diffusers.BriaFiboEditPipeline

__call__

encode_prompt

prepare_reference_latents

call