damian0815/compel

何を解決するか

Compel は、画像生成モデルにおけるテキストプロンプトの特定の単語やフレーズの影響力を正確に制御する方法を提供します。標準的なテキストエンコーダーはすべての単語に同等の重みを割り当ててしまうため、プロンプト全体を書き換えることなく、画像の特定の要素を強調または弱体化するのは困難です。

動作方法

このライブラリは、埋め込みの重み付けとブレンドに柔軟な構文を実装しています。++ などのマーカーを使用して語を強調することで、テキストエンコーダーが生成する埋め込みテンソルを変更します。以下の高度な操作をサポートしています：

• 重み付け：特定のトークンの重要性を増減する。
• ブレンド：.and() 構文を使って異なるプロンプトセグメントを連結し、複雑なプロンプトの画像品質を向上させる。
• スタイルプロンプト：SDXL や Flux などのモデル向けに、スタイルとコンテンツのプロンプトを別々に処理する。
• 長プロンプト処理：モデルの最大トークン長を超えるプロンプトをチャンク化し、パディングする。

対象ユーザー

diffusers ベースのシステム（Stable Diffusion、SDXL、Flux など）を使用し、テキストプロンプトがモデルによってどのように解釈されるかを細かく制御したい開発者や研究者向けに設計されています。

主な特徴

• 広範なモデル対応：Stable Diffusion v1.5、SDXL、Flux と互換性があります。
• 直感的な構文：簡単な文字列ベースの重み付けシステム（例：ball++）を使用。
• 高度な埋め込み制御：ネガティブプロンプト、スタイルプロンプト、テキストインバージョンマネージャーをサポート。
• 柔軟なトークン化：長文を切り分けるための複数のモードを提供し、切り捨てを回避。
• 統合性：Hugging Face の StableDiffusionPipeline および他の diffusers パイプラインとシームレスに統合。