当前位置：首页 > news >正文

Boogu-Image-0.1-Base-4bit快速入门：5分钟搭建你的第一个AI图像生成环境

news 2026/7/15 18:04:59

Boogu-Image-0.1-Base-4bit快速入门：5分钟搭建你的第一个AI图像生成环境

【免费下载链接】Boogu-Image-0.1-Base-4bit项目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/Boogu-Image-0.1-Base-4bit

Boogu-Image-0.1-Base-4bit是一款基于MLX框架的高效AI图像生成模型，专为Apple Silicon优化，支持中英双语文本到图像的转换。它采用OmniGen2-lineage pipeline（DiT + FLUX.1 VAE + FlowMatchEuler scheduler）架构，通过int4量化技术将模型大小压缩至约7.4GB，在保持高性能的同时大幅降低了硬件要求。

🚀 准备工作：环境要求

在开始之前，请确保你的系统满足以下条件：

搭载Apple Silicon芯片的Mac设备
Python 3.8及以上版本
至少8GB可用内存（推荐16GB以上以获得更佳体验）

🔧 一键安装步骤

1. 安装核心依赖

打开终端，执行以下命令安装MLX框架及相关依赖：

pip install mlx mlx-vlm

2. 获取项目代码

克隆Boogu-Image的MLX实现仓库并安装：

git clone https://gitcode.com/hf_mirrors/mlx-community/Boogu-Image-0.1-Base-4bit && cd Boogu-Image-0.1-Base-4bit git clone https://github.com/xocialize/boogu-image-mlx && cd boogu-image-mlx && pip install -e .

🎨 快速生成你的第一张图像

基础使用示例

创建一个Python文件，输入以下代码：

from boogu_image_mlx.pipeline_mlx import BooguImagePipeline from PIL import Image # 加载模型 pipe = BooguImagePipeline.from_pretrained( "../", # 指向Boogu-Image-0.1-Base-4bit模型目录 "mlx-community/Qwen3-VL-8B-Instruct" ) # 生成图像 img = pipe.generate( "一只红色熊猫在海浪上冲浪，照片级真实感", # 中文提示词 height=1024, width=1024, steps=30, guidance=3.5 ) # 保存结果 Image.fromarray(img).save("panda_surfing.png")

参数说明

height/width: 生成图像的高度和宽度（建议使用1024x1024以获得最佳效果）
steps: 扩散步骤数（数值越高，图像质量越好，但生成速度会变慢）
guidance: 引导强度（数值越高，图像与提示词的匹配度越高，建议范围2.0-7.5）

⚙️ 模型结构解析

Boogu-Image-0.1-Base-4bit模型包含以下核心组件：

Transformer模块：transformer/transformer_int4.safetensors - 采用int4量化的Transformer模型，负责文本到图像的核心转换
VAE模块：vae/diffusion_pytorch_model.safetensors - FLUX.1 VAE，用于图像的编码和解码
调度器：scheduler/scheduler_config.json - FlowMatchEuler调度器，控制扩散过程