Juggernaut Z di RunDiffusion
Un cinematic fine-tune di Z-Image Base — ottimizzato per output pronti per la presentazione.
Juggernaut Z è un fine-tune di Z-Image Base realizzato da Team Juggernaut, addestrato da KandooAI e rilasciato tramite RunDiffusion. È ottimizzato per un'illuminazione più intensa, una messa a fuoco più nitida, una texture della pelle più raffinata e un'atmosfera più cinematografica — subito pronti all'uso.
Questo repository ospita gli artefatti ufficiali del rilascio di RunDiffusion: pesi a piena precisione, varianti FP16 e FP8, e un set completo di quantizzazioni GGUF.
Punti salienti
- Illuminazione più drammatica e cinematografica fin dall'inizio
- Messa a fuoco più nitida e una sensazione fotografica più intenzionale
- Ritratti più puliti con texture della pelle più naturale
- Anatomia e integrità strutturale migliorate
- Migliore rappresentazione delle etnie per impostazione predefinita
- Ottimizzato per lavori editoriali, concettuali e cinematografici
Confronti
Tutti i set seguenti mostrano Juggernaut Z (sinistra) vs Z-Image Base (destra).
Illuminazione
Illuminazione più drammatica e cinematografica fin dall'inizio.
Pelle e Texture
Pelle più pulita e dall'aspetto più naturale, specialmente nei ritratti ravvicinati.
Anatomia
Anatomia più pulita e dettagli strutturali più coerenti su un'ampia gamma di soggetti.
Composizione
Migliorato il posizionamento di soggetti e oggetti all'interno delle scene, con ulteriori lavori previsti per la v2.
Diversità
Risultati più equilibrati tra diverse etnie, con una migliore rappresentazione predefinita.
Architettura
Linee strutturali più pulite e resa dei materiali più coerente.
Impostazioni Consigliate
| Parametro | Predefinito | Intervallo |
|---|---|---|
| CFG | 6 | 6 – 9 |
| Steps | 35 | 25 – 45 |
File in Questo Repository
| File | Formato | Note |
|---|---|---|
Juggernaut_Z_V1_by_RunDiffusion.safetensors | safetensors (bf16) | Pesi della versione originale |
Juggernaut_Z_V1_by_RunDiffusion_fp16.safetensors | safetensors (fp16) | Mezza precisione |
Juggernaut_Z_V1_FP8_e4m3fn.safetensors | safetensors (fp8 e4m3fn) | Minore utilizzo di VRAM |
Juggernaut_Z_V1_by_RunDiffusion_q8_0.gguf | GGUF · q8_0 | Quantizzazione di massima qualità |
Juggernaut_Z_V1_by_RunDiffusion_q6_k-004.gguf | GGUF · q6_k | |
Juggernaut_Z_V1_by_RunDiffusion_q5_k_m-003.gguf | GGUF · q5_k_m | |
Juggernaut_Z_V1_by_RunDiffusion_q5_k_s-005.gguf | GGUF · q5_k_s | |
Juggernaut_Z_V1_by_RunDiffusion_q4_k_m-002.gguf | GGUF · q4_k_m | |
Juggernaut_Z_V1_by_RunDiffusion_q4_k_s-001.gguf | GGUF · q4_k_s | Impronta minima |
model_index.json + transformer/, text_encoder/, tokenizer/, vae/, scheduler/ | Formato 🤗 Diffusers | Caricato tramite DiffusionPipeline.from_pretrained("RunDiffusion/Juggernaut-Z-Image") |
Utilizza le varianti .safetensors con il flusso di lavoro che corrisponde al tuo stack di inferenza locale. Utilizza le varianti .gguf con un runtime compatibile con GGUF. Utilizza la struttura dei componenti Diffusers con la libreria 🤗 Diffusers — vedi sotto.
Utilizzo con 🤗 Diffusers
Il repository include model_index.json e le directory standard dei componenti di 🤗 Diffusers (transformer/, text_encoder/, tokenizer/, vae/, scheduler/) nella root, esportati come ZImagePipeline. Caricalo con:
from diffusers import DiffusionPipeline import torch pipe = DiffusionPipeline.from_pretrained( "RunDiffusion/Juggernaut-Z-Image", torch_dtype=torch.bfloat16, ).to("cuda") image = pipe( "a cinematic portrait, dramatic lighting", guidance_scale=6.0, num_inference_steps=35, ).images[0] image.save("output.png")
from_pretrained scarica solo i file dichiarati in model_index.json, quindi non recupererà le varianti indipendenti .safetensors / .gguf nella root del repository. Richiede una versione di diffusers che supporti ZImagePipeline (verificata con diffusers 0.37.1 e 0.38.0).
