> 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-hi/image-generation/invokeai.md).

# InvokeAI

Clore.ai GPUs पर नोड-आधारित कैनवास के साथ InvokeAI प्रोफ़ेशनल Stable Diffusion टूलकिट चलाएँ

InvokeAI एक पेशेवर-स्तर का Stable Diffusion टूलकिट है, जिसमें उन्नत नोड-आधारित कैनवास एडिटर, SDXL/SD1.5/SD2.x का पूर्ण समर्थन, ControlNet, IP-Adapter, LoRA प्रबंधन, और एक परिष्कृत वेब UI शामिल है। यह उन कलाकारों और रचनात्मक पेशेवरों के लिए डिज़ाइन किया गया है जिन्हें अपने इमेज जनरेशन वर्कफ़्लो पर सटीक नियंत्रण चाहिए। CLORE.AI के उच्च-VRAM GPU आपको कई ControlNet के साथ एक साथ पूर्ण रिज़ॉल्यूशन पर SDXL चलाने देते हैं।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं, जिन्हें किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## सर्वर आवश्यकताएँ

| पैरामीटर | न्यूनतम              | अनुशंसित                 |
| -------- | -------------------- | ------------------------ |
| RAM      | 12 GB                | 32 GB+                   |
| VRAM     | 6 GB                 | 12 GB+                   |
| डिस्क    | 40 GB                | 200 GB+                  |
| GPU      | NVIDIA GTX 1060 6GB+ | RTX 3090, RTX 4090, A100 |

{% hint style="info" %}
बिना किसी समझौते के SDXL (1024×1024) के लिए, 12 GB VRAM अनुशंसित है। SD1.5 (512×512 या 768×768) के लिए, 6 GB VRAM पर्याप्त है। अधिक VRAM = उच्च रिज़ॉल्यूशन, तेज़ जनरेशन, और एक साथ अधिक ControlNet।
{% endhint %}

## CLORE.AI पर त्वरित परिनियोजन

**Docker इमेज:** `ghcr.io/invoke-ai/invokeai:latest`

**पोर्ट:** `22/tcp`, `9090/http`

**Environment Variables:**

| वेरिएबल         | उदाहरण      | विवरण                                |
| --------------- | ----------- | ------------------------------------ |
| `INVOKEAI_ROOT` | `/invokeai` | मॉडल और आउटपुट के लिए मूल निर्देशिका |

## चरण-दर-चरण सेटअप

### 1. CLORE.AI पर GPU Server किराए पर लें

विज़िट करें [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace) और यह देखें:

* **बजट-स्तर का रचनात्मक कार्य**: RTX 3080/3090 (10–24 GB VRAM)
* **पेशेवर SDXL**: RTX 4090 (24 GB VRAM)
* **अधिकतम गुणवत्ता**: A100 80GB — कई मॉडल एक साथ चलाएँ

### 2. अपने Server में SSH करें

```bash
ssh -p <PORT> root@<SERVER_IP>
```

### 3. InvokeAI निर्देशिका संरचना बनाएं

```bash
mkdir -p /root/invokeai
```

### 4. InvokeAI Docker इमेज पुल करें

```bash
docker pull ghcr.io/invoke-ai/invokeai:latest
```

### 5. InvokeAI लॉन्च करें

**बेसिक लॉन्च:**

```bash
docker run -d \\
  --name invokeai \
  --gpus all \\
  -p 9090:9090 \
  -v /root/invokeai:/invokeai \
  -e INVOKEAI_ROOT=/invokeai \
  ghcr.io/invoke-ai/invokeai:latest \
  invokeai-web --host 0.0.0.0 --port 9090
```

**कस्टम रूट और बढ़ाए गए संसाधनों के साथ:**

```bash
docker run -d \\
  --name invokeai \
  --gpus all \\
  --shm-size 8g \
  -p 9090:9090 \
  -v /root/invokeai:/invokeai \
  -v /root/models:/root/models \
  -e INVOKEAI_ROOT=/invokeai \
  ghcr.io/invoke-ai/invokeai:latest \
  invokeai-web --host 0.0.0.0 --port 9090
```

**विशिष्ट GPU के साथ (multi-GPU सर्वर):**

```bash
docker run -d \\
  --name invokeai \
  --gpus '"device=0"' \
  -p 9090:9090 \
  -v /root/invokeai:/invokeai \
  -e INVOKEAI_ROOT=/invokeai \
  -e CUDA_VISIBLE_DEVICES=0 \
  ghcr.io/invoke-ai/invokeai:latest \
  invokeai-web --host 0.0.0.0 --port 9090
```

### 6. प्रारंभिक सेटअप पूरा होने की प्रतीक्षा करें

```bash
docker logs -f invokeai
```

यह देखें: `Uvicorn running on http://0.0.0.0:9090`

### 7. CLORE.AI HTTP प्रॉक्सी के माध्यम से एक्सेस करें

अपना CLORE.AI डैशबोर्ड खोलें और `http_pub` पोर्ट 9090 के लिए URL ढूँढें:

```
https://<order-id>-9090.clore.ai/
```

यह आपके ब्राउज़र में पूरा InvokeAI वेब इंटरफ़ेस खोलता है।

### 8. अपना पहला मॉडल डाउनलोड करें

InvokeAI UI में:

1. क्लिक करें **मॉडल प्रबंधक** (बाएँ साइडबार में क्यूब आइकन)
2. क्लिक करें **मॉडल जोड़ें → HuggingFace**
3. मॉडल ID दर्ज करें (उदा., `stabilityai/stable-diffusion-xl-base-1.0`)
4. क्लिक करें **मॉडल जोड़ें**

या सीधे CivitAI से डाउनलोड करें:

1. पर जाएँ **मॉडल प्रबंधक → मॉडल जोड़ें → URL**
2. CivitAI डाउनलोड URL पेस्ट करें
3. मॉडल प्रकार सेट करें (Checkpoint, LoRA, आदि)

***

## उपयोग के उदाहरण

### उदाहरण 1: वेब UI के माध्यम से मूल इमेज जनरेशन

1. अपने CLORE.AI http\_pub URL पर InvokeAI खोलें
2. क्लिक करें **टेक्स्ट से इमेज** वर्कफ़्लो चयनकर्ता में
3. एक प्रॉम्प्ट दर्ज करें: `"एक भव्य ड्रैगन क्रिस्टल पहाड़ पर बैठा है, डिजिटल आर्ट, 4k"`
4. नकारात्मक प्रॉम्प्ट सेट करें: `"धुंधला, निम्न गुणवत्ता, वॉटरमार्क"`
5. रिज़ॉल्यूशन सेट करें `1024x1024` (SDXL) या `512x512` (SD1.5)
6. क्लिक करें **इनवोक करें**

### उदाहरण 2: नोड-आधारित कैनवास का उपयोग

वर्कफ़्लो एडिटर InvokeAI की विशिष्ट विशेषता है:

1. क्लिक करें **वर्कफ़्लोज़** ऊपरी नेव में
2. क्लिक करें **नया वर्कफ़्लो**
3. नोड जोड़ें: **टेक्स्ट → इमेज**, इससे कनेक्ट करें **इमेज सहेजें**
4. एक **ControlNet** नोड जोड़ें, निर्देशित जनरेशन के लिए:
   * राइट-क्लिक → नोड जोड़ें → **ControlNet**
   * अपनी संदर्भ छवि कनेक्ट करें
   * प्रोसेसर चुनें: `Canny`, `Depth`, `Pose`, आदि।
5. क्लिक करें **इनवोक करें** पूरी पाइपलाइन चलाने के लिए

### उदाहरण 3: LoRA का उपयोग

1. CivitAI से एक LoRA डाउनलोड करें (मॉडल प्रबंधक → URL import के माध्यम से)
2. जनरेशन पैनल में, ढूँढें **LoRA** सेक्शन
3. क्लिक करें **+** और अपनी LoRA चुनें
4. वज़न सेट करें (आमतौर पर 0.5–1.0)
5. प्रॉम्प्ट में ट्रिगर शब्द जोड़ें (CivitAI मॉडल पेज पर सूचीबद्ध)

LoRA ट्रिगर के साथ उदाहरण प्रॉम्प्ट:

```
एक महिला का पोर्ट्रेट, <lora:detail-tweaker:0.8>, हाइपररियलिस्टिक, स्टूडियो लाइटिंग
```

### उदाहरण 4: स्टाइल ट्रांसफ़र के लिए IP-Adapter का उपयोग

1. सक्षम करें **IP-Adapter** जनरेशन पैनल में
2. एक संदर्भ शैली छवि अपलोड करें
3. वज़न सेट करें (0.5 = सूक्ष्म प्रभाव, 1.0 = मजबूत प्रभाव)
4. किसी भी प्रॉम्प्ट के साथ जनरेट करें — आउटपुट संदर्भ शैली से मेल खाएगा

### उदाहरण 5: API उपयोग (हेडलेस)

InvokeAI प्रोग्रामेटिक उपयोग के लिए एक REST API प्रदान करता है:

```python
import requests
import time
import base64

BASE_URL = "http://localhost:9090"  # या आपका CLORE.AI http_pub URL

# उपलब्ध मॉडल सूचीबद्ध करें
models = requests.get(f"{BASE_URL}/api/v1/models").json()
print("उपलब्ध मॉडल:", [m["name"] for m in models.get("items", [])])

# एक जनरेशन कतार में डालें
{
    "batch": {
        "graph": {
            "nodes": {
                "text_encoder": {
                    "type": "compel",
                    "id": "text_encoder",
                    "सूर्यास्त के समय एक भविष्योन्मुखी शहर, फोटोरियलिस्टिक",
                },
                "noise": {
                    "type": "noise",
                    "id": "noise",
                    "width": 1024,
                    "height": 1024,
                    "seed": 42,
                },
                "denoise_latents": {
                    "type": "denoise_latents",
                    "id": "denoise_latents",
                    "steps": 30,
                    "cfg_scale": 7.5,
                    "scheduler": "dpmpp_2m",
                },
                "l2i": {
                    "type": "l2i",
                    "id": "l2i",
                },
            },
            "edges": [],
        }
    }
}

# सरल: queue API का उपयोग करें
response = requests.post(f"{BASE_URL}/api/v1/queue/default/enqueue_batch", json=payload)
print(response.status_code)
```

***

## कॉन्फ़िगरेशन

### invokeai.yaml कॉन्फ़िगरेशन फ़ाइल

यहाँ स्थित है `/root/invokeai/invokeai.yaml`:

```yaml
InvokeAI:
  वेब सर्वर:
    host: 0.0.0.0
    port: 9090
    allow_origins: []
    
  विशेषताएँ:
    esrgan: true          # ESRGAN अपस्केलिंग
    internet_available: true
    
  मेमोरी/प्रदर्शन:
    ram: 12.0             # मॉडल कैश के लिए अधिकतम RAM (GB)
    vram: 0.25            # मॉडल कैश के लिए VRAM का अंश
    lazy_offload: true    # उपयोग में न होने पर मॉडल CPU पर ऑफलोड करें
    
  पथ:
    models_path: /invokeai/models
    db_path: /invokeai/databases/invokeai.db
    outdir: /invokeai/outputs
```

### GPU के अनुसार अनुशंसित सेटिंग्स

**RTX 3090 / 4090 (24 GB VRAM):**

```yaml
मेमोरी/प्रदर्शन:
  ram: 24.0
  vram: 0.5   # सक्रिय मॉडल के लिए 50% रखें
  lazy_offload: false  # ऑफलोड न करें — पर्याप्त VRAM है
```

**RTX 3080 (10 GB VRAM):**

```yaml
मेमोरी/प्रदर्शन:
  ram: 16.0
  vram: 0.25
  lazy_offload: true
```

**छोटे GPU (6-8 GB VRAM):**

```yaml
मेमोरी/प्रदर्शन:
  ram: 8.0
  vram: 0.1
  lazy_offload: true
```

***

## प्रदर्शन सुझाव

### 1. तेज़ जनरेशन के लिए SDXL-Turbo या SDXL-Lightning का उपयोग करें

SDXL base (25–50 steps) के बजाय, उपयोग करें:

* **SDXL-Turbo**: 1–4 steps, रीयलटाइम जनरेशन
* **SDXL-Lightning**: 4–8 steps, लगभग SDXL-स्तर की गुणवत्ता

Model Manager → HuggingFace के माध्यम से डाउनलोड करें:

* `stabilityai/sdxl-turbo`
* `ByteDance/SDXL-Lightning`

### 2. सही Scheduler चुनें

| Scheduler      | गुणवत्ता | गति   | किसके लिए सर्वोत्तम |
| -------------- | -------- | ----- | ------------------- |
| `euler_a`      | अच्छा    | तेज़  | सामान्य उपयोग       |
| `dpmpp_2m`     | उत्कृष्ट | तेज़  | फोटो-यथार्थवादी     |
| `dpmpp_2m_sde` | उत्कृष्ट | मध्यम | उच्च विवरण          |
| `ddim`         | अच्छा    | तेज़  | इनपेंटिंग           |
| `lms`          | अच्छा    | तेज़  | कलात्मक शैलियाँ     |

### 3. xFormers मेमोरी ऑप्टिमाइज़ेशन सक्षम करें

InvokeAI उपलब्ध होने पर इसे स्वचालित रूप से सक्षम करता है। लॉग में जाँचें:

```
xFormers उपलब्ध है
```

### 4. मॉडल कैशिंग का उपयोग करें

अपने सबसे अधिक उपयोग किए जाने वाले मॉडल कैश में रखें। invokeai.yaml में:

```yaml
ram: 32.0  # बड़ा = अधिक मॉडल कैश्ड
```

### 5. बड़े रिज़ॉल्यूशन के लिए टाइल करें

उन छवियों के लिए जो आपके VRAM से बड़े हैं (उदा., 12 GB GPU पर 2048×2048):

* उपयोग करें **टाइल्ड VAE** वर्कफ़्लो एडिटर में
* या 1024×1024 पर जनरेट करें, फिर इसके साथ अपस्केल करें **ESRGAN**

***

## समस्या निवारण

### समस्या: "CUDA out of memory"

```
RuntimeError: CUDA out of memory
```

**समाधान:**

1. रिज़ॉल्यूशन कम करें (1024→768 या 512)
2. बैच आकार 1 करें
3. invokeai.yaml में lazy offloading सक्षम करें
4. छोटा मॉडल उपयोग करें (SDXL के बजाय SD1.5)

### समस्या: वेब UI उपलब्ध नहीं है

```bash
# जाँचें कि कंटेनर चल रहा है या नहीं
docker ps | grep invokeai

# त्रुटियों के लिए लॉग्स जाँचें
docker logs invokeai 2>&1 | tail -50

# पोर्ट मैपिंग सत्यापित करें
docker port invokeai
```

सुनिश्चित करें कि पोर्ट 9090 आपके CLORE.AI ऑर्डर की पोर्ट कॉन्फ़िगरेशन में सूचीबद्ध है।

### समस्या: कंटेनर के अंदर मॉडल डाउनलोड विफल होता है

```bash
# exec के माध्यम से मैन्युअल रूप से डाउनलोड करें
docker exec -it invokeai bash
cd /invokeai/models/main
wget "https://civitai.com/api/download/models/XXX" -O mymodel.safetensors
```

### समस्या: धीमी जनरेशन (< 1 it/s)

* GPU उपयोग की जाँच करें: `docker exec -it invokeai nvidia-smi`
* सुनिश्चित करें कि लॉग में xFormers सक्षम है
* कोशिश करें `euler_a` scheduler (सबसे तेज़)

### समस्या: काली/टूटी हुई छवियाँ

आमतौर पर यह VAE की समस्या होती है। यह आज़माएँ:

1. मॉडल प्रबंधक → मॉडल संपादित करें → VAE बदलकर `sdxl-vae-fp16-fix`
2. या जोड़ें `--fp32-vae` फ़्लैग

### समस्या: कंटेनर शुरू नहीं होता

```bash
docker logs invokeai
# सामान्य: पोर्ट 9090 पहले से उपयोग में है
# समाधान:
docker stop $(docker ps -q --filter "publish=9090")
docker start invokeai
```

***

## लिंक्स

* [GitHub](https://github.com/invoke-ai/InvokeAI)
* [दस्तावेज़ीकरण](https://invoke-ai.github.io/InvokeAI/)
* [Docker Hub / GHCR](https://github.com/invoke-ai/InvokeAI/pkgs/container/invokeai)
* [CivitAI (मॉडल्स)](https://civitai.com)
* [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace)

***

## Clore.ai GPU अनुशंसाएँ

| उपयोग-प्रकरण   | अनुशंसित GPU    | Clore.ai पर अनुमानित लागत                 |
| -------------- | --------------- | ----------------------------------------- |
| विकास/परीक्षण  | RTX 3090 (24GB) | $0.07–0.21/gpu/hr                         |
| प्रोडक्शन      | RTX 4090 (24GB) | $0.14–0.42/gpu/hr                         |
| बड़े पैमाने पर | A100 80GB       | [bare metal](https://clore.ai/bare-metal) |

> 💡 इस गाइड के सभी उदाहरण [Clore.ai](https://clore.ai/marketplace) GPU servers पर तैनात किए जा सकते हैं। उपलब्ध GPUs ब्राउज़ करें और घंटे के हिसाब से किराए पर लें — कोई प्रतिबद्धता नहीं, पूर्ण root access.


---

# 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-hi/image-generation/invokeai.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.