PixArt

Быстрая генерация изображений с PixArt-Alpha и PixArt-Sigma

Быстро создавайте изображения с PixArt-Alpha и PixArt-Sigma.

Все примеры можно запускать на GPU-серверах, арендованных через маркетплейс CLORE.AI.

Аренда на CLORE.AI

1. Перейдите на маркетплейс CLORE.AI

2. Отфильтруйте по типу GPU, объёму VRAM и цене

3. Выберите On-Demand (фиксированная ставка) или Spot (цена ставки)

4. Настройте свой заказ:

   • Выберите Docker-образ

   • Установите порты (TCP для SSH, HTTP для веб-интерфейсов)

   • При необходимости добавьте переменные окружения

   • Введите команду запуска

5. Выберите способ оплаты: CLORE, BTC, или USDT/USDC

6. Создайте заказ и дождитесь развертывания

Получите доступ к своему серверу

• Найдите данные для подключения в Мои заказы

• Веб-интерфейсы: используйте URL HTTP-порта

• SSH: ssh -p <port> root@<proxy-address>

Что такое PixArt?

Модели PixArt предлагают:

• В 10 раз быстрее, чем SDXL

• Высококачественные изображения 1024 px

• Отличное отображение текста

• Эффективные методы обучения

Варианты модели

Модель	Качество	Скорость	VRAM
PixArt-Alpha	Отлично	Быстро	8 ГБ
PixArt-Sigma	Лучше всего	Средне	12GB

Быстрое развёртывание

Docker-образ:

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

Порты:

22/tcp
7860/http

Команда:

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

pipe = PixArtAlphaPipeline.from_pretrained('PixArt-alpha/PixArt-XL-2-1024-MS', torch_dtype=torch.float16)
pipe.to('cuda')

def generate(prompt, steps):
    image = pipe(prompt, num_inference_steps=steps).images[0]
    return image

demo = gr.Interface(fn=generate, inputs=[gr.Textbox(), gr.Slider(10, 50, 20)], outputs=gr.Image(), title='PixArt')
demo.launch(server_name='0.0.0.0', server_port=7860)
"

Доступ к вашему сервису

После развертывания найдите свой http_pub URL в Мои заказы:

1. Перейдите на Мои заказы страницу

2. Нажмите на свой заказ

3. Найдите http_pub URL (например, abc123.clorecloud.net)

Используйте https://YOUR_HTTP_PUB_URL вместо localhost в примерах ниже.

Установка

pip install diffusers transformers accelerate

PixArt-Alpha

Базовая генерация

from diffusers import PixArtAlphaPipeline
import torch

pipe = PixArtAlphaPipeline.from_pretrained(
    "PixArt-alpha/PixArt-XL-2-1024-MS",
    torch_dtype=torch.float16
)
pipe.to("cuda")

prompt = "Кот-космонавт, парящий в космосе, Земля на заднем плане, фотореалистично"

image = pipe(
    prompt=prompt,
    num_inference_steps=20,
    guidance_scale=4.5
).images[0]

image.save("output.png")

Параметры генерации

image = pipe(
    prompt="красивый закат над горами",
    negative_prompt="размыто, низкое качество",
    num_inference_steps=20,      # Качество (10-50)
    guidance_scale=4.5,          # Соответствие запросу (3-7)
    height=1024,
    width=1024,
    generator=torch.Generator("cuda").manual_seed(42)
).images[0]

PixArt-Sigma

Версия более высокого качества:

from diffusers import PixArtSigmaPipeline
import torch

pipe = PixArtSigmaPipeline.from_pretrained(
    "PixArt-alpha/PixArt-Sigma-XL-2-1024-MS",
    torch_dtype=torch.float16
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()

image = pipe(
    prompt="профессиональная фотография красного спортивного автомобиля",
    num_inference_steps=30,
    guidance_scale=4.5
).images[0]

image.save("sigma_output.png")

Оптимизация памяти

Для 8 ГБ VRAM

pipe = PixArtAlphaPipeline.from_pretrained(
    "PixArt-alpha/PixArt-XL-2-1024-MS",
    torch_dtype=torch.float16
)

# Выгрузка на CPU
pipe.enable_model_cpu_offload()

# Последовательная выгрузка на CPU (более агрессивная)

# pipe.enable_sequential_cpu_offload()

Включить нарезку VAE

pipe.enable_vae_slicing()
pipe.enable_vae_tiling()

Пакетная генерация

from diffusers import PixArtAlphaPipeline
import torch

pipe = PixArtAlphaPipeline.from_pretrained(
    "PixArt-alpha/PixArt-XL-2-1024-MS",
    torch_dtype=torch.float16
).to("cuda")

prompts = [
    "киберпанк-город ночью",
    "мирный японский сад",
    "фэнтезийный замок на утесе",
    "подводный коралловый риф"
]

for i, prompt in enumerate(prompts):
    image = pipe(prompt, num_inference_steps=20).images[0]
    image.save(f"output_{i:03d}.png")
    print(f"Сгенерировано: {prompt[:50]}...")

Разные разрешения

# Поддерживаемые разрешения
resolutions = [
    (512, 512),
    (768, 768),
    (1024, 1024),
    (1024, 512),   # Альбомная ориентация
    (512, 1024),   # Портретная ориентация
    (768, 1024),
    (1024, 768),
]

for w, h in resolutions:
    image = pipe(
        prompt="красивый пейзаж",
        width=w,
        height=h,
        num_inference_steps=20
    ).images[0]

    image.save(f"output_{w}x{h}.png")

Отображение текста

PixArt отлично справляется с текстом на изображениях:

prompt = """
Винтажный киноплакат с названием "COSMIC ADVENTURE" жирными буквами,
с космическим кораблем и планетами, в ретро-стиле 1950-х годов
"""

image = pipe(
    prompt=prompt,
    num_inference_steps=30,
    guidance_scale=5.0
).images[0]

Интерфейс Gradio

import gradio as gr
from diffusers import PixArtAlphaPipeline
import torch

pipe = PixArtAlphaPipeline.from_pretrained(
    "PixArt-alpha/PixArt-XL-2-1024-MS",
    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="Запрос", lines=3),
        gr.Textbox(label="Негативный запрос"),
        gr.Slider(10, 50, value=20, step=1, label="Шаги"),
        gr.Slider(1, 10, value=4.5, step=0.5, label="Сила соответствия"),
        gr.Slider(512, 1024, value=1024, step=64, label="Ширина"),
        gr.Slider(512, 1024, value=1024, step=64, label="Высота"),
        gr.Number(value=-1, label="Seed (-1 для случайного)" )
    ],
    outputs=gr.Image(label="Сгенерированное изображение"),
    title="Генератор изображений PixArt"
)

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

API-сервер

from fastapi import FastAPI
from fastapi.responses import Response
from diffusers import PixArtAlphaPipeline
import torch
import io

app = FastAPI()

pipe = PixArtAlphaPipeline.from_pretrained(
    "PixArt-alpha/PixArt-XL-2-1024-MS",
    torch_dtype=torch.float16
).to("cuda")

@app.post("/generate")
async def generate(
    prompt: str,
    negative_prompt: str = "",
    steps: int = 20,
    guidance: float = 4.5,
    width: int = 1024,
    height: int = 1024
):
    image = pipe(
        prompt=prompt,
        negative_prompt=negative_prompt,
        num_inference_steps=steps,
        guidance_scale=guidance,
        width=width,
        height=height
    ).images[0]

    buffer = io.BytesIO()
    image.save(buffer, format="PNG")
    return Response(content=buffer.getvalue(), media_type="image/png")

# Запуск: uvicorn server:app --host 0.0.0.0 --port 8000

Сравнение производительности

Модель	GPU	Время 1024x1024
PixArt-Alpha	RTX 3090	~3 с
PixArt-Sigma	RTX 3090	~5 с
SDXL	RTX 3090	~15с
PixArt-Alpha	RTX 4090	~2 с
PixArt-Sigma	RTX 4090	~3 с

Настройки качества

Сценарий использования	Шаги	Сила соответствия
Предпросмотр	10-15	4.0
Стандартный	20	4.5
Высокое качество	30-40	5.0

Устранение неполадок

Недостаточно памяти

# Включить выгрузку
pipe.enable_model_cpu_offload()

# Или используйте меньшее разрешение
width, height = 768, 768

Низкое качество

• Увеличьте число шагов (25-40)

• Настройте шкалу соответствия

• Более подробные запросы

Медленная генерация

• Используйте PixArt-Alpha (быстрее)

• Уменьшите число шагов

• Более низкое разрешение

Оценка стоимости

Типичные цены на маркетплейсе CLORE.AI (по состоянию на 2024 год):

GPU	Почасовая ставка	Дневная ставка	4-часовая сессия
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 ГБ	~$0.17	~$4.00	~$0.70
A100 80 ГБ	~$0.25	~$6.00	~$1.00

Цены зависят от провайдера и спроса. Проверьте маркетплейс CLORE.AI актуальные тарифы.

Сэкономьте деньги:

• Используйте Spot рынок для прерываемых задач — примерно треть серверов оценивает spot-цены ниже on-demand (медиана ~13% скидки), остальные совпадают с ними

• Платите CLORE токенами

• Сравните цены у разных провайдеров

Дальнейшие шаги

• Генерация FLUX — лучшее качество

• Stable Diffusion WebUI — больше возможностей

• Руководство по ControlNet - Добавьте контроль