引數

• prompt (str or List[str], 可選) — 用於引導影像生成的提示或提示列表。如果未定義，則需要傳遞 prompt_embeds。
• height (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影片的高度（畫素）。
• width (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影片的寬度（畫素）。
• num_frames (int, 可選, 預設為 16) — 生成的影片幀數。預設為 16 幀，按每秒 8 幀計算，相當於 2 秒影片。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步數。更多的去噪步數通常會帶來更高質量的影片，但會犧牲推理速度。
• guidance_scale (float, 可選, 預設為 7.5) — 較高的引導比例值鼓勵模型生成與文字 prompt 緊密相關的影像，但會犧牲影像質量。當 guidance_scale > 1 時啟用引導比例。
• negative_prompt (str 或 List[str], 可選) — 用於引導影像生成中不包含內容的提示或提示列表。如果未定義，則需要傳遞 negative_prompt_embeds。當不使用引導時 (guidance_scale < 1) 將忽略。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η)。僅適用於 DDIMScheduler，在其他排程器中忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 用於使生成具有確定性的 torch.Generator。
• latents (torch.Tensor, 可選) — 從高斯分佈取樣的預生成噪聲潛在表示，用作影片生成的輸入。可用於使用不同提示調整相同生成。如果未提供，則使用提供的隨機 generator 進行取樣以生成潛在張量。潛在表示的形狀應為 (batch_size, num_channel, num_frames, height, width)。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入（提示加權）。如果未提供，則文字嵌入從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負文字嵌入。可用於輕鬆調整文字輸入（提示加權）。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• ip_adapter_image — (PipelineImageInput, 可選): 與 IP 介面卡配合使用的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — 預生成的 IP-Adapter 影像嵌入。它應該是一個長度與 IP-adapter 數量相同的列表。每個元素都應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，它應該包含負影像嵌入。如果未提供，則從 ip_adapter_image 輸入引數計算嵌入。
• output_type (str, 可選, 預設為 "pil") — 生成影片的輸出格式。在 torch.Tensor、PIL.Image 或 np.array 之間選擇。
• return_dict (bool, 可選, 預設為 True) — 是否返回 TextToVideoSDPipelineOutput 而不是普通的元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，將作為引數傳遞給 self.processor 中定義的 AttentionProcessor。
• clip_skip (int, 可選) — 從 CLIP 跳過的層數，用於計算提示嵌入。值為 1 表示使用倒數第二層的輸出計算提示嵌入。
• callback_on_step_end (Callable, 可選) — 在推理過程中每個去噪步驟結束時呼叫的函式。該函式將使用以下引數呼叫：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 指定的所有張量列表。
• callback_on_step_end_tensor_inputs (List, 可選) — 用於 callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。

如果 return_dict 為 True，則返回 AnimateDiffPipelineOutput，否則返回一個 tuple，其中第一個元素是生成的幀列表。

引數

• prompt (str 或 List[str], 可選) — 待編碼的提示
• device — (torch.device): torch 裝置
• num_images_per_prompt (int) — 每個提示應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用分類器自由引導
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示。如果未定義，則必須傳遞 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1），此引數將被忽略。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可以輕鬆調整文字輸入，例如提示權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負文字嵌入。可以輕鬆調整文字輸入，例如提示權重。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• lora_scale (float, 可選) — 一個 LoRA 比例因子，如果載入了 LoRA 層，它將應用於文字編碼器的所有 LoRA 層。
• clip_skip (int, 可選) — 從 CLIP 跳過的層數，用於計算提示嵌入。值為 1 表示使用倒數第二層的輸出計算提示嵌入。

引數

• prompt (str 或 List[str], 可選) — 引導影像生成的提示。如果未定義，則需要傳遞 prompt_embeds。
• height (int) — 生成影像的高度（畫素）。
• width (int) — 生成影像的寬度（畫素）。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步驟的數量。更多的去噪步驟通常會導致更高質量的影像，但推理速度會變慢。此引數受 strength 調製。
• guidance_scale (float, 可選, 預設為 7.5) — 較高的引導比例值鼓勵模型生成與文字 prompt 緊密相關的影像，但影像質量會降低。當 guidance_scale > 1 時，引導比例啟用。
• negative_prompt (str 或 List[str], 可選) — 引導影像生成時不包含的提示。如果未定義，則需要傳遞 negative_prompt_embeds。當不使用引導時（guidance_scale < 1），此引數將被忽略。
• num_images_per_prompt (int, 可選, 預設為 1) — 每個提示生成的影像數量。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η)。僅適用於 DDIMScheduler，在其他排程器中將被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 一個 torch.Generator，用於使生成具有確定性。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可以輕鬆調整文字輸入（提示權重）。如果未提供，則文字嵌入將從 prompt 輸入引數生成。
• prompt_embeds_2 (torch.Tensor, 可選) — 預生成的文字嵌入。可以輕鬆調整文字輸入（提示權重）。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負文字嵌入。可以輕鬆調整文字輸入（提示權重）。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• negative_prompt_embeds_2 (torch.Tensor, 可選) — 預生成的負文字嵌入。可以輕鬆調整文字輸入（提示權重）。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• prompt_attention_mask (torch.Tensor, 可選) — 提示的注意力掩碼。當直接傳遞 prompt_embeds 時，此引數為必需。
• prompt_attention_mask_2 (torch.Tensor, 可選) — 提示的注意力掩碼。當直接傳遞 prompt_embeds_2 時，此引數為必需。
• negative_prompt_attention_mask (torch.Tensor, 可選) — 負提示的注意力掩碼。當直接傳遞 negative_prompt_embeds 時，此引數為必需。
• negative_prompt_attention_mask_2 (torch.Tensor, 可選) — 負提示的注意力掩碼。當直接傳遞 negative_prompt_embeds_2 時，此引數為必需。
• output_type (str, 可選, 預設為 "pil") — 生成影像的輸出格式。在 PIL.Image 或 np.array 之間選擇。
• return_dict (bool, 可選, 預設為 True) — 是否返回 StableDiffusionPipelineOutput 而不是普通元組。
• callback_on_step_end (Callable[[int, int, Dict], None], PipelineCallback, MultiPipelineCallbacks, 可選) — 在每個去噪步驟結束時呼叫的回撥函式或回撥函式列表。
• callback_on_step_end_tensor_inputs (List[str], 可選) — 應該傳遞給回撥函式的張量輸入列表。如果未定義，則所有張量輸入都將被傳遞。
• guidance_rescale (float, 可選, 預設為 0.0) — 根據 guidance_rescale 重新縮放 noise_cfg。基於 Common Diffusion Noise Schedules and Sample Steps are Flawed 的發現。參見第 3.4 節
• original_size (Tuple[int, int], 可選, 預設為 (1024, 1024)) — 影像的原始大小。用於計算時間 ID。
• target_size (Tuple[int, int], optional) — 影像的目標大小。用於計算時間 ID。
• crops_coords_top_left (Tuple[int, int], optional, defaults to (0, 0)) — 裁剪的左上角座標。用於計算時間 ID。
• use_resolution_binning (bool, optional, defaults to True) — 是否使用解析度分箱。如果為 True，輸入解析度將對映到最接近的標準解析度。支援的解析度為 1024x1024、1280x1280、1024x768、1152x864、1280x960、768x1024、864x1152、960x1280、1280x768 和 768x1280。建議設定為 True。
• pag_scale (float, optional, defaults to 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, optional, defaults to 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。

如果 return_dict 為 True，則返回 StableDiffusionPipelineOutput，否則返回一個 tuple，其中第一個元素是生成的影像列表，第二個元素是指示相應生成的影像是否包含“不適合工作”（nsfw）內容的 bool 列表。

引數

• prompt (str 或 List[str], 可選) — 要編碼的提示詞
• device — (torch.device): torch 裝置
• dtype (torch.dtype) — torch 資料型別
• num_images_per_prompt (int) — 每個提示詞應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用分類器自由引導
• negative_prompt (str 或 List[str], 可選) — 不引導影像生成的提示詞。如果未定義，則必須傳入 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1 則忽略），此引數將被忽略。
• prompt_embeds (torch.Tensor, 可選) — 預先生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，將從 prompt 輸入引數生成文字嵌入。
• negative_prompt_embeds (torch.Tensor, 可選) — 預先生成的負面文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• prompt_attention_mask (torch.Tensor, 可選) — 提示詞的注意力掩碼。當直接傳入 prompt_embeds 時必需。
• negative_prompt_attention_mask (torch.Tensor, 可選) — 負面提示詞的注意力掩碼。當直接傳入 negative_prompt_embeds 時必需。
• max_sequence_length (int, 可選) — 用於提示詞的最大序列長度。
• text_encoder_index (int, 可選) — 要使用的文字編碼器索引。0 表示 clip，1 表示 T5。

引數

• prompt (str 或 List[str], 可選) — 引導影像生成的提示詞。如果未定義，則必須傳入 prompt_embeds。
• height (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的畫素高度。為獲得最佳結果，預設設定為 1024。對於 Kwai-Kolors/Kolors-diffusers 和未專門針對低解析度進行微調的檢查點，任何低於 512 畫素的值都無法正常工作。
• width (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的畫素寬度。為獲得最佳結果，預設設定為 1024。對於 Kwai-Kolors/Kolors-diffusers 和未專門針對低解析度進行微調的檢查點，任何低於 512 畫素的值都無法正常工作。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步數。更多的去噪步數通常會生成更高質量的影像，但推理速度會變慢。
• timesteps (List[int], 可選) — 用於去噪過程的自定義時間步長，適用於支援 set_timesteps 方法中 timesteps 引數的排程器。如果未定義，將使用傳入 num_inference_steps 時的預設行為。必須按降序排列。
• sigmas (List[float], 可選) — 用於去噪過程的自定義 sigmas，適用於支援 set_timesteps 方法中 sigmas 引數的排程器。如果未定義，將使用傳入 num_inference_steps 時的預設行為。
• denoising_end (float, 可選) — 指定時，確定在故意提前終止之前要完成的總去噪過程的比例（介於 0.0 和 1.0 之間）。因此，返回的樣本仍將保留由排程器選擇的離散時間步長確定的相當數量的噪聲。當此管線構成“去噪器混合”多管線設定的一部分時，應理想地使用 denoising_end 引數，如 最佳化影像輸出 中所詳述。
• guidance_scale (float, 可選, 預設為 5.0) — 如 Classifier-Free Diffusion Guidance 中所定義的引導比例。guidance_scale 定義為 Imagen Paper 中公式 2 的 w。透過設定 guidance_scale > 1 啟用引導比例。更高的引導比例鼓勵生成與文字 prompt 密切相關的影像，但通常會犧牲影像質量。
• negative_prompt (str 或 List[str], 可選) — 不引導影像生成的提示詞。如果未定義，則必須傳入 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1 則忽略），此引數將被忽略。
• num_images_per_prompt (int, 可選, 預設為 1) — 每個提示詞生成的影像數量。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η)：https://huggingface.co/papers/2010.02502。僅適用於 schedulers.DDIMScheduler，對其他排程器將被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 一個或多個 torch 生成器，用於使生成具有確定性。
• latents (torch.Tensor, 可選) — 預先生成的噪聲潛在變數，從高斯分佈中取樣，用作影像生成的輸入。可用於使用不同提示詞調整相同的生成。如果未提供，將透過使用提供的隨機 generator 取樣生成一個潛在變數張量。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的池化文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，池化文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負面文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• negative_pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的負面池化文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，池化負面提示嵌入將從 negative_prompt 輸入引數生成。
• ip_adapter_image — (PipelineImageInput, 可選): 用於 IP 介面卡的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — IP-Adapter 的預生成影像嵌入。它應該是一個列表，長度與 IP 介面卡數量相同。每個元素都應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，則應包含負影像嵌入。如果未提供，嵌入將從 ip_adapter_image 輸入引數計算。
• output_type (str, 可選, 預設為 "pil") — 生成影像的輸出格式。選擇 PIL: PIL.Image.Image 或 np.array。
• return_dict (bool, 可選, 預設為 True) — 是否返回 ~pipelines.kolors.KolorsPipelineOutput 而不是普通元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，將作為 self.processor 中定義的 AttentionProcessor 的引數傳遞到 diffusers.models.attention_processor。
• original_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 如果 original_size 與 target_size 不同，影像將顯示為縮小或放大。如果未指定，original_size 預設為 (height, width)。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 中 2.2 節所述。
• crops_coords_top_left (Tuple[int], 可選, 預設為 (0, 0)) — crops_coords_top_left 可用於生成從 crops_coords_top_left 位置向下“裁剪”的影像。透過將 crops_coords_top_left 設定為 (0, 0)，通常可以獲得有利的、居中的影像。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 中 2.2 節所述。
• target_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 在大多數情況下，target_size 應設定為生成影像的所需高度和寬度。如果未指定，它將預設為 (height, width)。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 中 2.2 節所述。
• negative_original_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 用於根據特定影像解析度對生成過程進行負向條件。作為 SDXL 微觀條件的一部分，詳見 https://huggingface.co/papers/2307.01952 第 2.2 節。欲瞭解更多資訊，請參閱此問題討論串：https://github.com/huggingface/diffusers/issues/4208。
• negative_crops_coords_top_left (Tuple[int], 可選, 預設為 (0, 0)) — 用於根據特定裁剪座標對生成過程進行負向條件。作為 SDXL 微觀條件的一部分，詳見 https://huggingface.co/papers/2307.01952 第 2.2 節。欲瞭解更多資訊，請參閱此問題討論串：https://github.com/huggingface/diffusers/issues/4208。
• negative_target_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 用於根據目標影像解析度對生成過程進行負向條件。在大多數情況下，它應該與 target_size 相同。作為 SDXL 微觀條件的一部分，詳見 https://huggingface.co/papers/2307.01952 第 2.2 節。欲瞭解更多資訊，請參閱此問題討論串：https://github.com/huggingface/diffusers/issues/4208。
• callback_on_step_end (Callable, PipelineCallback, MultiPipelineCallbacks, 可選) — 在推理過程中，每個去噪步驟結束時呼叫的函式或 PipelineCallback 或 MultiPipelineCallbacks 的子類。引數如下：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 中指定的所有張量列表。
• callback_on_step_end_tensor_inputs (List, 可選) — callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。
• max_sequence_length (int 預設為 256) — 與 prompt 一起使用的最大序列長度。

如果 return_dict 為 True，則為 ~pipelines.kolors.KolorsPipelineOutput，否則為 tuple。當返回元組時，第一個元素是生成的影像列表。

引數

• prompt (str 或 List[str], 可選) — 待編碼的提示
• device — (torch.device): torch 裝置
• num_images_per_prompt (int) — 每個提示應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用分類器自由引導
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示。如果未定義，則必須傳遞 negative_prompt_embeds。當不使用引導時（即 guidance_scale 小於 1 時），此引數將被忽略。
• prompt_embeds (torch.FloatTensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的池化文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，池化文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.FloatTensor, 可選) — 預生成的負向文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• negative_pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的負向池化文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，池化 negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• max_sequence_length (int 預設為 256) — 與 prompt 一起使用的最大序列長度。

引數

• w (torch.Tensor) — 生成具有指定引導尺度的嵌入向量，以隨後豐富時間步嵌入。
• embedding_dim (int, 可選, 預設為 512) — 待生成的嵌入維度。
• dtype (torch.dtype, 可選, 預設為 torch.float32) — 生成嵌入的資料型別。

形狀為 (len(w), embedding_dim) 的嵌入向量。

引數

• prompt (str 或 List[str], 可選) — 用於引導影像生成的提示。如果未定義，則需要傳遞 prompt_embeds。
• height (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的高度（畫素）。
• width (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的寬度（畫素）。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步驟的數量。更多的去噪步驟通常會生成更高質量的影像，但推理速度會變慢。
• timesteps (List[int], 可選) — 用於去噪過程的自定義時間步長，適用於在 set_timesteps 方法中支援 timesteps 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。必須按降序排列。
• sigmas (List[float], 可選) — 用於去噪過程的自定義 sigmas，適用於在 set_timesteps 方法中支援 sigmas 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。
• guidance_scale (float, 可選, 預設為 7.5) — 較高的引導尺度值鼓勵模型生成與文字 prompt 緊密相關的影像，但會犧牲影像質量。當 guidance_scale > 1 時啟用引導尺度。
• negative_prompt (str 或 List[str], 可選) — 引導影像生成時不應包含的提示。如果未定義，則需要傳遞 negative_prompt_embeds。當不使用引導時（guidance_scale < 1），此引數將被忽略。
• num_images_per_prompt (int, 可選, 預設為 1) — 每個提示要生成的影像數量。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η)。僅適用於 DDIMScheduler，在其他排程器中將被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 用於使生成具有確定性的 torch.Generator。
• latents (torch.Tensor, 可選) — 從高斯分佈中取樣的預生成噪聲潛在變數，用作影像生成的輸入。可用於使用不同提示調整相同的生成。如果未提供，將使用提供的隨機 generator 取樣生成潛在張量。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入（提示權重）。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負向文字嵌入。可用於輕鬆調整文字輸入（提示權重）。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• ip_adapter_image — (PipelineImageInput, 可選): 用於 IP 介面卡的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — 預生成的 IP-Adapter 影像嵌入。它應該是一個列表，長度與 IP-adapter 的數量相同。每個元素都應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，它應該包含負向影像嵌入。如果未提供，嵌入將從 ip_adapter_image 輸入引數計算。
• output_type (str, 可選, 預設為 "pil") — 生成影像的輸出格式。選擇 PIL.Image 或 np.array。
• return_dict (bool, 可選, 預設為 True) — 是否返回 StableDiffusionPipelineOutput 而不是純元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，將作為引數傳遞給 self.processor 中定義的 AttentionProcessor。
• guidance_rescale (float, 可選, 預設為 0.0) — 來自 Common Diffusion Noise Schedules and Sample Steps are Flawed 的引導重縮放因子。當使用零終端 SNR 時，引導重縮放因子應修復過曝。
• clip_skip (int, 可選) — 計算提示嵌入時從 CLIP 中跳過的層數。值為 1 表示將使用預最終層的輸出計算提示嵌入。
• callback_on_step_end (Callable, PipelineCallback, MultiPipelineCallbacks, 可選) — 在推理過程中，每個去噪步驟結束時呼叫的函式或 PipelineCallback 或 MultiPipelineCallbacks 的子類，帶有以下引數： callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 中指定的所有張量列表。
• callback_on_step_end_tensor_inputs (List, 可選) — callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類的 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，將不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。

如果 return_dict 為 True，則返回 StableDiffusionPipelineOutput，否則返回一個 tuple，其中第一個元素是生成的影像列表，第二個元素是指示相應生成的影像是否包含“不適合工作”（nsfw）內容的 bool 列表。

引數

• prompt (str 或 List[str], 可選) — 要編碼的提示詞
• device — (torch.device): torch 裝置
• num_images_per_prompt (int) — 每個提示詞應生成的圖片數量
• do_classifier_free_guidance (bool) — 是否使用分類器無關引導
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示詞。如果未定義，則必須傳遞 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1），則忽略。
• prompt_embeds (torch.Tensor, 可選) — 預先生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示詞加權。如果未提供，將從 prompt 輸入引數生成文字嵌入。
• negative_prompt_embeds (torch.Tensor, 可選) — 預先生成的負文字嵌入。可用於輕鬆調整文字輸入，例如提示詞加權。如果未提供，將從 negative_prompt 輸入引數生成 negative_prompt_embeds。
• lora_scale (float, 可選) — 如果載入了 LoRA 層，則應用於文字編碼器所有 LoRA 層的 LoRA 比例。
• clip_skip (int, 可選) — 計算提示嵌入時從 CLIP 跳過的層數。值為 1 意味著將使用倒數第二層的輸出計算提示嵌入。

引數

• w (torch.Tensor) — 生成具有指定引導尺度的嵌入向量，以隨後豐富時間步嵌入。
• embedding_dim (int, 可選, 預設為 512) — 要生成的嵌入的維度。
• dtype (torch.dtype, 可選, 預設為 torch.float32) — 生成嵌入的資料型別。

形狀為 (len(w), embedding_dim) 的嵌入向量。

引數

• prompt (str 或 List[str], 可選) — 用於引導影像生成的提示詞。如果未定義，您需要傳遞 prompt_embeds。
• height (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的畫素高度。
• width (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的畫素寬度。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步數。更多的去噪步數通常會帶來更高質量的影像，但推理速度會變慢。
• timesteps (List[int], 可選) — 用於去噪過程的自定義時間步，適用於在其 set_timesteps 方法中支援 timesteps 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。必須按降序排列。
• sigmas (List[float], 可選) — 用於去噪過程的自定義 sigma，適用於在其 set_timesteps 方法中支援 sigmas 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。
• guidance_scale (float, 可選, 預設為 7.5) — 較高的引導尺度值鼓勵模型生成與文字 prompt 密切相關的影像，但會以較低的影像質量為代價。當 guidance_scale > 1 時，啟用引導尺度。
• negative_prompt (str 或 List[str], 可選) — 用於引導影像生成中不應包含內容的提示詞。如果未定義，您需要傳遞 negative_prompt_embeds。當不使用引導時（guidance_scale < 1），則忽略。
• num_images_per_prompt (int, 可選, 預設為 1) — 每個提示詞生成的影像數量。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η)。僅適用於 DDIMScheduler，在其他排程器中被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 用於使生成具有確定性的 torch.Generator。
• latents (torch.Tensor, 可選) — 從高斯分佈取樣的預生成噪聲潛在變數，用作影像生成的輸入。可用於使用不同的提示詞調整相同的生成。如果未提供，則透過使用提供的隨機 generator 進行取樣來生成潛在張量。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入（提示詞加權）。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負文字嵌入。可用於輕鬆調整文字輸入（提示詞加權）。如果未提供，將從 negative_prompt 輸入引數生成 negative_prompt_embeds。
• ip_adapter_image — (PipelineImageInput, 可選): 與 IP 介面卡配合使用的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — 預生成的 IP-Adapter 影像嵌入。它應該是一個列表，長度與 IP-Adapter 數量相同。每個元素應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，它應該包含負影像嵌入。如果未提供，嵌入將從 ip_adapter_image 輸入引數計算。
• output_type (str, 可選, 預設為 "pil") — 生成影像的輸出格式。選擇 PIL.Image 或 np.array。
• return_dict (bool, 可選, 預設為 True) — 是否返回 StableDiffusionPipelineOutput 而不是普通元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，將傳遞給 self.processor 中定義的 AttentionProcessor。
• guidance_rescale (float, 可選, 預設為 0.0) — 來自《常見擴散噪聲排程和取樣步驟的缺陷》的引導重縮放因子。引導重縮放因子應該在零終端 SNR 時修復過度曝光。
• clip_skip (int, 可選) — 計算提示嵌入時從 CLIP 跳過的層數。值為 1 意味著將使用倒數第二層的輸出計算提示嵌入。
• callback_on_step_end (Callable, PipelineCallback, MultiPipelineCallbacks, 可選) — 在推理過程中，每個去噪步驟結束時呼叫的函式或 PipelineCallback 或 MultiPipelineCallbacks 的子類，具有以下引數： callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 指定的所有張量列表。
• callback_on_step_end_tensor_inputs (List, 可選) — callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。

如果 return_dict 為 True，則返回 StableDiffusionPipelineOutput，否則返回一個 tuple，其中第一個元素是生成的影像列表，第二個元素是指示相應生成的影像是否包含“不適合工作”（nsfw）內容的 bool 列表。

引數

• prompt (str 或 List[str], 可選) — 要編碼的提示詞
• device — (torch.device): torch 裝置
• num_images_per_prompt (int) — 每個提示詞應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用分類器自由引導
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示詞。如果未定義，則必須傳遞 negative_prompt_embeds。在使用非引導模式時（即 guidance_scale 小於 1 時），此引數將被忽略。
• prompt_embeds (torch.Tensor, 可選) — 預先生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，將根據 prompt 輸入引數生成文字嵌入。
• negative_prompt_embeds (torch.Tensor, 可選) — 預先生成的負面文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，負面提示詞嵌入將從 negative_prompt 輸入引數生成。
• lora_scale (float, 可選) — 如果載入了 LoRA 層，則應用於文字編碼器所有 LoRA 層的 LoRA 比例。
• clip_skip (int, 可選) — 在計算提示詞嵌入時要跳過 CLIP 的層數。值為 1 表示將使用倒數第二層的輸出計算提示詞嵌入。

引數

• w (torch.Tensor) — 生成帶有指定引導比例的嵌入向量，以隨後豐富時間步嵌入。
• embedding_dim (int, 可選, 預設為 512) — 要生成的嵌入維度。
• dtype (torch.dtype, 可選, 預設為 torch.float32) — 生成嵌入的資料型別。

形狀為 (len(w), embedding_dim) 的嵌入向量。

引數

• prompt (str 或 List[str], 可選) — 用於引導影像生成的提示詞。如果未定義，則需要傳遞 prompt_embeds。
• image (torch.Tensor, PIL.Image.Image, np.ndarray, List[torch.Tensor], List[PIL.Image.Image], 或 List[np.ndarray]) — Image、numpy 陣列或表示要用作起點的影像批次的張量。對於 numpy 陣列和 pytorch 張量，預期值範圍在 [0, 1] 之間。如果是張量或張量列表，則預期形狀應為 (B, C, H, W) 或 (C, H, W)。如果是 numpy 陣列或陣列列表，則預期形狀應為 (B, H, W, C) 或 (H, W, C)。它也可以接受影像潛在表示作為 image，但如果直接傳遞潛在表示，則不會再次對其進行編碼。
• strength (float, 可選, 預設為 0.8) — 指示轉換參考 image 的程度。必須介於 0 和 1 之間。image 用作起點，strength 越高，新增的噪聲越多。去噪步驟的數量取決於最初新增的噪聲量。當 strength 為 1 時，新增的噪聲最大，去噪過程將執行 num_inference_steps 中指定的完整迭代次數。值為 1 基本上忽略了 image。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步驟的數量。更多的去噪步驟通常會導致更高質量的影像，但推理速度會變慢。此引數受 strength 調製。
• timesteps (List[int], 可選) — 用於去噪過程的自定義時間步，適用於其 set_timesteps 方法支援 timesteps 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。必須按降序排列。
• sigmas (List[float], 可選) — 用於去噪過程的自定義 sigmas，適用於其 set_timesteps 方法支援 sigmas 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。
• guidance_scale (float, 可選, 預設為 7.5) — 較高的引導比例值會促使模型生成與文字 prompt 密切相關的影像，但會犧牲影像質量。當 guidance_scale > 1 時，啟用引導比例。
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示詞。如果未定義，則需要傳遞 negative_prompt_embeds。在使用非引導模式時（guidance_scale < 1），此引數將被忽略。
• num_images_per_prompt (int, 可選, 預設為 1) — 每個提示詞生成的影像數量。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η)。僅適用於 DDIMScheduler，在其他排程器中將被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 用於使生成確定性的 torch.Generator。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入（提示詞權重）。如果未提供，則根據 prompt 輸入引數生成文字嵌入。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負面文字嵌入。可用於輕鬆調整文字輸入（提示詞權重）。如果未提供，則根據 negative_prompt 輸入引數生成 negative_prompt_embeds。
• ip_adapter_image — (PipelineImageInput, 可選): 與 IP 介面卡一起使用的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — IP-Adapter 的預生成影像嵌入。它應該是一個列表，長度與 IP 介面卡數量相同。每個元素都應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，它應該包含負影像嵌入。如果未提供，則從 ip_adapter_image 輸入引數計算嵌入。
• output_type (str, 可選, 預設為 "pil") — 生成影像的輸出格式。選擇 PIL.Image 或 np.array。
• return_dict (bool, 可選, 預設為 True) — 是否返回 StableDiffusionPipelineOutput 而不是普通的元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，將作為引數傳遞給 self.processor 中定義的 AttentionProcessor。
• clip_skip (int, 可選) — 在計算提示詞嵌入時，從 CLIP 跳過的層數。值為 1 表示將使用倒數第二層的輸出計算提示詞嵌入。
• callback_on_step_end (Callable, PipelineCallback, MultiPipelineCallbacks, 可選) — 在推理過程中，每個去噪步驟結束時呼叫的函式或 PipelineCallback 或 MultiPipelineCallbacks 的子類，具有以下引數： callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 指定的所有張量列表。
• callback_on_step_end_tensor_inputs (List, 可選) — callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。

如果 return_dict 為 True，則返回 StableDiffusionPipelineOutput，否則返回一個 tuple，其中第一個元素是生成的影像列表，第二個元素是指示相應生成的影像是否包含“不適合工作”（nsfw）內容的 bool 列表。

引數

• prompt (str 或 List[str], 可選) — 要編碼的提示詞
• device — (torch.device): torch 裝置
• num_images_per_prompt (int) — 每個提示詞應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用分類器自由引導
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示詞。如果未定義，則必須傳遞 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1 時），此引數會被忽略。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負面文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• lora_scale (float, 可選) — 應用於文字編碼器所有 LoRA 層的 LoRA 比例（如果已載入 LoRA 層）。
• clip_skip (int, 可選) — 計算提示嵌入時要從 CLIP 跳過的層數。值為 1 表示將使用倒數第二層的輸出計算提示嵌入。

引數

• w (torch.Tensor) — 生成帶有指定引導尺度的嵌入向量，以便後續豐富時間步嵌入。
• embedding_dim (int, 可選, 預設為 512) — 要生成的嵌入維度。
• dtype (torch.dtype, 可選, 預設為 torch.float32) — 生成嵌入的資料型別。

形狀為 (len(w), embedding_dim) 的嵌入向量。

引數

• prompt (str 或 List[str], 可選) — 要編碼的提示詞
• device — (torch.device): torch 裝置
• num_images_per_prompt (int) — 每個提示詞應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用無分類器引導
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示詞。如果未定義，則必須傳遞 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1 時），此引數會被忽略。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負面文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• lora_scale (float, 可選) — 應用於文字編碼器所有 LoRA 層的 LoRA 比例（如果已載入 LoRA 層）。
• clip_skip (int, 可選) — 計算提示嵌入時要從 CLIP 跳過的層數。值為 1 表示將使用倒數第二層的輸出計算提示嵌入。

引數

• w (torch.Tensor) — 生成帶有指定引導尺度的嵌入向量，以便後續豐富時間步嵌入。
• embedding_dim (int, 可選, 預設為 512) — 要生成的嵌入維度。
• dtype (torch.dtype, 可選, 預設為 torch.float32) — 生成嵌入的資料型別。

形狀為 (len(w), embedding_dim) 的嵌入向量。

引數

• prompt (str 或 List[str], 可選) — 用於引導影像生成的提示詞。如果未定義，您需要傳遞 prompt_embeds。
• image (torch.Tensor, PIL.Image.Image, np.ndarray, List[torch.Tensor], — List[PIL.Image.Image] 或 List[np.ndarray]): Image、NumPy 陣列或表示要用作起始點的影像批處理的張量。對於 NumPy 陣列和 PyTorch 張量，預期值範圍在 [0, 1] 之間。如果是張量或張量列表，則預期形狀應為 (B, C, H, W) 或 (C, H, W)。如果是 NumPy 陣列或陣列列表，則預期形狀應為 (B, H, W, C) 或 (H, W, C)。它也可以接受影像潛變數作為 image，但如果直接傳遞潛變數，則不會再次編碼。
• mask_image (torch.Tensor, PIL.Image.Image, np.ndarray, List[torch.Tensor], — List[PIL.Image.Image] 或 List[np.ndarray]): Image、NumPy 陣列或表示要遮罩 image 的影像批處理的張量。遮罩中白色畫素會重繪，而黑色畫素會保留。如果 mask_image 是 PIL 影像，它在使用前會轉換為單通道（亮度）。如果是 NumPy 陣列或 PyTorch 張量，它應該包含一個顏色通道 (L) 而不是 3 個，因此 PyTorch 張量的預期形狀為 (B, 1, H, W)、(B, H, W)、(1, H, W)、(H, W)。對於 NumPy 陣列，則為 (B, H, W, 1)、(B, H, W)、(H, W, 1) 或 (H, W)。
• control_image (torch.Tensor, PIL.Image.Image, List[torch.Tensor], List[PIL.Image.Image], — List[List[torch.Tensor]] 或 List[List[PIL.Image.Image]]): ControlNet 輸入條件，為 unet 提供生成指導。如果型別指定為 torch.Tensor，則直接傳遞給 ControlNet。PIL.Image.Image 也可以作為影像接受。輸出影像的尺寸預設為 image 的尺寸。如果傳遞了 height 和/或 width，image 將相應地調整大小。如果在 init 中指定了多個 ControlNet，則影像必須作為列表傳遞，以便列表的每個元素都可以正確批處理以輸入到單個 ControlNet。
• height (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的高度（畫素）。
• width (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的寬度（畫素）。
• padding_mask_crop (int, 可選, 預設為 None) — 應用於影像和遮罩的裁剪邊距大小。如果為 None，則不應用裁剪。如果 padding_mask_crop 不為 None，它將首先找到一個與影像長寬比相同幷包含所有遮罩區域的矩形區域，然後根據 padding_mask_crop 擴充套件該區域。然後，影像和遮罩影像將根據擴充套件區域進行裁剪，再調整大小到原始影像尺寸進行修復。當遮罩區域很小而影像很大且包含與修復無關的資訊（例如背景）時，這很有用。
• strength (float, 可選, 預設為 1.0) — 表示轉換參考 image 的程度。必須介於 0 和 1 之間。image 用作起點，strength 越高，新增的噪聲越多。去噪步驟的數量取決於最初新增的噪聲量。當 strength 為 1 時，新增的噪聲最大，去噪過程將執行 num_inference_steps 中指定的完整迭代次數。值為 1 基本忽略 image。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步驟的數量。更多的去噪步驟通常會生成更高質量的影像，但會以較慢的推理速度為代價。
• guidance_scale (float, 可選, 預設為 7.5) — 較高的指導比例值鼓勵模型生成與文字 prompt 緊密相關的影像，但會以較低的影像質量為代價。當 guidance_scale > 1 時，啟用指導比例。
• negative_prompt (str 或 List[str], 可選) — 用於引導影像生成中不包含內容的提示。如果未定義，則需要傳入 negative_prompt_embeds。當不使用引導時（guidance_scale < 1），此引數將被忽略。
• num_images_per_prompt (int, 可選, 預設為 1) — 每個提示生成的影像數量。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η)。僅適用於 DDIMScheduler，在其他排程器中將被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 用於使生成具有確定性的 torch.Generator。
• latents (torch.Tensor, 可選) — 從高斯分佈取樣的預生成噪聲潛在變數，用作影像生成的輸入。可用於使用不同提示調整相同的生成。如果未提供，則使用提供的隨機 generator 進行取樣生成潛在張量。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入（提示權重）。如果未提供，則文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負面文字嵌入。可用於輕鬆調整文字輸入（提示權重）。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• ip_adapter_image — (PipelineImageInput, 可選)：與 IP 介面卡配合使用的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — IP-Adapter 的預生成影像嵌入。它應該是一個列表，長度與 IP-adapter 的數量相同。每個元素都應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，它應該包含負影像嵌入。如果未提供，則根據 ip_adapter_image 輸入引數計算嵌入。
• output_type (str, 可選, 預設為 "pil") — 生成影像的輸出格式。可選擇 PIL.Image 或 np.array。
• return_dict (bool, 可選, 預設為 True) — 是否返回 StableDiffusionPipelineOutput 而不是普通元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，將傳遞給 self.processor 中定義的 AttentionProcessor。
• controlnet_conditioning_scale (float 或 List[float], 可選, 預設為 0.5) — ControlNet 的輸出在新增到原始 unet 中的殘差之前，乘以 controlnet_conditioning_scale。如果 init 中指定了多個 ControlNet，您可以將相應的比例設定為列表。
• control_guidance_start (float 或 List[float], 可選, 預設為 0.0) — ControlNet 開始應用的步驟總數的百分比。
• control_guidance_end (float 或 List[float], 可選, 預設為 1.0) — ControlNet 停止應用的步驟總數的百分比。
• clip_skip (int, 可選) — 在計算提示嵌入時，要從 CLIP 中跳過的層數。值為 1 表示將使用倒數第二層的輸出計算提示嵌入。
• callback_on_step_end (Callable, PipelineCallback, MultiPipelineCallbacks, 可選) — 在推理過程中，每個去噪步驟結束時呼叫的函式或 PipelineCallback 或 MultiPipelineCallbacks 的子類，具有以下引數：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 中指定的所有張量的列表。
• callback_on_step_end_tensor_inputs (List, 可選) — callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。

如果 return_dict 為 True，則返回 StableDiffusionPipelineOutput，否則返回一個 tuple，其中第一個元素是生成的影像列表，第二個元素是指示相應生成的影像是否包含“不適合工作”（nsfw）內容的 bool 列表。

引數

• prompt (str 或 List[str], 可選) — 待編碼的提示
• device — (torch.device)：PyTorch 裝置
• num_images_per_prompt (int) — 每個提示應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用分類器自由引導。
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示。如果未定義，則必須傳入 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1），此引數將被忽略。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負面文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，負面提示嵌入將從 negative_prompt 輸入引數生成。
• lora_scale (float, 可選) — 應用於文字編碼器所有 LoRA 層的 LoRA 比例（如果已載入 LoRA 層）。
• clip_skip (int, 可選) — 在計算提示嵌入時，要從 CLIP 中跳過的層數。值為 1 表示將使用倒數第二層的輸出計算提示嵌入。

引數

• w (torch.Tensor) — 生成具有指定引導比例的嵌入向量，以隨後豐富時間步嵌入。
• embedding_dim (int, 可選, 預設為 512) — 要生成的嵌入維度。
• dtype (torch.dtype, 可選, 預設為 torch.float32) — 生成嵌入的資料型別。

形狀為 (len(w), embedding_dim) 的嵌入向量。

引數

• prompt (str 或 List[str], 可選) — 用於引導影像生成的提示或提示列表。如果未定義，則必須傳遞 prompt_embeds。
• prompt_2 (str 或 List[str], 可選) — 要傳送到 tokenizer_2 和 text_encoder_2 的提示或提示列表。如果未定義，則 prompt 將用於這兩個文字編碼器。
• height (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的高度（畫素）。為獲得最佳效果，預設設定為 1024。對於 stabilityai/stable-diffusion-xl-base-1.0 以及未專門針對低解析度進行微調的模型檢查點，低於 512 畫素的任何值都無法很好地工作。
• width (int, 可選, 預設為 self.unet.config.sample_size * self.vae_scale_factor) — 生成影像的寬度（畫素）。為獲得最佳效果，預設設定為 1024。對於 stabilityai/stable-diffusion-xl-base-1.0 以及未專門針對低解析度進行微調的模型檢查點，低於 512 畫素的任何值都無法很好地工作。
• num_inference_steps (int, 可選, 預設為 50) — 去噪步數。更多的去噪步數通常會帶來更高質量的影像，但推理速度會變慢。
• timesteps (List[int], 可選) — 自定義時間步長，用於去噪過程，適用於其 set_timesteps 方法支援 timesteps 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。必須按降序排列。
• sigmas (List[float], 可選) — 自定義 sigma，用於去噪過程，適用於其 set_timesteps 方法支援 sigmas 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。
• denoising_end (float, 可選) — 指定後，確定在故意提前終止之前要完成的總去噪過程的分數（介於 0.0 和 1.0 之間）。因此，返回的樣本仍將保留由排程器選擇的離散時間步長確定的噪聲量。當此管道作為“去噪器混合”多管道設定的一部分使用時，理想情況下應使用 denoising_end 引數，如影像輸出最佳化中所述。
• guidance_scale (float, 可選, 預設為 5.0) — 無分類器擴散引導中定義的引導比例。guidance_scale 在 Imagen 論文的公式 2 中定義為 w。透過設定 guidance_scale > 1 啟用引導比例。較高的引導比例鼓勵生成與文字 prompt 緊密相關的影像，通常以犧牲較低影像質量為代價。
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示或提示列表。如果未定義，則必須傳遞 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1），則忽略。
• negative_prompt_2 (str 或 List[str], 可選) — 不用於引導影像生成併發送到 tokenizer_2 和 text_encoder_2 的提示或提示列表。如果未定義，則 negative_prompt 將用於這兩個文字編碼器。
• num_images_per_prompt (int, 可選, 預設為 1) — 每個提示要生成的影像數量。
• eta (float, 可選, 預設為 0.0) — 對應於 DDIM 論文中的引數 eta (η): https://huggingface.co/papers/2010.02502。僅適用於 schedulers.DDIMScheduler，對其他排程器將被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 一個或多個 torch 生成器，用於使生成確定。
• latents (torch.Tensor, 可選) — 預生成的帶噪聲隱變數，從高斯分佈中取樣，用作影像生成的輸入。可用於使用不同提示調整相同的生成。如果未提供，將使用提供的隨機 generator 取樣生成隱變數張量。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，負文字嵌入將從 negative_prompt 輸入引數生成。
• pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的池化文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，池化文字嵌入將從 prompt 輸入引數生成。
• negative_pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的負池化文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，池化負文字嵌入將從 negative_prompt 輸入引數生成。
• ip_adapter_image — (PipelineImageInput, 可選): 用於 IP 介面卡的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — IP-Adapter 的預生成影像嵌入。它應該是一個長度與 IP 介面卡數量相同的列表。每個元素都應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，它應該包含負影像嵌入。如果未提供，嵌入將從 ip_adapter_image 輸入引數計算。
• output_type (str, 可選, 預設為 "pil") — 生成影像的輸出格式。選擇 PIL：PIL.Image.Image 或 np.array。
• return_dict (bool, 可選, 預設為 True) — 是否返回 ~pipelines.stable_diffusion_xl.StableDiffusionXLPipelineOutput 而不是普通元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，則作為 AttentionProcessor 傳遞給 diffusers.models.attention_processor 中的 self.processor。
• guidance_rescale (float, 可選, 預設為 0.0) — 常見擴散噪聲排程和取樣步長存在缺陷中提出的引導重定標因子。guidance_scale 在 常見擴散噪聲排程和取樣步長存在缺陷的公式 16 中定義為 φ。引導重定標因子應在零末端信噪比（SNR）下修復過度曝光問題。
• original_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 如果 original_size 與 target_size 不同，影像將顯示為縮小或放大。如果未指定，original_size 預設為 (height, width)。作為 SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。
• crops_coords_top_left (Tuple[int], 可選, 預設為 (0, 0)) — crops_coords_top_left 可用於生成從 crops_coords_top_left 位置向下“裁剪”的影像。通常透過將 crops_coords_top_left 設定為 (0, 0) 來獲得有利的、居中的影像。作為 SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。
• target_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 在大多數情況下，target_size 應設定為生成影像的期望高度和寬度。如果未指定，則預設為 (height, width)。作為 SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。
• negative_original_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 用於基於特定影像解析度對生成過程進行負條件。作為 SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。更多資訊請參閱此問題執行緒：https://github.com/huggingface/diffusers/issues/4208。
• negative_crops_coords_top_left (Tuple[int], 可選, 預設為 (0, 0)) — 用於基於特定裁剪座標對生成過程進行負條件。作為 SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。更多資訊請參閱此問題執行緒：https://github.com/huggingface/diffusers/issues/4208。
• negative_target_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 用於基於目標影像解析度對生成過程進行負條件。在大多數情況下應與 target_size 相同。作為 SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。更多資訊請參閱此問題執行緒：https://github.com/huggingface/diffusers/issues/4208。
• callback_on_step_end (Callable, 可選) — 在推理過程中每個去噪步驟結束時呼叫的函式。該函式透過以下引數呼叫：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 中指定的所有張量列表。
• callback_on_step_end_tensor_inputs (List, 可選) — callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的比例因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應比例因子。如果設定為 0.0，則使用 pag_scale。

如果 return_dict 為 True，則返回 ~pipelines.stable_diffusion_xl.StableDiffusionXLPipelineOutput，否則返回 tuple。返回元組時，第一個元素是生成的影像列表。

引數

• prompt (str 或 List[str], 可選) — 要編碼的提示
• prompt_2 (str 或 List[str], 可選) — 要傳送到 tokenizer_2 和 text_encoder_2 的提示或提示列表。如果未定義，則 prompt 將用於這兩個文字編碼器。
• device — (torch.device): torch 裝置
• num_images_per_prompt (int) — 每個提示應生成的影像數量
• do_classifier_free_guidance (bool) — 是否使用無分類器引導
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示或提示列表。如果未定義，則必須傳遞 negative_prompt_embeds。當不使用引導時（即，如果 guidance_scale 小於 1），則忽略。
• negative_prompt_2 (str 或 List[str], 可選) — 不用於引導影像生成併發送到 tokenizer_2 和 text_encoder_2 的提示或提示列表。如果未定義，則 negative_prompt 將用於這兩個文字編碼器。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，負文字嵌入將從 negative_prompt 輸入引數生成。
• pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的池化文字嵌入。可用於輕鬆調整文字輸入，例如提示權重。如果未提供，池化文字嵌入將從 prompt 輸入引數生成。
• negative_pooled_prompt_embeds (torch.Tensor, optional) — 預生成的負向池化文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，則將從`negative_prompt`輸入引數生成池化負向提示詞嵌入。
• lora_scale (float, optional) — 如果載入了LoRA層，則應用於文字編碼器所有LoRA層的LoRA比例。
• clip_skip (int, optional) — 從CLIP中跳過的層數，用於計算提示詞嵌入。值為1表示使用倒數第二層的輸出計算提示詞嵌入。

引數

• w (torch.Tensor) — 生成具有指定引導尺度的嵌入向量，以隨後豐富時間步嵌入。
• embedding_dim (int, optional, 預設為512) — 要生成的嵌入的維度。
• dtype (torch.dtype, optional, 預設為torch.float32) — 生成嵌入的資料型別。

形狀為 (len(w), embedding_dim) 的嵌入向量。

引數

• prompt (str 或 List[str], 可選) — 用於引導影像生成的提示詞或提示詞列表。如果未定義，則必須傳遞 prompt_embeds。
• prompt_2 (str 或 List[str], 可選) — 要傳送到 tokenizer_2 和 text_encoder_2 的提示詞或提示詞列表。如果未定義，則 prompt 將用於兩個文字編碼器。
• image (torch.Tensor 或 PIL.Image.Image 或 np.ndarray 或 List[torch.Tensor] 或 List[PIL.Image.Image] 或 List[np.ndarray]) — 要透過管道修改的影像。
• strength (float, 可選, 預設為0.3) — 概念上表示對參考 image 的轉換程度。必須在0到1之間。image 將作為起點，strength 越大，新增的噪聲越多。去噪步數取決於最初新增的噪聲量。當 strength 為1時，新增的噪聲將達到最大值，去噪過程將執行 num_inference_steps 中指定的所有迭代次數。因此，值為1基本上會忽略 image。請注意，如果 denoising_start 被宣告為整數，則 strength 的值將被忽略。
• num_inference_steps (int, 可選, 預設為50) — 去噪步數。更多的去噪步數通常會帶來更高質量的影像，但推理速度會變慢。
• timesteps (List[int], 可選) — 用於去噪過程的自定義時間步，適用於其 set_timesteps 方法支援 timesteps 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。必須按降序排列。
• sigmas (List[float], 可選) — 用於去噪過程的自定義sigmas，適用於其 set_timesteps 方法支援 sigmas 引數的排程器。如果未定義，將使用傳遞 num_inference_steps 時的預設行為。
• denoising_start (float, 可選) — 當指定時，表示在去噪過程開始前，要跳過的去噪過程總量的百分比（0.0到1.0之間）。因此，去噪過程的初始部分被跳過，並假定傳入的 image 是部分去噪的影像。請注意，當指定此引數時，強度將被忽略。denoising_start 引數在此管道整合到“去噪器混合”多管道設定中時特別有用，詳見最佳化影像質量。
• denoising_end (float, 可選) — 當指定時，確定在去噪過程有意提前終止之前要完成的去噪過程總量的百分比（0.0到1.0之間）。因此，返回的樣本仍將保留大量噪聲（大約還需要最後20%的時間步），應由設定了 denoising_start 為 0.8 的後續管道去噪，以便它只去噪排程器的最後20%。當此管道構成“去噪器混合”多管道設定的一部分時，應理想地利用 denoising_end 引數，如最佳化影像質量中所述。
• guidance_scale (float, 可選, 預設為7.5) — 無分類器擴散引導中定義的引導比例。guidance_scale 定義為Imagen Paper中公式2的 w。透過設定 guidance_scale > 1 啟用引導比例。更高的引導比例會促使生成與文字 prompt 緊密相關的影像，通常以犧牲影像質量為代價。
• negative_prompt (str 或 List[str], 可選) — 不用於引導影像生成的提示詞或提示詞列表。如果未定義，則必須傳遞 negative_prompt_embeds。在不使用引導時（即，如果 guidance_scale 小於 1 時）將被忽略。
• negative_prompt_2 (str 或 List[str], 可選) — 不用於引導影像生成，要傳送到 tokenizer_2 和 text_encoder_2 的提示詞或提示詞列表。如果未定義，則 negative_prompt 將用於兩個文字編碼器。
• num_images_per_prompt (int, 可選, 預設為1) — 每個提示詞生成的影像數量。
• eta (float, 可選, 預設為0.0) — 對應於DDIM論文中的引數 eta (η): https://huggingface.co/papers/2010.02502。僅適用於 schedulers.DDIMScheduler，對其他排程器將被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可選) — 一個或多個 torch 生成器，用於使生成具有確定性。
• latents (torch.Tensor, 可選) — 預生成的帶噪潛變數，從高斯分佈中取樣，用作影像生成的輸入。可用於使用不同的提示詞調整相同的生成。如果未提供，將使用提供的隨機 generator 取樣生成潛變數張量。
• prompt_embeds (torch.Tensor, 可選) — 預生成的文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，文字嵌入將從 prompt 輸入引數生成。
• negative_prompt_embeds (torch.Tensor, 可選) — 預生成的負向文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，negative_prompt_embeds 將從 negative_prompt 輸入引數生成。
• pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的池化文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，池化文字嵌入將從 prompt 輸入引數生成。
• negative_pooled_prompt_embeds (torch.Tensor, 可選) — 預生成的負向池化文字嵌入。可用於輕鬆調整文字輸入，例如提示詞權重。如果未提供，池化負向提示詞嵌入將從 negative_prompt 輸入引數生成。
• ip_adapter_image — (PipelineImageInput, 可選): 用於IP介面卡的可選影像輸入。
• ip_adapter_image_embeds (List[torch.Tensor], 可選) — IP-Adapter的預生成影像嵌入。它應該是一個列表，長度與IP-adapter的數量相同。每個元素都應該是一個形狀為 (batch_size, num_images, emb_dim) 的張量。如果 do_classifier_free_guidance 設定為 True，它應該包含負向影像嵌入。如果未提供，嵌入將從 ip_adapter_image 輸入引數計算。
• output_type (str, 可選, 預設為"pil") — 生成影像的輸出格式。選擇 PIL: PIL.Image.Image 或 np.array。
• return_dict (bool, 可選, 預設為True) — 是否返回 ~pipelines.stable_diffusion.StableDiffusionXLPipelineOutput 而不是普通元組。
• cross_attention_kwargs (dict, 可選) — 一個 kwargs 字典，如果指定，將傳遞給 diffusers.models.attention_processor 中定義的 self.processor 的 AttentionProcessor。
• guidance_rescale (float, 可選, 預設為 0.0) — 由 Common Diffusion Noise Schedules and Sample Steps are Flawed 提出的指導重縮放因子，guidance_scale 在 Common Diffusion Noise Schedules and Sample Steps are Flawed 的公式 16 中定義為 φ。當使用零終端信噪比時，指導重縮放因子應能解決過度曝光問題。
• original_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 如果 original_size 與 target_size 不同，影像將顯示為縮小或放大。如果未指定，original_size 預設為 (height, width)。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。
• crops_coords_top_left (Tuple[int], 可選, 預設為 (0, 0)) — crops_coords_top_left 可用於生成一個看起來像是從 crops_coords_top_left 位置向下“裁剪”的影像。通常透過將 crops_coords_top_left 設定為 (0, 0) 來獲得良好、居中的影像。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。
• target_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 在大多數情況下，target_size 應設定為生成影像的所需高度和寬度。如果未指定，它將預設為 (height, width)。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。
• negative_original_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 根據特定影像解析度對生成過程進行負面條件化。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。更多資訊請參閱此問題討論串：https://github.com/huggingface/diffusers/issues/4208。
• negative_crops_coords_top_left (Tuple[int], 可選, 預設為 (0, 0)) — 根據特定裁剪座標對生成過程進行負面條件化。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。更多資訊請參閱此問題討論串：https://github.com/huggingface/diffusers/issues/4208。
• negative_target_size (Tuple[int], 可選, 預設為 (1024, 1024)) — 根據目標影像解析度對生成過程進行負面條件化。在大多數情況下，它應該與 target_size 相同。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。更多資訊請參閱此問題討論串：https://github.com/huggingface/diffusers/issues/4208。
• aesthetic_score (float, 可選, 預設為 6.0) — 透過影響正文字條件來模擬生成影像的美學分數。SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。
• negative_aesthetic_score (float, 可選, 預設為 2.5) — SDXL 微條件的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 節所述。可用於透過影響負文字條件來模擬生成影像的美學分數。
• clip_skip (int, 可選) — 在計算提示嵌入時，從 CLIP 跳過的層數。值為 1 意味著將使用倒數第二層的輸出計算提示嵌入。
• callback_on_step_end (Callable, PipelineCallback, MultiPipelineCallbacks, 可選) — 一個函式或 PipelineCallback 或 MultiPipelineCallbacks 的子類，在推理期間每個去噪步驟結束時呼叫，引數如下：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 將包含 callback_on_step_end_tensor_inputs 指定的所有張量列表。
• callback_on_step_end_tensor_inputs (List, 可選) — 用於 callback_on_step_end 函式的張量輸入列表。列表中指定的張量將作為 callback_kwargs 引數傳遞。您只能包含管道類的 ._callback_tensor_inputs 屬性中列出的變數。
• pag_scale (float, 可選, 預設為 3.0) — 擾動注意力引導的縮放因子。如果設定為 0.0，則不使用擾動注意力引導。
• pag_adaptive_scale (float, 可選, 預設為 0.0) — 擾動注意力引導的自適應縮放因子。如果設定為 0.0，則使用 pag_scale。