AuraFlow ｜最大且开源的文本到图像生成模型

一个完全开源的基于流的文本到图像生成模型，能够生成高分辨率、超现实主义的图像。

与SD3相同，是DiT架构，5.6B大小，书写英文的能力优秀。

AuraFlow 采用了多层次的技术改进：

将 MMDiT 块替换为 DiT 编码器块
使用 torch.compile 优化训练
实现零射击学习率转移
重新标注数据集以及优化模型架构的宽高比

ComfyUI 和 Diffusers 都已经支持。

体验地址：https://huggingface.co/spaces/multimodalart/AuraFlow

模型：https://huggingface.co/fal/AuraFlow