> 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/other-workloads/kandinsky.md).

# Kandinsky

मल्टीलिंग्वल टेक्स्ट समझ के साथ छवियाँ उत्पन्न करें।

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

## कैंडिंस्की क्या है?

कैंडिंस्की Sber AI द्वारा विकसित एक इमेज जनरेशन मॉडल है:

* मजबूत बहुभाषी टेक्स्ट समझ
* उच्च गुणवत्ता वाली छवि जनरेशन
* इमेज मिश्रण और इंटरपोलेशन
* इनपेंटिंग और आउटपेंटिंग समर्थन
* ओपन सोर्स वेट्स

## संसाधन

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

## मॉडल वर्ज़न

| संस्करण        | रिज़ॉल्यूशन | गुणवत्ता  | स्पीड |
| -------------- | ----------- | --------- | ----- |
| कैंडिंस्की 2.1 | 768x768     | अच्छा     | तेज़  |
| कैंडिंस्की 2.2 | 1024x1024   | बेहतर     | मध्यम |
| कैंडिंस्की 3   | 1024x1024   | सर्वोत्तम | धीमा  |

## हार्डवेयर आवश्यकताएँ

| मॉडल                            | VRAM | अनुशंसित GPU |
| ------------------------------- | ---- | ------------ |
| कैंडिंस्की 2.2                  | 8GB  | RTX 3070     |
| कैंडिंस्की 3                    | 12GB | RTX 3090     |
| कैंडिंस्की 3 (उच्च रिज़ॉल्यूशन) | 16GB | RTX 4090     |

## त्वरित तैनाती

**Docker इमेज:**

```
pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel
```

**पोर्ट:**

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

**कमांड:**

```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='Prompt'),
        gr.Textbox(label='Negative Prompt', value='low quality, blurry'),
        gr.Slider(10, 100, value=50, label='Steps'),
        gr.Slider(1, 20, value=4, label='Guidance'),
        gr.Number(value=-1, label='Seed')
    ],
    outputs=gr.Image(),
    title='Kandinsky 3'
).launch(server_name='0.0.0.0', server_port=7860)
"
```

## अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना खोजें `http_pub` URL में **मेरे ऑर्डर**:

1. जाएँ **मेरे ऑर्डर** पृष्ठ
2. अपने ऑर्डर पर क्लिक करें
3. खोजें `http_pub` URL (उदा., `abc123.clorecloud.net`)

उपयोग करें `https://YOUR_HTTP_PUB_URL` की बजाय `localhost` नीचे दिए उदाहरणों में।

## इंस्टॉलेशन

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

## मूल उपयोग

### कैंडिंस्की 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="A cat astronaut floating in space, digital art, vibrant colors",
    num_inference_steps=50,
    guidance_scale=4.0
).images[0]

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

### कैंडिंस्की 2.2

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

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

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

# Generate image embeddings
prompt = "A beautiful sunset over mountains, oil painting style"
image_embeds, negative_embeds = prior(
    prompt=prompt,
    guidance_scale=1.0
).to_tuple()

# Generate 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")
```

## मल्टीलिंग्वल प्रॉम्प्ट्स

कैंडिंस्की कई भाषाओं का समर्थन करता है:

```python
import torch
from diffusers import AutoPipelineForText2Image

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

# अंग्रेज़ी
image_en = pipe("A red fox in a snowy forest").images[0]

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

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

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

# सभी समान छवियाँ उत्पन्न करते हैं!
```

## इमेज मिश्रण

```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")

# मिश्रित करने के लिए दो प्रॉम्प्ट्स
prompt1 = "A cat"
prompt2 = "A dog"

# दोनों के लिए एम्बेडिंग प्राप्त करें
embeds1, neg1 = prior(prompt1).to_tuple()
embeds2, neg2 = prior(prompt2).to_tuple()

# एम्बेडिंग्स मिलाएँ (प्रत्येक 50%)
mixed_embeds = 0.5 * embeds1 + 0.5 * embeds2
mixed_neg = 0.5 * neg1 + 0.5 * neg2

# मिश्रित छवि जनरेट करें
image = decoder(
    image_embeds=mixed_embeds,
    negative_image_embeds=mixed_neg,
    height=768,
    width=768
).images[0]

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

## इनपेंटिंग

```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")

# छवि और मास्क लोड करें
image = load_image("photo.png")
mask = load_image("mask.png")

# इनपेंट
result = pipe(
    prompt="A golden crown",
    image=image,
    mask_image=mask,
    num_inference_steps=50
).images[0]

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

## इमेज-टू-इमेज

```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="A detailed digital painting of a castle, fantasy art",
    image=init_image,
    strength=0.75,
    num_inference_steps=50
).images[0]

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

## बैच जनरेशन

```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 = [
    "A serene Japanese garden with cherry blossoms",
    "A cyberpunk city at night with neon lights",
    "An ancient library filled with magical books",
    "A cozy cabin in the mountains during winter"
]

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"Generated: {prompt[:30]}...")

    torch.cuda.empty_cache()
```

## Gradio इंटरफ़ेस

```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="Describe your image..."),
        gr.Textbox(label="Negative Prompt", value="low quality, blurry, distorted"),
        gr.Slider(10, 100, value=50, step=5, label="Steps"),
        gr.Slider(1, 20, value=4, step=0.5, label="Guidance Scale"),
        gr.Slider(512, 1024, value=1024, step=64, label="Width"),
        gr.Slider(512, 1024, value=1024, step=64, label="Height"),
        gr.Number(value=-1, label="Seed (-1 for random)")
    ],
    outputs=gr.Image(label="Generated Image"),
    title="Kandinsky 3 - Image Generation",
    description="Generate images with multilingual prompts. Running on CLORE.AI."
)

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

## मेमोरी अनुकूलन

```python
import torch
from diffusers import AutoPipelineForText2Image

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

# मेमोरी ऑप्टिमाइज़ेशन सक्षम करें
pipe.enable_model_cpu_offload()

# या बहुत कम VRAM के लिए
pipe.enable_sequential_cpu_offload()

# अटेंशन स्लाइसिंग सक्षम करें
pipe.enable_attention_slicing()

image = pipe(
    prompt="A beautiful landscape",
    num_inference_steps=50
).images[0]
```

## प्रदर्शन

| मॉडल           | रिज़ॉल्यूशन | GPU      | समय |
| -------------- | ----------- | -------- | --- |
| कैंडिंस्की 3   | 1024x1024   | RTX 3090 | 15s |
| कैंडिंस्की 3   | 1024x1024   | RTX 4090 | 10s |
| कैंडिंस्की 2.2 | 768x768     | RTX 3090 | 8s  |
| कैंडिंस्की 2.2 | 768x768     | RTX 4090 | 5s  |

## समस्याओं का निवारण

### आउट ऑफ़ मेमोरी

**समस्या:** जनरेट करते समय CUDA OOM

**समाधान:**

* CPU ऑफलोडिंग सक्षम करें
* रिज़ॉल्यूशन घटाएँ
* 3 के बजाय Kandinsky 2.2 का उपयोग करें
* अटेंशन स्लाइसिंग सक्षम करें

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

### खराब टेक्स्ट रेंडरिंग

**समस्या:** छवियों में टेक्स्ट गलत दिखता है

**समाधान:**

* कैंडिंस्की टेक्स्ट रेंडरिंग में संघर्ष करता है (ज्यादातर डिफ्यूजन मॉडलों की तरह)
* पोस्ट-प्रोसेसिंग में टेक्स्ट जोड़ें
* ऐसे प्रॉम्प्ट्स का उपयोग करें जो टेक्स्ट से बचें

### रंग गलत दिखते हैं

**समस्या:** छवि के रंग फीके या अतिसंतृप्त हैं

**समाधान:**

* गाइडेंस स्केल समायोजित करें (3-6 रेंज आज़माएँ)
* प्रॉम्प्ट में रंग वरीयताएँ निर्दिष्ट करें
* कलर करेक्शन के साथ पोस्ट-प्रोसेस करें

### धीमा जनरेशन

**समस्या:** जनरेट करने में बहुत समय लगता है

**समाधान:**

* इन्फरेंस स्टेप्स घटाएँ (अक्सर 30 पर्याप्त होते हैं)
* fp16 प्रिसिजन का उपयोग करें
* तेज़ परिणामों के लिए Kandinsky 2.2 का उपयोग करें
* प्रिव्यू के लिए रिज़ॉल्यूशन घटाएँ

## अन्य मॉडलों के साथ तुलना

| फ़ीचर        | कैंडिंस्की 3 | SDXL      | FLUX      |
| ------------ | ------------ | --------- | --------- |
| बहुभाषी      | उत्कृष्ट     | सीमित     | सीमित     |
| छवि गुणवत्ता | उच्च         | बहुत उच्च | सबसे ऊँचा |
| स्पीड        | मध्यम        | मध्यम     | धीमा      |
| VRAM         | 12GB         | 12GB      | 24GB      |
| इनपेंटिंग    | हां          | हां       | सीमित     |

## लागत अनुमान

सामान्य CLORE.AI मार्केटप्लेस दरें (2024 के अनुसार):

| GPU       | घंटात्मक दर | दैनिक दर | 4-घंटे सत्र |
| --------- | ----------- | -------- | ----------- |
| 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 40GB | \~$0.17     | \~$4.00  | \~$0.70     |
| A100 80GB | \~$0.25     | \~$6.00  | \~$1.00     |

*कीमतें प्रदाता के अनुसार विभिन्न होती हैं। जाँच करें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

## अगले कदम

* FLUX जनरेशन - उच्चतम गुणवत्ता वाली छवियाँ
* स्टेबल डिफ्यूज़न - सबसे लोकप्रिय विकल्प
* [पिक्सआर्ट](/guides/guides_v2-hi/image-generation/pixart-image-gen.md) - तेज़ जनरेशन
* ComfyUI - उन्नत वर्कफ़्लो


---

# 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/other-workloads/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.