BluePixel Turbo · Guide de téléchargement
BluePixel-Turbo : téléchargement et installation locale
Récupérez les poids et le code d’inférence, vérifiez les prérequis et suivez les exemples de l’éditeur pour retoucher des images en local.
Retouchez une photo dans votre navigateur
Ouvrez BluePixel Turbo, importez votre photo et décrivez la modification souhaitée.
Sans installation — retoucher en ligneLes blocs de code ci-dessous sont repris à l’identique du README GitHub de vivo. Exécutez-les depuis le dépôt cloné ; les chemins et consignes en anglais sont conservés tels que publiés.
Prérequis de l’environnement
Le README demande un environnement CUDA prenant en charge BF16. Les dépendances ciblent l’API Diffusers 0.36. L’inférence GPU doit être validée dans votre propre environnement de déploiement.
Source :README GitHub de vivo
Différences entre les checkpoints v1 et v2
La fiche du modèle désigne v1 comme la première version SFT ckpt800 et v2 comme la version actuelle ckpt35 (STEP-35). La mise à jour du 2026-11-03 est un checkpoint intermédiaire distillé par SATP, sans post-entraînement supplémentaire ; un apprentissage par renforcement est prévu. Seuls les poids du transformeur ont été mis à jour ; l’encodeur de texte, le VAE et le tokenizer restent inchangés, et les métadonnées ont été actualisées.
Source :Fiche du modèle sur Hugging Face
Télécharger le code et le checkpoint complet
Clonez le dépôt vivo/BluePixel indiqué en lien et ouvrez son répertoire. Installez ses dépendances, puis téléchargez le checkpoint complet openvivo/BluePixel-Turbo dans le répertoire utilisé par les exemples.
pip install -r requirements.txthf download openvivo/BluePixel-Turbo --local-dir ./BluePixel-TurboSource :README GitHub de vivo
Inférence sur une seule image
Cet exemple du README retouche assets/test_input.jpg du dépôt à l’aide d’une consigne en anglais et enregistre output.jpg. Le code et toutes les valeurs de paramètres ci-dessous sont reproduits sans modification.
import torch
from PIL import Image
from vins_infer import load_pipeline
pipe = load_pipeline(
"BluePixel-Turbo",
device="cuda",
vae_tiling=False,
lora_scale=None,
shift=0,
mu_mode="empirical",
)
result = pipe(
image=Image.open("assets/test_input.jpg").convert("RGB"),
instruction="Change the gray sweater to burgundy red.",
num_inference_steps=4,
guidance_scale=3.0,
target_pixels=4096 * 4096,
generator=torch.Generator(device="cuda").manual_seed(42),
).images[0]
result.save("output.jpg")Source :README GitHub de vivo
Inférence par lots avec JSONL
Préparez une tâche par ligne avec les champs image_name et edit_prompt. La reprise est activée par défaut : les tâches réussies sont ignorées et les tâches échouées sont réessayées. L’option --no-resume relance les tâches et écrase leurs résultats ; utilisez-la avec un seul processus de traitement. Choisissez un nouveau répertoire de sortie si vous changez le modèle ou les réglages d’inférence.
{"image_name": "/path/to/input.png", "edit_prompt": "make the hair red"}CUDA_VISIBLE_DEVICES=0 python vins_infer.py \
--model-dir BluePixel-Turbo \
--jsonl /path/to/your_tasks.jsonl \
--out-dir ./output \
--target-pixels 16777216 \
--steps 4 \
--guidance 3.0 \
--seed 42 \
--mu-mode empirical \
--instruction-field edit_promptSource :README GitHub de vivo
Budgets de pixels 1K, 2K et 4K
Le README définit target_pixels à 1024² pour 1K, 1440² pour 2K et 4096² pour 4K. Il s’agit de budgets de pixels : selon la fiche du modèle, les entrées non carrées conservent approximativement leurs proportions, avec des dimensions alignées sur des multiples de 64.
target_pixels = {
"1K": 1024 * 1024, # 1048576
"2K": 1440 * 1440, # 2073600
"4K": 4096 * 4096, # 16777216
}Source :README GitHub de vivoFiche du modèle sur Hugging Face
Réduire la mémoire avec le découpage VAE
Le README recommande vae_tiling=True pour les appareils disposant de peu de mémoire. L’équivalent en ligne de commande est --vae-tiling. Cela réduit la mémoire utilisée par l’autoencodeur ; aucun minimum de mémoire vidéo n’est indiqué dans le README ou la fiche du modèle liés.
pipe = load_pipeline(
"BluePixel-Turbo", device="cuda", vae_tiling=True, mu_mode="empirical"
)Source :README GitHub de vivo
Lire LICENSE et NOTICE avant le déploiement
Le dépôt et la fiche du modèle indiquent Apache-2.0. Cependant, NOTICE mentionne la FLUX Non-Commercial License pour le modèle de base Flux 2 Klein. Ce guide ne confirme pas une autorisation d’auto-hébergement commercial ; consultez les licences applicables avant d’utiliser les poids.
Source :Fiche du modèle sur Hugging FaceTexte de la licence (LICENSE)Mentions des tiers (NOTICE)
ComfyUI : une intégration tierce
T8mars/Comfyui-BluePixel-T8 est un dépôt tiers, pas une publication de vivo. Nous n’avons testé ni ses nœuds ni ses workflows. Consultez sa propre documentation ; ce guide ne fournit pas d’installation ComfyUI vérifiée.
Source :Dépôt T8mars
Questions sur le téléchargement
Faut-il les poids pour utiliser l’éditeur dans le navigateur ?
Non. Le bouton de retouche en ligne ouvre l’éditeur du site. Télécharger et exécuter le checkpoint de l’éditeur constitue une démarche locale distincte.
Chaque résultat fait-il exactement 4096 × 4096 pixels ?
Non. L’éditeur décrit une sortie 4K carrée de 4096 × 4096. Les images non carrées conservent approximativement leurs proportions dans le budget de pixels, avec des dimensions alignées sur des multiples de 64.
La configuration BF16 signifie-t-elle que les poids sont stockés en BF16 ?
Non. La fiche du modèle précise que les poids du transformeur sont stockés en float32, avec un total_size de 36,314,324,992 octets. Le champ bfloat16 décrit le type prévu pour l’inférence, pas celui du stockage.
Où trouver les anciens checkpoints ?
La fiche du modèle indique que les révisions précédentes restent accessibles dans l’historique des commits et le navigateur de révisions du dépôt Hugging Face. Consultez la fiche correspondant à la révision choisie.
Dans quelle langue rédiger les consignes de retouche ?
La fiche du modèle présente ce checkpoint comme destiné aux consignes en anglais. Elle signale aussi des artefacts ou des changements imprévus possibles : vérifiez le résultat avant utilisation.