readme: bilingual hero card (AR desc + EN labels)

f80d2f6 verified 29 days ago

5.47 kB

base_model: stabilityai/stable-diffusion-xl-base-1.0
library_name: diffusers
pipeline_tag: text-to-image
license: openrail++
tags:
  - stable-diffusion-xl
  - sdxl
  - diffusers
  - text-to-image
  - fused-model
  - merged-checkpoint
  - full-model
  - king2
  - image-generation
thumbnail: test/full_EN1.png
inference:
  parameters:
    guidance_scale: 7.5
    negative_prompt: >-
      blurry, low quality, distorted, ugly, bad anatomy, watermark, text,
      signature
datasets:
  - RASHID778/king2-image-dataset
language:
  - en
  - ar

👑 KING2-IMAGE-FULL

موديل SDXL مستقل — LoRA "King2" مدمجة كليًا داخل الأوزان، بلا أي ملف LoRA خارجي عند الاستخدام.

^{Standalone SDXL pipeline · King2 LoRA fused at scale 1.0 · fp16 · ~7.1 GB}

EN1 — "a futuristic royal palace at sunset, highly detailed, golden hour"

🖼️ مقارنة بصرية — نفس البذرة والخطوات (seed 42 · 28 steps · guidance 7.5 · 768×768 · fp16/T4)

base _{بدون أي تخصيص}	lora _{SDXL + LoRA منفصلة}	full (هذا الموديل) _{مستقل بالكامل}

base _{English #2}	lora _{English #2}	full(this model)

مشاهد عربية (Arabic scene prompts)

📊 نتائج التحقق (أرقام حقيقية من GPU — T4)

تمت مقارنة الموديل المدمج مقابل الأساس ومقابل الأساس + LoRA منفصلة بنفس البذرة والمعاملات على T4 (fp16):

القياس (MAE — متوسط الخطأ المطلق للبكسلات)	EN1	EN2	الدلالة
مدمج ↔ الأساس (`base_vs_full`)	26.88	36.24	الفرق كبير — أسلوب King2 ظاهر بوضوح
مدمج ↔ الأساس+LoRA (`lora_vs_full`)	1.73	1.02	مطابق تقريبًا للوحة المنفصلة — الدمج صحيح

مؤشر	القيمة	الدلالة
زمن التحميل (`full_load_sec`)	96 s	موديل مستقل يُحمَّل من HF مباشرة
ذروة VRAM (`full_vram_peak_gb`)	7.05 GB	يعمل على T4 (16GB)
مفاتيح الـunet	1,680 (كلها دمجت)	بلا `base_layer` ولا ملفات LoRA

التقرير الآلي الكامل + كل الصور: test/test_report.json و test/.

🚀 الاستخدام — Quickstart

from diffusers import DiffusionPipeline
import torch

pipe = DiffusionPipeline.from_pretrained(
    "RASHID778/king2-image-full",
    torch_dtype=torch.float16,
).to("cuda")

image = pipe(
    "a futuristic royal palace at sunset, highly detailed, golden hour, epic composition",
    num_inference_steps=28,
    guidance_scale=7.5,
    height=768,
    width=768,
    negative_prompt="blurry, low quality, distorted, ugly, bad anatomy, watermark",
).images[0]

image.save("king2_full.png")

ملاحظة مهمة: لا يُحمَّل أي ملف LoRA خارجي — الأسلوب مدمج داخل الأوزان. للاستخدام عبر from_pretrained مباشرة دون الحاجة إلى RASHID778/king2-image وحدها.

📦 المكوّنات

المكوّن	المسار	الحجم
UNet (مدمج + مقفّل)	`unet/diffusion_pytorch_model.fp16.safetensors`	5.14GB
Text Encoder 1	`text_encoder/model.fp16.safetensors`	0.25GB
Text Encoder 2	`text_encoder_2/model.fp16.safetensors`	1.39GB
VAE (fp16-safe)	`vae/diffusion_pytorch_model.fp16.safetensors`	0.33GB

كلها fp16/safetensors.

⚠️ حدود

الدقة — أفضل النتائج بين 512–768px؛ ما فوق 1024 قد يظهر عليه اقتطاعات.
النص العربي — نفس سلوك SDXL الأساسي؛ لا تتوقّع كلمات عربية سليمة داخل الصورة (لكن الأوامر/المشاهد العربية تعمل جيدًا).
VRAM — التوليد بدقة 768×768 يستهلك ~7GB VRAM. على بطاقات أصغر استخدم pipe.enable_attention_slicing() أو pipe.enable_model_cpu_offload().

📜 الترخيص

نموذج مشتق من SDXL Base 1.0 ويتوزع تحت CreativeML OpenRAIL-M. شروط الاستخدام الخاصة بالنموذج الأساسي سارية.

🙏 الاعتمادات

النموذج الأساسي — Stability AI (stabilityai/stable-diffusion-xl-base-1.0)
LoRA — RASHID778/king2-image (من تدريب RASHID778 على RASHID778/king2-image-dataset)
fp16-SAFE VAE — @madebyollin sdxl-vae-fp16-fix

صُنع بـ👑 بواسطة RASHID778 — KING2 AI Series