人工智能基础模型媒体生成计算机视觉【免费下载链接】Boogu-ImageBoogu-Image-0.1 is an Apache-2.0 open-source image generation and editing model family that delivers near-closed-source performance with an order of magnitude less data.项目地址https://gitcode.com/gh_mirrors/bo/Boogu-Image点击查看免费下载Boogu-Image 是一个采用 Apache-2.0 协议开源的AI 图像生成与编辑模型家族支持文生图T2I、图生图编辑TI2I、中英双语文本渲染并提供只需 4 步的极速生成版本。本教程将带你从零开始完成 Boogu-Image 环境安装、模型权重下载并亲手跑出你的第一张 AI 生成图。 Boogu-Image 是什么四大模型变体一览Boogu-Image-0.1 由四个变体组成覆盖从精细可控到极速出图的不同场景模型推理步数适用任务特点Boogu-Image-0.1-Base25~50 步文生图T2I多样性强、可控性高擅长密集文本渲染支持 1K/1.5K/2KBoogu-Image-0.1-Turbo4 步文生图T2I蒸馏加速版照片级真实感默认首选Boogu-Image-0.1-Edit25~50 步图生图TI2I插入/替换/删除物体、换背景、风格迁移Boogu-Image-0.1-Edit-Turbo4 步图生图TI2I编辑任务的极速版本官方在自建的 Boogu Arena 评测中该系列模型综合排名位居已评测的开闭源系统前列。它的核心能力包括真实感摄影光影自然、构图合理、细节忠实稳定文本渲染海报、印章、文档、界面等中英双语排版多样风格化迷你 3D、国风流金、动漫人像等创意生成️全能图像编辑物体增删改、材质修改、背景替换、风格迁移 新手建议先装Base模型熟悉流程之后按需补装Turbo要速度或Edit要编辑。 第一步一条命令安装 Boogu-Image 环境Boogu-Image 已在Python 3.10 CUDA 12.6 PyTorch 2.7.1环境下完成验证也支持最高 PyTorch 2.11 / CUDA 12.8见 requirements/ 目录下各版本依赖清单如 requirements/torch2.7-cu126.txt。方式一使用一键脚本推荐新手# 克隆代码仓库 git clone https://gitcode.com/gh_mirrors/bo/Boogu-Image cd Boogu-Image # 一键创建 conda 环境、安装依赖、安装 flash-attn bash quick_start.sh conda activate booguquick_start.sh 会自动完成创建boogu环境Python 3.10、安装依赖、执行pip install -e .并自动安装匹配的 utils/get_flash_attn.py Flash Attention 加速库。方式二手动安装conda create -y -n boogu python3.10 conda activate boogu pip install -r requirements/torch2.7-cu126.txt pip install -e . python utils/get_flash_attn.py 第二步下载 Boogu-Image 模型权重使用 Hugging Face CLI 将模型下载到本地models/目录pip install -U huggingface_hub[cli] # 按需下载新手先下 Base 即可 huggingface-cli download Boogu/Boogu-Image-0.1-Base --local-dir models/Boogu-Image-0.1-Base huggingface-cli download Boogu/Boogu-Image-0.1-Turbo --local-dir models/Boogu-Image-0.1-Turbo huggingface-cli download Boogu/Boogu-Image-0.1-Edit --local-dir models/Boogu-Image-0.1-Edit下载完成后目录结构如下推理时通过--pretrained_pipeline_name_or_path指向该路径models/ └── Boogu-Image-0.1-Base/ ├── model_index.json ├── mllm ├── processor ├── scheduler ├── transformer └── vae 第三步运行第一张 AI 生成图T2IBoogu-Image 的推理入口是 inference.py。执行前必须先设置device环境变量部分模块会读取该变量决定是否启用 GPU 加速算子再运行export devicecuda:0 # 必填 python inference.py \ --pretrained_pipeline_name_or_path models/Boogu-Image-0.1-Base \ --instruction 一幅国风琉金风格的山水画作远山层叠江水如镜山峰边缘勾勒着发光的金色线条画面梦幻朦胧而又磅礴大气。 \ --num_inference_steps 50 \ --height 1024 --width 1024 \ --text_guidance_scale 4.0 \ --output_image_path outputs/test_base/out_1.png \ --device $device几个新手必知要点--instruction提示词支持中文写得越具体效果越好主体、场景、风格、光影--num_inference_stepsBase 模型推荐 25~50 步Turbo 模型固定用 4 步同时把--text_guidance_scale设为 1.0--height/--width输出尺寸内部会自动对齐到 16 的倍数支持 1:1、16:9、9:16 等多种比例--output_image_path结果保存路径记得提前建好父目录⚡ 如果不想记参数直接复制 demo_scripts/demo_t2i.sh 改一改就能跑demo_scripts/ 目录还预置了批量推理、低显存、提示词改写等 30 多个示例脚本。纯 Python 集成方式可参考 inference_simple.py。️ 第四步体验 AI 图像编辑TI2I切换到 Edit 模型加上--input_image_paths参考图参数即可进行图像编辑。仓库自带示例图 input_image_examples/ 可以直接拿来练手export devicecuda:0 python inference.py \ --pretrained_pipeline_name_or_path models/Boogu-Image-0.1-Edit \ --instruction 把图中的红色汽车变成蓝色汽车其余保持不变。 \ --input_image_paths input_image_examples/02.png \ --num_inference_steps 50 \ --text_guidance_scale 5.0 \ --output_image_path outputs/test_edit/out_1.png \ --device $device完整参数可对照 demo_scripts/demo_ti2i.sh。除了物体增删改Edit 模型还擅长海报设计和精准文字编辑——比如生成带中英标题的海报、替换图中指定文字 显存不够按需选择 Offload 策略Base 模型无 offload 直接跑约需40GB 显存显存有限时可以启用三种互斥的 offload 开关三选一详见 INFERENCE_GUIDE.md显存T2I 1K 推荐配置12~16GB--enable_sequential_cpu_offload_flag True显存占用 2GB最慢24~32GB--enable_model_cpu_offload_flag True显存约 22GB均衡之选40~80GB无需 offload直接跑# 12GB 显卡低显存示例 python inference.py \ --pretrained_pipeline_name_or_path models/Boogu-Image-0.1-Base \ --instruction 一只在雪地里奔跑的哈士奇电影感光影 \ --height 1024 --width 1024 \ --num_inference_steps 50 --text_guidance_scale 4.0 \ --output_image_path outputs/low_mem/out_1.png \ --device $device \ --rewriter_device $device \ --enable_sequential_cpu_offload_flag True \ --enable_model_cpu_offload_flag False \ --enable_group_offload_flag False⚠️ 注意启用任何 offload 时device必须为cuda/cuda:x不支持 CPU 设备。 进阶加速与核心文件速查想进一步提速或省显存可以了解这些可选开关TeaCache / TaylorSeer / Cache-DiTTransformer 缓存加速按需开启建议先关缓存跑通基线再逐个开启优先级为 Cache-DiT TaylorSeer TeaCache--use_fp8_weightsFP8 量化权重加载可显著降低显存需先用 utils/quantize_transformer.py 预量化--enable_torch_compile编译加速若出现全黑图请关闭提示词改写--use_rewrite_text_instruction True可让指令理解器自动润色你的提示词核心文件导航文件说明inference.py主推理入口T2I / TI2I / 批量INFERENCE_GUIDE.md完整参数手册与兼容性矩阵demo_scripts/30 开箱即用的示例脚本boogu/pipelines/boogu/pipeline_boogu.py核心推理管线源码utils/get_flash_attn.pyFlash Attention 自动安装脚本✅ 常见问题排查FAQ提示device相关报错确认已export devicecuda:0且传了--device $device两者必须一致生成速度太慢换用 Turbo 模型4 步出图或开启 TeaCache显存溢出OOM按上文表格启用 offload或改用 FP8 量化版输出全黑先检查是否启用了--enable_torch_compile关闭后重试结果偏模糊检查--max_input_image_pixels是否与目标分辨率匹配设置过低会先生成低分辨率图再放大恭喜到这里你已经走完了 Boogu-Image 的完整上手路径环境安装 → 权重下载 → 第一张 AI 生成图 → 图像编辑 → 显存优化。接下来可以试试 demo_scripts/ 里的批量推理脚本或深入 INFERENCE_GUIDE.md 探索更多高级参数祝你创作愉快 赞分享人工智能基础模型媒体生成计算机视觉【免费下载链接】Boogu-ImageBoogu-Image-0.1 is an Apache-2.0 open-source image generation and editing model family that delivers near-closed-source performance with an order of magnitude less data.项目地址https://gitcode.com/gh_mirrors/bo/Boogu-Image点击查看免费下载相关推荐Qwen-Image-2.1快速上手教程10分钟从环境配置到第一张2K AI绘图Qwen Image 2.1快速上手教程10分钟从环境配置到第一张2K AI绘图 Qwen Image 2.1 是通义千问Qwen家族中最强大的开源图像生人工智能大模型基础模型媒体生成多模态提示工程本地部署Ming-Image-0.1-Design-4bit快速上手教程5分钟从安装到生成第一张AI设计图附Swift示例Ming Image 0.1 Design 4bit快速上手教程5分钟从安装到生成第一张AI设计图附Swift示例 Ming Image 0.1 DesiQwen-Image-2.1-mflux-q4快速上手从下载到生成第一张1024x1024 AI图像Qwen Image 2.1 mflux q4快速上手从下载到生成第一张1024x1024 AI图像 Qwen Image 2.1 mflux q4 是 Qw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考