Imágenes y vídeo

Tres formas de crear en el mismo Mac.

El selector superior alterna entre Chat, Imágenes y Vídeo. Cada espacio tiene su propio catálogo de modelos y motor. No necesitas cargar un modelo de lenguaje para generar imágenes o vídeos.

Deje que VRAM guíe la primera elección.

El catálogo incluye desde modelos compactos Stable Diffusion hasta variantes Z-Image, Flux y Qwen-Image. ToshLLM recomienda según la memoria disponible de la GPU elegida y descarga los componentes necesarios, incluidos los pesos de difusión, VAE y codificadores de texto.

Las licencias varían según el modelo. El catálogo señala los modelos grandes o restringidos; comprueba la licencia concreta antes de usarlos comercialmente o redistribuirlos.

Cambie una variable visual a la vez.

• Aspecto y tamaño: Las dimensiones disponibles siguen la cuadrícula latente del modelo, los límites de calidad y la VRAM detectada.
• Pasos: Los modelos destilados y Turbo esperan pocos pasos, mientras que otros modelos necesitan una ejecución de muestreo más larga.
• CFG: Utilice la guía recomendada del modelo antes de experimentar.
• Semilla: mantenga un valor fijo para comparar cambios de configuración o avisos; utilizar -1 para un nuevo resultado.
• Imagen a imagen: una fuerza menor preserva más de la referencia y un valor más alto la reinventa.
• Ediciones de referencia (compilación de desarrollo): Qwen-Image 2.1 acepta hasta dieciséis imágenes de referencia. Comience con un conjunto pequeño para que la edición solicitada quede clara.
• Salida: PNG conserva la producción sin pérdidas; JPG es más pequeño para resultados fotográficos.

Una discrepancia entre la imagen de referencia y la relación de aspecto de salida puede recortar o distorsionar la composición. Haga coincidir ambas proporciones antes de juzgar el modelo.

Separe el trabajo sin competir por una tarjeta.

Puede agregar instancias de generación de imágenes con su propio modelo, GPU y configuración. La cola de avisos asigna trabajo solo a instancias inactivas y evita iniciar dos trabajos en cola en la misma GPU.

Una instancia también puede colocar el modelo de difusión principal en una GPU y los componentes de soporte en otra. La descarga de la CPU reduce la presión de la VRAM al mover componentes a través de la memoria del sistema, con un costo de velocidad.

Compare la fuente y el resultado directamente.

La vista Upscale acepta lotes y los procesa uno a la vez. ToshLLM puede descargar el modelo ESRGAN seleccionado o utilizar un modelo personalizado compatible. Un modelo 4x produce una salida nativa 4x; la opción 2x ​​escala con el mismo modelo y vuelve a muestrear a la mitad.

Los resultados se almacenan junto a la fuente de forma predeterminada y la vista de comparación mantiene el original disponible para su inspección. La mejora agrega píxeles y detalles, pero no puede restaurar de manera confiable la información que falta en la fuente.

Calcula la memoria antes de generar.

El catálogo de vídeos incluye modelos de texto a vídeo e imagen a vídeo. Seleccione un tamaño de fotograma, un recuento de fotogramas válido, pasos, semilla y GPU. La estimación de memoria tiene en cuenta la resolución, el número de fotogramas y el tamaño del modelo residente.

Si una ejecución se acerca al límite de memoria, reduzca primero el número de fotogramas y luego la resolución. El estudio mantiene los fotogramas generados como archivos PNG individuales y los previsualiza como una animación.

Los archivos de vídeo adjuntos y la exportación MP4 requieren ffmpeg y ffprobe. ToshLLM busca las herramientas incluidas y las rutas de instalación locales más comunes.