Upload README.md with huggingface_hub

README.md

@@ -1,224 +1,332 @@
----
-title: Qwen Soloband Advanced - Image2Image + LoRA
-emoji: 🎨
-colorFrom: blue
-colorTo: purple
-sdk: gradio
-sdk_version: "5.9.1"
-app_file: app.py
-pinned: true
-license: apache-2.0
-suggested_hardware: a10g-large
-suggested_storage: medium
-models:
-  - Gerchegg/Qwen-Soloband-Diffusers
-tags:
-  - image-generation
-  - image-to-image
-  - lora
-  - qwen
-  - diffusers
-short_description: Text2Image and Image2Image with LoRA support
-preload_from_hub:
-  - Gerchegg/Qwen-Soloband-Diffusers
----
-
-# 🎨 Qwen Soloband Advanced
-
-**Комплексная система генерации изображений** на базе Qwen-Image DiT с полным набором инструментов для профессиональной работы.
-
-## 🚀 Основные возможности
-
-### 📝 Text-to-Image
-Генерация изображений из текстовых описаний:
-- 🎨 Кастомная fine-tuned модель Qwen-Soloband
-- 📐 Разрешения от 512×512 до 2048×2048
-- ⚙️ Полный контроль параметров (steps, CFG, seed)
-- 🎯 Оптимизированные настройки для лучшего качества
-
-### 🔄 Image-to-Image
-Модификация и трансформация существующих изображений:
-- 🖼️ Загрузка любых изображений (PNG, JPG, WebP)
-- 🎚️ **Denoising Strength** (0.0-1.0) - точный контроль степени изменения
-- 🎨 Сохранение структуры при изменении стиля
-- ✨ Улучшение качества, стилизация, художественная трансформация
-
-### 🎭 LoRA Styles
-Динамическая загрузка стилей для разнообразия:
-- 📸 **Realism** - фотореалистичные изображения
-- 🎌 **Anime** - современный японский стиль аниме
-- 📽️ **Analog Film** - эффект винтажной пленочной фотографии
-- 🎚️ **LoRA Scale** (0.0-2.0) - интенсивность стиля
-- 🔗 Работает во всех режимах (Text2Img, Img2Img, ControlNet)
-
-## 🔌 API Usage
-
-### Text-to-Image API
-
-```python
-from gradio_client import Client
-
-client = Client("Gerchegg/Qwen-ImageForFlo-Advanced")
-
-result = client.predict(
-    prompt="SB_AI, a beautiful landscape",
-    negative_prompt="blurry, low quality",
-    width=1664,
-    height=928,
-    seed=42,
-    randomize_seed=False,
-    guidance_scale=2.5,
-    num_inference_steps=40,
-    lora_name="None",  # или "Realism", "Anime", "Analog Film"
-    lora_scale=1.0,
-    api_name="/text2img"
-)
-
-image, seed = result
-```
-
-### Image-to-Image API
-
-```python
-result = client.predict(
-    input_image="path/to/image.png",  # PIL Image или path
-    prompt="Transform this into a painting",
-    negative_prompt="blurry, low quality",
-    strength=0.75,  # 0.0-1.0, больше = сильнее изменение
-    seed=42,
-    randomize_seed=False,
-    guidance_scale=2.5,
-    num_inference_steps=40,
-    lora_name="Analog Film",
-    lora_scale=1.0,
-    api_name="/img2img"
-)
-
-image, seed = result
-```
-
-
-## 💡 Примеры использования
-
-### Text-to-Image
-```
-Prompt: "SB_AI, a beautiful mountain landscape at sunset, detailed"
-Size: 1664×928
-Steps: 40, CFG: 2.5
-LoRA: None
-```
-
-### Image-to-Image
-```
-Input: фото человека
-Prompt: "Transform into oil painting style"
-Strength: 0.75 (сохранить структуру, изменить стиль)
-LoRA: Analog Film
-```
-
-
-## 🎭 Доступные LoRA
-
-### 🌐 HuggingFace Hub LoRA (2 предустановленных):
-
-| Name | Trigger Word | Description |
-|------|--------------|-------------|
-| **Realism** | "Super Realism portrait of" | Фотореалистичные изображения |
-| **Anime** | "Japanese modern anime style, " | Современное аниме |
-
-💡 **Ленивая загрузка**: Hub LoRA скачиваются только при использовании, затем кэшируются.
-
-### 📁 Локальные LoRA (рекомендуемый способ):
-
-**Положите ваши .safetensors файлы в `/workspace/loras/`** - они автоматически появятся в списке!
-
-**Преимущества локальных LoRA**:
-- ✅ Не скачиваются с интернета (быстрее)
-- ✅ Приватные (только у вас)
-- ✅ Полный контроль версий
-- ✅ Можно использовать любые кастомные LoRA
-
-**Пример**:
-```bash
-/workspace/loras/
-├── my_custom_style.safetensors     → появится как "my_custom_style"
-├── portrait_lora.safetensors       → появится как "portrait_lora"
-└── anime_v2.safetensors            → появится как "anime_v2"
-```
-
-**API использование**:
-```python
-# Используйте имя файла (без расширения)
-result = client.predict(
-    prompt="SB_AI, a portrait",
-    lora_name="my_custom_style",  # Имя вашего локального файла
-    lora_scale=1.0,
-    api_name="/text2img"
-)
-```
-
-💡 **Hub LoRA** автоматически добавляют trigger words. **Локальные LoRA** - без trigger words.
-
-## 📊 Параметры
-
-### Denoising Strength (Image2Image)
-- **0.0-0.3**: Минимальные изменения, сохранение деталей
-- **0.4-0.6**: Умеренные изменения, баланс
-- **0.7-0.9**: Сильные изменения, новое изображение
-- **1.0**: Полная перерисовка
-
-### LoRA Scale
-- **0.0**: Без эффекта
-- **0.5**: Слабый эффект стиля
-- **1.0**: Нормальный эффект (рекомендуется)
-- **1.5-2.0**: Сильный эффект стиля
-
-## 🔧 Технические детали
-
-### Модели:
-- **Base**: Gerchegg/Qwen-Soloband-Diffusers
-- **LoRAs**: Различные (загружаются динамически)
-
-### Оптимизации:
-- VAE tiling для больших изображений
-- VAE slicing для batch
-- Автоматическое управление LoRA
-
-## 💰 Требования
-
-- **GPU**: A40 (48GB) или A100 (80GB)
-- **VRAM**: ~40GB для базовой модели
-- **Storage**: ~45GB (модель)
-
-## 📚 Дополнительная информация
-
-- **Base Model**: [Qwen-Soloband-Diffusers](https://huggingface.co/Gerchegg/Qwen-Soloband-Diffusers)
-- **Qwen-Image**: [Qwen/Qwen-Image](https://huggingface.co/Qwen/Qwen-Image)
-- **Diffusers Docs**: [Image-to-Image Guide](https://huggingface.co/docs/diffusers/using-diffusers/img2img)
-- **LoRA Explorer**: [Qwen-Image-LoRA-Explorer](https://huggingface.co/spaces/multimodalart/Qwen-Image-LoRA-Explorer)
-
-## ⚠️ Важные замечания
-
-### Image2Image для Qwen
-Этот Space использует специализированный `QwenImageImg2ImgPipeline` для корректной работы с Qwen-Image архитектурой. В отличие от обычных Stable Diffusion моделей, Qwen-Image требует:
-- Специальное кодирование изображений через `AutoencoderKLQwenImage`
-- Параметр `true_cfg_scale` вместо `guidance_scale`
-- Специальную упаковку латентов (packing 2x2)
-
-### LoRA (Hub + Local)
-
-- **Hub LoRA (2)**: Realism, Anime - скачиваются ПРИ ИСПОЛЬЗОВАНИИ, затем кэшируются
-- **Local LoRA**: Любые .safetensors в `/workspace/loras/` - автоматически обнаруживаются
-- Ленивая загрузка - не скачиваются и не занимают VRAM до использования
-- Полная поддержка в API по имени
-
-## 📝 License
-
-Apache 2.0
-
-## 🔧 Technical Notes
-
-✅ **Image2Image**: Использует правильный `QwenImageImg2ImgPipeline` для Qwen-Image архитектуры  
-✅ **Performance**: ~0.91s на шаг денойзинга на A100 GPU  
-✅ **Optimization**: VAE tiling и slicing включены для экономии памяти
-
+---
+title: Qwen Soloband Advanced - Image2Image + LoRA
+emoji: 🎨
+colorFrom: blue
+colorTo: purple
+sdk: gradio
+sdk_version: "5.9.1"
+app_file: app.py
+pinned: true
+license: apache-2.0
+suggested_hardware: a10g-large
+suggested_storage: medium
+models:
+  - Gerchegg/Qwen-Soloband-Diffusers
+tags:
+  - image-generation
+  - image-to-image
+  - lora
+  - qwen
+  - diffusers
+short_description: Text2Image and Image2Image with LoRA support
+preload_from_hub:
+  - Gerchegg/Qwen-Soloband-Diffusers
+---
+
+# 🎨 Qwen Soloband Advanced
+
+**Комплексная система генерации изображений** на базе Qwen-Image DiT с полным набором инструментов для профессиональной работы.
+
+## 🆕 Что нового в версии 2.0
+
+- ⚙️ **10+ Schedulers/Samplers** - Выбор алгоритма генерации (DPM++, Euler, UniPC и др.)
+- 🎯 **Поддержка алиасов** - Короткие имена для API (`dpmpp_2m_karras`, `euler_a`)
+- 🔧 **Кастомные модели** - Задавайте MODEL_REPO через переменную окружения
+- 📦 **RunPod скрипты** - Автоматическая установка одной командой
+- 📚 **Улучшенная доку��ентация** - Полное руководство по развертыванию
+
+## 🚀 Основные возможности
+
+### 📝 Text-to-Image
+Генерация изображений из текстовых описаний:
+- 🎨 Кастомная fine-tuned модель Qwen-Soloband
+- 📐 Разрешения от 512×512 до 2048×2048
+- ⚙️ Полный контроль параметров (steps, CFG, seed)
+- 🎯 Оптимизированные настройки для лучшего качества
+
+### 🔄 Image-to-Image
+Модификация и трансформация существующих изображений:
+- 🖼️ Загрузка любых изображений (PNG, JPG, WebP)
+- 🎚️ **Denoising Strength** (0.0-1.0) - точный контроль степени изменения
+- 🎨 Сохранение структуры при изменении стиля
+- ✨ Улучшение качества, стилизация, художественная трансформация
+
+### 🎭 LoRA Styles
+Динамическая загрузка стилей для разнообразия:
+- 📸 **Realism** - фотореалистичные изображения
+- 🎌 **Anime** - современный японский стиль аниме
+- 🎚️ **LoRA Scale** (0.0-2.0) - интенсивность стиля
+- 📁 **Локальные LoRA** - Загрузка из `/workspace/loras/`
+
+---
+
+## 🚀 Quick Start на RunPod
+
+### Одна команда - полная установка:
+
+```bash
+export HF_HUB_ENABLE_HF_TRANSFER=0 && \
+pip install -q huggingface_hub[cli] && \
+hf auth login --token ВАШ_ТОКЕН && \
+cd /workspace && \
+hf download Gerchegg/Qwen-ImageForFlo-Advanced --repo-type space --local-dir Qwen-ImageForFlo-Advanced && \
+cd Qwen-ImageForFlo-Advanced && \
+pip install -r requirements.txt && \
+python app.py
+```
+
+**📖 Полная инструкция:** См. [RUNPOD_DEPLOYMENT.md](./RUNPOD_DEPLOYMENT.md)
+
+### Или используйте скрипт:
+
+```bash
+wget https://huggingface.co/spaces/Gerchegg/Qwen-ImageForFlo-Advanced/resolve/main/quick_start.sh
+chmod +x quick_start.sh
+HF_TOKEN="ВАШ_ТОКЕН" ./quick_start.sh
+```
+
+---
+
+## 🔌 API Usage
+
+### Text-to-Image API
+
+```python
+from gradio_client import Client
+
+client = Client("Gerchegg/Qwen-ImageForFlo-Advanced")
+
+result = client.predict(
+    prompt="SB_AI, a beautiful landscape",
+    negative_prompt="blurry, low quality",
+    width=1664,
+    height=928,
+    seed=42,
+    randomize_seed=False,
+    guidance_scale=2.5,
+    num_inference_steps=40,
+    lora_name="None",  # или "Realism", "Anime"
+    lora_scale=1.0,
+    scheduler_name="DPM++ 2M Karras",  # 🆕 Выбор scheduler/sampler
+    api_name="/text2img"
+)
+
+image, seed = result
+```
+
+### Image-to-Image API
+
+```python
+result = client.predict(
+    input_image="path/to/image.png",  # PIL Image или path
+    prompt="Transform this into a painting",
+    negative_prompt="blurry, low quality",
+    strength=0.75,  # 0.0-1.0, больше = сильнее изменение
+    seed=42,
+    randomize_seed=False,
+    guidance_scale=2.5,
+    num_inference_steps=40,
+    lora_name="None",
+    lora_scale=1.0,
+    scheduler_name="Euler Ancestral",  # 🆕 Выбор scheduler/sampler
+    api_name="/img2img"
+)
+
+image, seed = result
+```
+
+
+## 💡 Примеры использования
+
+### Text-to-Image
+```
+Prompt: "SB_AI, a beautiful mountain landscape at sunset, detailed"
+Size: 1664×928
+Steps: 40, CFG: 2.5
+LoRA: None
+```
+
+### Image-to-Image
+```
+Input: фото человека
+Prompt: "Transform into oil painting style"
+Strength: 0.75 (сохранить структуру, изменить стиль)
+LoRA: Analog Film
+```
+
+
+## 🎛️ Доступные Schedulers (Samplers)
+
+Начиная с версии 2.0, поддерживаются различные schedulers для контроля процесса генерации!
+
+### ⭐ Рекомендуемые (проверены сообществом)
+
+| Scheduler | Alias (для API) | Описание |
+|-----------|-----------------|----------|
+| **DPM++ 2M Karras** | `dpmpp_2m_karras` | 🏆 По умолчанию - баланс скорости и качества |
+| **DPM++ SDE Karras** | `dpmpp_sde_karras` | 💎 Высокая детализация, чуть медленнее |
+| **DPM++ 3M SDE Karras** | `dpmpp_3m_sde_karras` | 🎨 Максимальное качество |
+| **Euler Ancestral** | `euler_a` | ⚡ Быстрый и стабильный |
+| **Euler** | `euler` | 🔄 Простой и надежный |
+
+### 🧪 Экспериментальные
+
+| Scheduler | Alias | Особенность |
+|-----------|-------|-------------|
+| **DPM++ 2M** | `dpmpp_2m` | Без Karras sigmas |
+| **DPM++ 2M Beta** | `dpmpp_2m_beta` | Beta sigmas распределение |
+| **DPM++ 2M Exponential** | `dpmpp_2m_exp` | Exponential sigmas |
+| **Euler Karras** | `euler_karras` | Euler с Karras |
+
+### ⚡ Быстрые
+
+| Scheduler | Alias | Описание |
+|-----------|-------|----------|
+| **UniPC** | `unipc` | Быстрая генерация |
+
+### Использование
+
+**В интерфейсе:** Выберите в выпадающем списке "Sampler/Scheduler"
+
+**В API:** Используйте полное имя или алиас:
+```python
+scheduler_name="DPM++ 2M Karras"  # Полное имя
+scheduler_name="dpmpp_2m_karras"  # Алиас (короче)
+```
+
+**Примеры:**
+```python
+# Максимальное качество (медленнее)
+scheduler_name="DPM++ 3M SDE Karras", num_inference_steps=50
+
+# Быстрая генерация
+scheduler_name="Euler Ancestral", num_inference_steps=25
+
+# Экспериментальный
+scheduler_name="dpmpp_2m_beta", num_inference_steps=40
+```
+
+---
+
+## 🎭 Доступные LoRA
+
+### 🌐 HuggingFace Hub LoRA (2 предустановленных):
+
+| Name | Trigger Word | Description |
+|------|--------------|-------------|
+| **Realism** | "Super Realism portrait of" | Фотореалистичные изображения |
+| **Anime** | "Japanese modern anime style, " | Современное аниме |
+
+💡 **Ленивая загрузка**: Hub LoRA скачиваются только при использовании, затем кэшируются.
+
+### 📁 Локальные LoRA (рекомендуемый способ):
+
+**Положите ваши .safetensors файлы в `/workspace/loras/`** - они автоматически появятся в списке!
+
+**Преимущества локальных LoRA**:
+- ✅ Не скачиваются с интернета (быстрее)
+- ✅ Приватные (только у вас)
+- ✅ Полный контроль версий
+- ✅ Можно использовать любые кастомные LoRA
+
+**Пример**:
+```bash
+/workspace/loras/
+├── my_custom_style.safetensors     → появится как "my_custom_style"
+├── portrait_lora.safetensors       → появится как "portrait_lora"
+└── anime_v2.safetensors            → появится как "anime_v2"
+```
+
+**API использование**:
+```python
+# Используйте имя файла (без расширения)
+result = client.predict(
+    prompt="SB_AI, a portrait",
+    lora_name="my_custom_style",  # Имя вашего локального файла
+    lora_scale=1.0,
+    api_name="/text2img"
+)
+```
+
+💡 **Hub LoRA** автоматически добавляют trigger words. **Локальные LoRA** - без trigger words.
+
+## 📊 Параметры
+
+### Denoising Strength (Image2Image)
+- **0.0-0.3**: Минимальные изменения, сохранение деталей
+- **0.4-0.6**: Умеренные изменения, баланс
+- **0.7-0.9**: Сильные изменения, новое изображение
+- **1.0**: Полная перерисовка
+
+### LoRA Scale
+- **0.0**: Без эффекта
+- **0.5**: Слабый эффект стиля
+- **1.0**: Нормальный эффект (рекомендуется)
+- **1.5-2.0**: Сильный эффект стиля
+
+## 🔧 Технические детали
+
+### Модели:
+- **Base**: Gerchegg/Qwen-Soloband-Diffusers (по умолчанию)
+- **LoRAs**: Различные (загружаются динамически)
+- **Custom Models**: Поддержка через переменную окружения `MODEL_REPO`
+
+### Использование кастомной модели:
+
+```bash
+# Через переменную окружения
+MODEL_REPO="username/custom-qwen-model" python app.py
+
+# Или экспортировать
+export MODEL_REPO="username/custom-qwen-model"
+python app.py
+```
+
+**Требования к кастомной модели:**
+- Совместимость с Qwen-Image архитектурой
+- Формат diffusers
+- Включает: vae, text_encoder, tokenizer, transformer, scheduler
+
+### Оптимизации:
+- VAE tiling для больших изображений
+- VAE slicing для batch
+- Автоматическое управление LoRA
+
+## 💰 Требования
+
+- **GPU**: A40 (48GB) или A100 (80GB)
+- **VRAM**: ~40GB для базовой модели
+- **Storage**: ~45GB (модель)
+
+## 📚 Дополнительная информация
+
+- **Base Model**: [Qwen-Soloband-Diffusers](https://huggingface.co/Gerchegg/Qwen-Soloband-Diffusers)
+- **Qwen-Image**: [Qwen/Qwen-Image](https://huggingface.co/Qwen/Qwen-Image)
+- **Diffusers Docs**: [Image-to-Image Guide](https://huggingface.co/docs/diffusers/using-diffusers/img2img)
+- **LoRA Explorer**: [Qwen-Image-LoRA-Explorer](https://huggingface.co/spaces/multimodalart/Qwen-Image-LoRA-Explorer)
+
+## ⚠️ Важные замечания
+
+### Image2Image для Qwen
+Этот Space использует специализированный `QwenImageImg2ImgPipeline` для корректной работы с Qwen-Image архитектурой. В отличие от обычных Stable Diffusion моделей, Qwen-Image требует:
+- Специальное кодирование изображений через `AutoencoderKLQwenImage`
+- Параметр `true_cfg_scale` вместо `guidance_scale`
+- Специальную упаковку латентов (packing 2x2)
+
+### LoRA (Hub + Local)
+
+- **Hub LoRA (2)**: Realism, Anime - скачиваются ПРИ ИСПОЛЬЗОВАНИИ, затем кэшируются
+- **Local LoRA**: Любые .safetensors в `/workspace/loras/` - автоматически обнаруживаются
+- Ленивая загрузка - не скачиваются и не занимают VRAM до использования
+- Полная поддержка в API по имени
+
+## 📝 License
+
+Apache 2.0
+
+## 🔧 Technical Notes
+
+✅ **Image2Image**: Использует правильный `QwenImageImg2ImgPipeline` для Qwen-Image архитектуры  
+✅ **Performance**: ~0.91s на шаг денойзинга на A100 GPU  
+✅ **Optimization**: VAE tiling и slicing включены для экономии памяти
+