> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/autres-charges-de-travail/kandinsky.md).

# Kandinsky

Générez des images avec le modèle multilingue de Kandinsky sur Clore.ai

Générez des images grâce à une puissante compréhension multilingue du texte.

{% hint style="success" %}
Tous les exemples peuvent être exécutés sur des serveurs GPU loués via [la place de marché CLORE.AI](https://clore.ai/marketplace).
{% endhint %}

## Qu’est-ce que Kandinsky ?

Kandinsky est un modèle de génération d’images développé par Sber AI :

* Compréhension multilingue du texte robuste
* Génération d’images de haute qualité
* Fusion et interpolation d’images
* Prise en charge de l’inpainting et de l’outpainting
* Poids open source

## Ressources

* **GitHub :** [ai-forever/Kandinsky-3](https://github.com/ai-forever/Kandinsky-3)
* **HuggingFace :** [kandinsky-community](https://huggingface.co/kandinsky-community)
* **Article :** [Article Kandinsky](https://arxiv.org/abs/2310.03502)

## Versions du modèle

| Version       | Résolution | Qualité  | Vitesse   |
| ------------- | ---------- | -------- | --------- |
| Kandinsky 2.1 | 768x768    | Bon      | Rapide    |
| Kandinsky 2.2 | 1024x1024  | Meilleur | Moyen     |
| Kandinsky 3   | 1024x1024  | Meilleur | Plus lent |

## Configuration matérielle requise

| Modèle                         | VRAM  | GPU recommandé |
| ------------------------------ | ----- | -------------- |
| Kandinsky 2.2                  | 8 Go  | RTX 3070       |
| Kandinsky 3                    | 12 Go | RTX 3090       |
| Kandinsky 3 (haute résolution) | 16 Go | RTX 4090       |

## Déploiement rapide

**Image Docker :**

```
pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel
```

**Ports :**

```
22/tcp
7860/http
```

**Commande :**

```bash
pip install diffusers transformers accelerate gradio && \
python -c "
import gradio as gr
import torch
from diffusers import AutoPipelineForText2Image

pipe = AutoPipelineForText2Image.from_pretrained(
    'kandinsky-community/kandinsky-3',
    variant='fp16',
    torch_dtype=torch.float16
).to('cuda')

def generate(prompt, negative, steps, guidance, seed):
    generator = torch.Generator('cuda').manual_seed(seed) if seed > 0 else None
    image = pipe(
        prompt=prompt,
        negative_prompt=negative,
        num_inference_steps=steps,
        guidance_scale=guidance,
        generator=generator
    ).images[0]
    return image

gr.Interface(
    fn=generate,
    inputs=[
        gr.Textbox(label='Instruction'),
        gr.Textbox(label='Prompt négatif', value='faible qualité, flou'),
        gr.Slider(10, 100, value=50, label='Étapes'),
        gr.Slider(1, 20, value=4, label='Guidage'),
        gr.Number(value=-1, label='Graine')
    ],
    outputs=gr.Image(),
    title='Kandinsky 3'
).launch(server_name='0.0.0.0', server_port=7860)
"
```

## Accéder à votre service

Après le déploiement, trouvez votre `http_pub` URL dans **Mes commandes**:

1. Accédez à **Mes commandes** la page
2. Cliquez sur votre commande
3. Trouvez le `http_pub` URL (par ex., `abc123.clorecloud.net`)

Utilisez `https://YOUR_HTTP_PUB_URL` au lieu de `localhost` dans les exemples ci-dessous.

## Installation

```bash
pip install diffusers transformers accelerate torch
```

## Utilisation de base

### Kandinsky 3

```python
import torch
from diffusers import AutoPipelineForText2Image

pipe = AutoPipelineForText2Image.from_pretrained(
    "kandinsky-community/kandinsky-3",
    variant="fp16",
    torch_dtype=torch.float16
)
pipe.to("cuda")

image = pipe(
    prompt="Un chat astronaute flottant dans l’espace, art numérique, couleurs vives",
    num_inference_steps=50,
    guidance_scale=4.0
).images[0]

image.save("cat_astronaut.png")
```

### Kandinsky 2.2

```python
import torch
from diffusers import KandinskyV22Pipeline, KandinskyV22PriorPipeline

# Charger le prior (encodeur de texte)
prior = KandinskyV22PriorPipeline.from_pretrained(
    "kandinsky-community/kandinsky-2-2-prior",
    torch_dtype=torch.float16
).to("cuda")

# Charger le décodeur
decoder = KandinskyV22Pipeline.from_pretrained(
    "kandinsky-community/kandinsky-2-2-decoder",
    torch_dtype=torch.float16
).to("cuda")

# Générer des embeddings d’image
prompt = "Un magnifique coucher de soleil sur des montagnes, style peinture à l’huile"
image_embeds, negative_embeds = prior(
    prompt=prompt,
    guidance_scale=1.0
).to_tuple()

# Générer l’image
image = decoder(
    image_embeds=image_embeds,
    negative_image_embeds=negative_embeds,
    height=768,
    width=768,
    num_inference_steps=50
).images[0]

image.save("sunset.png")
```

## Prompts multilingues

Kandinsky prend en charge plusieurs langues :

```python
import torch
from diffusers import AutoPipelineForText2Image

pipe = AutoPipelineForText2Image.from_pretrained(
    "kandinsky-community/kandinsky-3",
    variant="fp16",
    torch_dtype=torch.float16
).to("cuda")

# Anglais
image_en = pipe("Un renard roux dans une forêt enneigée").images[0]

# Russe
image_ru = pipe("Красная лиса в снежном лесу").images[0]

# Chinois
image_zh = pipe("雪林中的红狐狸").images[0]

# Allemand
image_de = pipe("Ein roter Fuchs im verschneiten Wald").images[0]

Toutes produisent des images similaires !
```

## Fusion d’images

```python
import torch
from diffusers import KandinskyV22PriorPipeline, KandinskyV22Pipeline
from diffusers.utils import load_image

prior = KandinskyV22PriorPipeline.from_pretrained(
    "kandinsky-community/kandinsky-2-2-prior",
    torch_dtype=torch.float16
).to("cuda")

decoder = KandinskyV22Pipeline.from_pretrained(
    "kandinsky-community/kandinsky-2-2-decoder",
    torch_dtype=torch.float16
).to("cuda")

# Deux prompts à fusionner
prompt1 = "Un chat"
prompt2 = "Un chien"

# Obtenir les embeddings pour les deux
embeds1, neg1 = prior(prompt1).to_tuple()
embeds2, neg2 = prior(prompt2).to_tuple()

# Fusionner les embeddings (50 % chacun)
mixed_embeds = 0.5 * embeds1 + 0.5 * embeds2
mixed_neg = 0.5 * neg1 + 0.5 * neg2

# Générer l’image fusionnée
image = decoder(
    image_embeds=mixed_embeds,
    negative_image_embeds=mixed_neg,
    height=768,
    width=768
).images[0]

image.save("cat_dog_mix.png")
```

## Inpainting

```python
import torch
from diffusers import AutoPipelineForInpainting
from diffusers.utils import load_image

pipe = AutoPipelineForInpainting.from_pretrained(
    "kandinsky-community/kandinsky-2-2-decoder-inpaint",
    torch_dtype=torch.float16
).to("cuda")

# Charger l’image et le masque
image = load_image("photo.png")
mask = load_image("mask.png")

# Inpainting
result = pipe(
    prompt="Une couronne dorée",
    image=image,
    mask_image=mask,
    num_inference_steps=50
).images[0]

result.save("inpainted.png")
```

## Image à image

```python
import torch
from diffusers import AutoPipelineForImage2Image
from diffusers.utils import load_image

pipe = AutoPipelineForImage2Image.from_pretrained(
    "kandinsky-community/kandinsky-3",
    variant="fp16",
    torch_dtype=torch.float16
).to("cuda")

init_image = load_image("sketch.png")

image = pipe(
    prompt="Une peinture numérique détaillée d’un château, art fantastique",
    image=init_image,
    strength=0.75,
    num_inference_steps=50
).images[0]

image.save("castle.png")
```

## Génération par lots

```python
import torch
from diffusers import AutoPipelineForText2Image
import os

pipe = AutoPipelineForText2Image.from_pretrained(
    "kandinsky-community/kandinsky-3",
    variant="fp16",
    torch_dtype=torch.float16
).to("cuda")

prompts = [
    "Un jardin japonais serein avec des fleurs de cerisier",
    "Une ville cyberpunk la nuit avec des néons",
    "Une bibliothèque ancienne remplie de livres magiques",
    "Un chalet douillet dans les montagnes pendant l’hiver"
]

os.makedirs("outputs", exist_ok=True)

for i, prompt in enumerate(prompts):
    image = pipe(
        prompt=prompt,
        num_inference_steps=50,
        guidance_scale=4.0
    ).images[0]

    image.save(f"outputs/image_{i}.png")
    print(f"Généré : {prompt[:30]}...")

    torch.cuda.empty_cache()
```

## Interface Gradio

```python
import gradio as gr
import torch
from diffusers import AutoPipelineForText2Image

pipe = AutoPipelineForText2Image.from_pretrained(
    "kandinsky-community/kandinsky-3",
    variant="fp16",
    torch_dtype=torch.float16
).to("cuda")

def generate(prompt, negative_prompt, steps, guidance, width, height, seed):
    generator = torch.Generator("cuda").manual_seed(seed) if seed > 0 else None

    image = pipe(
        prompt=prompt,
        negative_prompt=negative_prompt,
        num_inference_steps=steps,
        guidance_scale=guidance,
        width=width,
        height=height,
        generator=generator
    ).images[0]

    return image

demo = gr.Interface(
    fn=generate,
    inputs=[
        gr.Textbox(label="Prompt", placeholder="Décrivez votre image..."),
        gr.Textbox(label="Prompt négatif", value="faible qualité, flou, déformé"),
        gr.Slider(10, 100, value=50, step=5, label="Étapes"),
        gr.Slider(1, 20, value=4, step=0.5, label="Échelle de guidage"),
        gr.Slider(512, 1024, value=1024, step=64, label="Largeur"),
        gr.Slider(512, 1024, value=1024, step=64, label="Hauteur"),
        gr.Number(value=-1, label="Seed (-1 pour aléatoire)")
    ],
    outputs=gr.Image(label="Image générée"),
    title="Kandinsky 3 - Génération d’images",
    description="Générez des images avec des prompts multilingues. Fonctionne sur CLORE.AI."
)

demo.launch(server_name="0.0.0.0", server_port=7860)
```

## Optimisation de la mémoire

```python
import torch
from diffusers import AutoPipelineForText2Image

pipe = AutoPipelineForText2Image.from_pretrained(
    "kandinsky-community/kandinsky-3",
    variant="fp16",
    torch_dtype=torch.float16
)

# Activer les optimisations mémoire
pipe.enable_model_cpu_offload()

# Ou pour une VRAM très faible
pipe.enable_sequential_cpu_offload()

# Activer le découpage de l'attention
pipe.enable_attention_slicing()

image = pipe(
    prompt="Un beau paysage",
    num_inference_steps=50
).images[0]
```

## Performances

| Modèle        | Résolution | GPU      | Temps |
| ------------- | ---------- | -------- | ----- |
| Kandinsky 3   | 1024x1024  | RTX 3090 | 15 s  |
| Kandinsky 3   | 1024x1024  | RTX 4090 | 10 s  |
| Kandinsky 2.2 | 768x768    | RTX 3090 | 8 s   |
| Kandinsky 2.2 | 768x768    | RTX 4090 | 5 s   |

## Dépannage

### Mémoire insuffisante

**Problème :** OOM CUDA lors de la génération

**Solutions :**

* Activer le déchargement CPU
* Réduire la résolution
* Utiliser Kandinsky 2.2 au lieu de 3
* Activer le découpage de l’attention

```python
pipe.enable_model_cpu_offload()
pipe.enable_attention_slicing()
```

### Rendu du texte médiocre

**Problème :** Le texte dans les images semble incorrect

**Solutions :**

* Kandinsky a du mal à rendre le texte (comme la plupart des modèles de diffusion)
* Ajouter le texte en post-traitement
* Utiliser des prompts qui évitent le texte

### Les couleurs semblent incorrectes

**Problème :** Les couleurs de l’image sont délavées ou trop saturées

**Solutions :**

* Ajuster l’échelle de guidage (essayez une plage de 3 à 6)
* Spécifier les préférences de couleur dans le prompt
* Post-traiter avec une correction des couleurs

### Génération lente

**Problème :** La génération prend trop de temps

**Solutions :**

* Réduire les étapes d’inférence (30 suffisent souvent)
* Utiliser la précision fp16
* Utiliser Kandinsky 2.2 pour des résultats plus rapides
* Réduire la résolution pour les aperçus

## Comparaison avec d’autres modèles

| Fonctionnalité     | Kandinsky 3 | SDXL        | FLUX           |
| ------------------ | ----------- | ----------- | -------------- |
| Multilingue        | Excellente  | Limité      | Limité         |
| Qualité de l’image | Élevée      | Très élevée | La plus élevée |
| Vitesse            | Moyen       | Moyen       | Lent           |
| VRAM               | 12 Go       | 12 Go       | 24GB           |
| Inpainting         | Oui         | Oui         | Limité         |

## Estimation des coûts

Tarifs typiques du marché CLORE.AI (en 2024) :

| GPU        | Tarif horaire | Tarif journalier | Session de 4 heures |
| ---------- | ------------- | ---------------- | ------------------- |
| RTX 3060   | \~$0.03       | \~$0.70          | \~$0.12             |
| RTX 3090   | \~$0.06       | \~$1.50          | \~$0.25             |
| RTX 4090   | \~$0.10       | \~$2.30          | \~$0.40             |
| A100 40 Go | \~$0.17       | \~$4.00          | \~$0.70             |
| A100 80 Go | \~$0.25       | \~$6.00          | \~$1.00             |

*Les prix varient selon le fournisseur. Consultez* [*la place de marché CLORE.AI*](https://clore.ai/marketplace) *les tarifs actuels.*

## Étapes suivantes

* FLUX Generation - Images de la plus haute qualité
* Stable Diffusion - Option la plus populaire
* [PixArt](/guides/guides_v2-fr/generation-dimages/pixart-image-gen.md) - Génération rapide
* ComfyUI - Flux de travail avancés


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-fr/autres-charges-de-travail/kandinsky.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.