How to use wikeeyang/Krea2-Turbo-HD-V1 with Diffusers:
pip install -U diffusers transformers accelerate
import torch from diffusers import DiffusionPipeline # switch to "mps" for apple devices pipe = DiffusionPipeline.from_pretrained("wikeeyang/Krea2-Turbo-HD-V1", dtype=torch.bfloat16, device_map="cuda") prompt = "这是一幅极具东方古典韵味的特写镜头作品，画面采用平视视角，聚焦于一位身着华服的少女侧面半身。 光线柔和地打在人物面部，营造出如水彩般温润的质感。主体少女以侧颜入画，头部微倾，眼神流转间流露温婉与一丝羞涩。 她的发髻高挽，深青色的秀发间点缀着繁茂的金桂与翠绿叶片，几朵金黄的桂花垂落鬓角，与发丝纠缠，发间还隐约可见 精致的金边流苏步摇。她的妆容精致典雅，眉如远山，眼尾微挑，卧蚕饱满，唇瓣虽未完全显露，却似含情脉脉。她身着 一袭青碧色与米白相间的汉服，衣料轻薄，纹理间隐约可见暗纹云锦。右手优雅地持握着一柄绘有工笔花鸟的团扇， 扇面轻掩下半张脸庞，仅露出一双含情目。她手腕处佩戴着一只繁复的古典手钏，绿松石与金珠交相辉映，流苏轻垂。 画面色彩滤镜偏向低饱和度的复古青绿调，背景为留白式的淡雅色调，边缘处有水墨晕染的痕迹，使得主体更加突出。 构图上，人物的面部与团扇形成了巧妙的视觉三角，发间的枝叶与衣袖的线条相互呼应，充满了写意与工笔结合的细腻风格。" image = pipe(prompt).images[0]
如题🙂
根据我之前基于动态敏感性探针的多轮测试比较分析，基于 SVDQuant 算法的低秩补偿或 SmoothQuant，叠加 8Bit 回滚精度混合量化，对 Krea2 模型作用有限；W4A8 这种量化方法，对像 QWen-Image 那样的稠密多维敏感性模型架构，效果比较好，会明显的比 Int4_Convrot 表现好。
· Sign up or log in to comment
