క్లుప్తంగా
- తయారీదారుల అంకెల ప్రకారం FLUX.2 Klein 4B సుమారు 13 GB వీడియో మెమరీలో, Z-Image Turbo పూర్తి సైజులో 16 GB లోపల నడుస్తాయి; 4-bitలో 12B Flux మోడల్స్ వెయిట్లు సుమారు 6.7 GB, 20B Qwen Image సుమారు 11.5 GB.
- తక్కువ స్టెప్‌లు అంటే వేగవంతమైన చిత్రాలు: తయారీదారుల ఉదాహరణల్లో Flux Schnell, FLUX.2 Klein 4B 4 స్టెప్‌లు, Z-Image Turbo 8, Qwen Image 50 వాడతాయి.
- నడపడానికి మూడు మార్గాలు: mflux (కమాండ్ లైన్, MLX), Draw Things (App Store), ComfyUI Desktop (నోడ్ వర్క్‌ఫ్లోలు).
- ప్రతి మోడల్ లైసెన్స్ చెక్ చేయండి: Flux Schnell, Z-Image Turbo Apache 2.0, Flux Devకు నాన్-కమర్షియల్ లైసెన్స్ ఉంది (Hugging Face).
1ఇమేజ్ మోడల్లు, వాటికి కావాల్సిన మెమరీ
| మోడల్ | పారామీటర్లు | స్టెప్‌లు | 16-bit / 4-bitలో వెయిట్లు | లైసెన్స్ |
|---|---|---|---|---|
| FLUX.2 Klein 4B | 4B | 4 | సుమారు 8 / 2.3 GB | Apache 2.0 |
| Z-Image Turbo | 6B | 8 | సుమారు 12 / 3.4 GB | Apache 2.0 |
| Flux Schnell | 12B | 4 | సుమారు 24 / 6.7 GB | Apache 2.0 |
| Flux Dev | 12B | Schnell కంటే ఎక్కువ | సుమారు 24 / 6.7 GB | వాణిజ్యేతర |
| Qwen Image | 20B | 50 | సుమారు 41 / 11.5 GB | Apache 2.0 |
తయారీదారులు ఇచ్చే మెమరీ అంకెలు పూర్తి సైజులో గ్రాఫిక్స్ కార్డుల కోసం: FLUX.2 Klein 4B సుమారు 13 GB వీడియో మెమరీలో, Z-Image Turbo 16 GB లోపల నడుస్తాయి. Mac GPU డిఫాల్ట్‌గా తన మెమరీలో సుమారు 75% వాడగలదు, mflux లాంటి టూల్స్ మోడల్‌ను 8-bit లేదా 4-bitలో లోడ్ చేస్తాయి, దానికి చాలా తక్కువ చోటు చాలు. కాబట్టి 16 GB Macపై 4-bitలో FLUX.2 Klein 4B, Z-Image Turbo లేదా Flux Schnellతో మొదలుపెట్టండి; Qwen Image వెయిట్‌లకే 4-bitలో సుమారు 11.5 GB పడుతుంది, కాబట్టి దానికి 24 GB లేదా ఎక్కువ ఇవ్వండి.
2దేని వల్ల వేగంగా ఉంటుంది
ఇమేజ్ మోడల్ ఒక చిత్రాన్ని కొన్ని స్టెప్‌లలో మెరుగుపరుస్తుంది, ప్రతి స్టెప్ మోడల్ ద్వారా ఒక పూర్తి పాస్. Flux Schnell లేదా FLUX.2 Klein 4B లాంటి 4-స్టెప్ మోడల్, తయారీదారు ఉదాహరణలోని 50 స్టెప్‌లతో Qwen Image తీసుకునే పాస్‌లలో పన్నెండో వంతుతో చిత్రాన్ని తయారుచేస్తుంది. పెద్ద చిత్రాలు, ఎక్కువ ప్రెసిషన్ ఎక్కువ సమయం తీసుకుంటాయి.
టెక్స్ట్ రాయడంలా కాకుండా, ఇమేజ్ జనరేషన్‌ను ఎక్కువగా పరిమితం చేసేది GPU కంప్యూట్, కాబట్టి ఎక్కువ GPU కోర్‌లు ఉన్న చిప్‌లు (Pro, Max, Ultra) దీనిలో వేగంగా ఉంటాయి. Apple M5 తరం ఇలాంటి పని కోసం ప్రతి GPU కోర్‌కు న్యూరల్ యాక్సిలరేటర్‌లను జోడిస్తుంది (Apple).
3నడపడానికి మూడు మార్గాలు
| ఇది ఏమిటి | దేనిపై నడుస్తుంది | ధర | |
|---|---|---|---|
| mflux | Apple MLXతో కమాండ్ లైన్ ఇమేజ్ జనరేషన్; FLUX, Z-Image, Qwen Image, ఇంకా మరిన్ని | Apple Silicon | ఉచితం, ఓపెన్ సోర్స్ |
| Draw Things | iPhone, iPad, Mac కోసం యాప్; లోకల్, ఆఫ్‌లైన్, ఐచ్ఛిక క్లౌడ్ | macOS 12.4 లేదా తర్వాత | ఉచితం, ఇన్-యాప్ కొనుగోళ్లు |
| ComfyUI Desktop | నోడ్ ఆధారిత వర్క్‌ఫ్లోలు; సెటప్ తర్వాత ఆఫ్‌లైన్‌లో నడుస్తుంది | macOS 13 లేదా తర్వాత, M1 లేదా తర్వాత | ఉచితం, ఓపెన్ సోర్స్ |
ఉదాహరణకు mfluxతో (mflux):
uv tool install --upgrade mflux
mflux-generate-z-image-turbo \
--prompt "A puffin standing on a cliff" \
--width 1280 --height 500 \
--seed 42 --steps 9 -q 8-q 8 మోడల్‌ను 8-bitలో లోడ్ చేస్తుంది, దాంతో పూర్తి ప్రెసిషన్‌తో పోలిస్తే దాని మెమరీ దాదాపు సగమవుతుంది. మొదటి రన్ మోడల్‌ను డౌన్‌లోడ్ చేస్తుంది.
mflux, Draw Things, ComfyUI Desktop ఒక్కోదానికి AI App Storeలో సొంత లిస్టింగ్ ఉంది, ఇతర ఇమేజ్, వీడియో యాప్‌ల పక్కనే.
4లైసెన్స్‌లు, గేటెడ్ మోడల్లు
ఓపెన్ ఇమేజ్ మోడల్లు వేర్వేరు లైసెన్స్‌లతో వస్తాయి. Flux Schnell, Z-Image Turbo Apache 2.0; Flux Dev Black Forest Labs నాన్-కమర్షియల్ లైసెన్స్ వాడుతుంది, అది గేటెడ్: డౌన్‌లోడ్ అయ్యే ముందు Hugging Face మిమ్మల్ని దాన్ని అంగీకరించి సైన్ ఇన్ చేయమని అడుగుతుంది (FLUX.1 dev, FLUX.1 schnell, Z-Image Turbo). చిత్రాలను వాణిజ్యపరంగా వాడే ముందు మోడల్ కార్డ్‌పై లైసెన్స్ చదవండి.
5చిత్రాల మధ్య
అప్పుడప్పుడు ఇమేజ్లు తయారుచేసే Mac రోజులో ఎక్కువ భాగం ఖాళీగానే ఉంటుంది. మీరు పెట్టిన పరిమితుల లోపల, MLX Node ఆ సమయాన్ని MLX Network కోసం AI జాబ్‌లు నడిపి MLX Tokens సంపాదించడానికి వాడగలదు; GPU మీకే కావాల్సినప్పుడు దాన్ని పాజ్ చేయండి. సంపాదనకు హామీ లేదు: రిస్క్‌లు చదవండి.
6ప్రశ్నలు
- 16 GB ఉన్న Mac లోకల్గా ఇమేజ్లు తయారుచేయగలదా?
- అవును, తక్కువ ప్రెసిషన్లో. FLUX.2 Klein 4B, Z-Image Turbo చిన్నవి (4B, 6B పారామీటర్లు), Flux Schnell వెయిట్లు 4-bitలో సుమారు 6.7 GB. mflux లాంటి టూల్స్ మోడల్స్ను 8-bit లేదా 4-bitలో లోడ్ చేస్తాయి, కాబట్టి 16 GB Mac GPU వాడగలిగే సుమారు 12 GBలో చోటు మిగులుతుంది.
- Macపై అత్యంత వేగవంతమైన ఇమేజ్ మోడల్ ఏది?
- టేబుల్లోని మోడల్లలో, 4-స్టెప్ మోడల్లు: Flux Schnell, FLUX.2 Klein 4B; ఇదే అన్నిటికంటే చిన్నది కూడా. వేగం చిత్రం సైజు, ప్రెసిషన్, GPU కోర్ల సంఖ్యపై కూడా ఆధారపడుతుంది.
- Stable Diffusion Macపై నడుస్తుందా?
- అవును: ComfyUI Desktop Apple Silicon Macలపై (M1 లేదా తర్వాత) Stable Diffusion వర్క్ఫ్లోలను, Flux లాంటి కొత్త కుటుంబాలతో పాటు నడుపుతుంది. mflux పైన జాబితా చేసిన కొత్త మోడల్లపై దృష్టి పెడుతుంది.
- లోకల్గా తయారుచేసిన ఇమేజ్లను వాణిజ్యపరంగా వాడగలనా?
- అది మోడల్ లైసెన్స్పై ఆధారపడుతుంది, అది ఎక్కడ నడుస్తుందనే దానిపై కాదు. Flux Schnell, Z-Image Turbo Apache 2.0; Flux Dev లైసెన్స్ నాన్-కమర్షియల్.
ఆధారాలు
- Hugging Facehuggingface.co
- FLUX.2 Klein 4Bhuggingface.co
- Z-Image Turbohuggingface.co
- Flux Schnell, Devgithub.com
- Qwen Imagehuggingface.co
- Appleapple.com
- mfluxgithub.com
- Draw Thingsapps.apple.com
- ComfyUI Desktopdocs.comfy.org
- FLUX.1 schnellhuggingface.co