本項目是基於Flux架構的文本到圖像模型Nepotism的量化版本，採用SVDQuant技術進行優化。提供了INT4和FP4兩種量化格式，分別適用於不同世代的GPU硬件，在保持圖像生成質量的同時顯著減少模型大小和內存佔用。

多模態Diffusers英語

這是基於Danrisi的Flux架構文本到圖像模型UltraReal Fine-Tune的Nunchaku量化（SVDQ）版本。該模型提供了兩種量化格式：INT4適用於非Blackwell架構GPU（50系列之前），NVFP4適用於Blackwell架構GPU（50系列），旨在降低硬件需求同時保持圖像生成質量。

計算機視覺Diffusers英語

這是UltraReal Fine-Tune模型的SVDQ量化版本，由Danrisi基於Flux開發，是一款文本到圖像生成模型。該版本提供了多種量化方案，適配不同GPU硬件，特別針對非Blackwell系列和Blackwell系列GPU進行了優化。

多模態Diffusers英語

本項目是對騰訊混元圖像3.0模型進行4位（UINT4，SVD秩為32）量化的成果，採用了SDNQ量化方法，專門用於文本到圖像的生成任務。

多模態Transformers

Project0 SVDQ 是基於 Flux Dev 和 Flux Krea 的文本到圖像模型的量化版本，採用 SVDQuant 技術進行優化，提供 INT4 和 FP4 兩種量化格式，分別適用於不同世代的 GPU 硬件。

多模態Diffusers英語

這是Project0模型的SVDQ量化版本，基於Flux Dev和Flux Krea創建的文本到圖像模型。該模型提供了多種量化格式，針對不同GPU架構進行了優化，包括INT4和FP4量化版本，適用於Blackwell和非Blackwell GPU用戶。

多模態Diffusers英語

基於Flux.1開發的文本到圖像生成模型的量化版本，採用SVDQ量化技術，提供INT4和FP4兩種量化格式，適用於不同硬件平臺的高效圖像生成。

計算機視覺Diffusers英語

基於Flux.1的文本到圖像模型的量化版本，採用SVDQ量化技術，提供INT4和FP4兩種精度，適用於不同GPU配置的用戶，在保持圖像質量的同時顯著減少模型大小和內存佔用。

計算機視覺Diffusers英語

Jib Mix Flux是基於J1B的Flux.1-Dev的文本到圖像生成模型，本倉庫提供其SVDQ量化版本，包含INT4和NVFP4兩種量化格式，分別適用於不同代際的GPU硬件。

計算機視覺Diffusers多語言

基於J1B的Flux.1-Dev開發的文本到圖像生成模型的量化版本，採用SVDQuant技術進行優化，提供INT4和FP4兩種量化格式，適用於不同GPU架構的用戶。

計算機視覺Diffusers多語言

基於Flux.1開發的文本到圖像生成模型的SVDQ量化版本，提供INT4和FP4兩種量化格式，針對不同GPU架構優化，在保持圖像質量的同時顯著減少顯存佔用和提升推理速度。

計算機視覺Diffusers英語

PixelWave是基於Flux.1開發的文本到圖像模型，經過Nunchaku量化（SVDQ）優化，為不同GPU配置的用戶提供了高效的圖像生成解決方案。

計算機視覺Diffusers英語

Fluxmania Legacy是基於Flux.1開發的文本到圖像生成模型，本倉庫提供了經過Nunchaku量化（SVDQ）的版本，包含INT4和NVFP4兩種精度，適配不同GPU配置的用戶使用。

計算機視覺Diffusers英語

CenKreChro-SVDQ是基於CenKreChro文本到圖像模型的量化版本，採用SVDQuant技術進行優化。該模型結合了Chroma和Flux Krea的優勢，提供了高效的圖像生成能力，特別針對不同GPU架構進行了優化。

計算機視覺Diffusers英語

CenKreChro-SVDQ 是基於 Chroma 和 Flux Krea 合併的文本到圖像生成模型的量化版本，採用 SVDQuant 技術進行優化，提供 INT4 和 FP4 兩種量化格式，分別適用於不同世代的 GPU 硬件。

計算機視覺Diffusers英語

基於Stable Diffusion XL Base 1.0的量化版本，通過SVDQuant技術實現4位量化，在保持高質量圖像生成能力的同時顯著提升推理效率。

計算機視覺Diffusers英語

這是一個經過Nunchaku團隊使用SVDQuant技術量化的FLUX.1 Krea dev模型，專門用於文本到圖像生成。該模型在保持高質量圖像生成能力的同時，顯著提升了推理效率，適用於非商業用途。

計算機視覺Diffusers英語

這是一個經過Nunchaku量化的SANA-1.6B模型版本，專門用於根據文本提示生成高質量圖像。該模型通過先進的SVDQuant量化技術，在保持生成質量的同時顯著優化了推理效率，適用於各種文本到圖像的生成任務。

計算機視覺Diffusers英語

這是FLUX.1-schnell模型的量化版本，專門針對高效推理進行了優化，能夠在保持高質量圖像生成性能的同時顯著降低計算資源需求。該模型基於SVDQuant技術進行4位量化，適用於文本到圖像的生成任務。

計算機視覺Diffusers英語

基於穩定視頻擴散模型(SVD)構建的視頻生成流程，通過關鍵幀生成時間連貫的視頻，用於探索給定場景。

計算機視覺Diffusers