---
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`](test/test_report.json) و [`test/`](test/).
---
## 🚀 الاستخدام — Quickstart
```python
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**](https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/blob/main/LICENSE.md).
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](https://huggingface.co/madebyollin) `sdxl-vae-fp16-fix`
---
*صُنع بـ👑 بواسطة RASHID778 — KING2 AI Series*