iris-3b-Turbo-LiteRT

Публичное зеркало LiteRT-конвертации iris-3b-Turbo от LiteRT Community: text-to-image, 768×768, 4 шага сэмплирования и conditioning на Qwen3-VL-4B. Конвертацию выполнили upstream, а репозиторий содержит byte-for-byte копии выбранных графов, манифест с SHA-256 и Python/Android reference engines.

🚀 Ключевые особенности

• 🚀 768×768, 4 шага сэмплирования и без VAE: двенадцать text-encoder-графов и восемь diffusion-графов загружаются потоково по одному.
• 🧐 Conditioning на Qwen3-VL-4B.
• 🤖 В комплекте Python-раннер и upstream Android reference engine; для Android — запуск вне main thread, освобождение буферов/моделей между стадиями и общий LiteRT Environment.
• 🧐 artifact_manifest.json фиксирует источник, immutable revision, размеры файлов и SHA-256.
• ⛔ Валидация только для desktop LiteRT 2.3.0 CPU на Linux x86_64; Android CPU/GPU, память телефонов и Google Tensor TPU не проверялись.

💯 Пример

hf download frankdu/iris-3b-Turbo-LiteRT --local-dir iris-3b-Turbo-LiteRT
cd iris-3b-Turbo-LiteRT
python3.12 -m venv .venv
. .venv/bin/activate
pip install -r requirements.txt
python python/iris3b_litert.py --model-dir model \
  --prompt 'a red apple on a wooden table, studio lighting' \
  --seed 42 --threads 8 --out output.png

Подробнее

Валидация: полная генерация на desktop LiteRT 2.3.0 CPU (Linux x86_64); пример визуально проверен как узнаваемое яблоко — это smoke check, а не сравнительный бенчмарк качества или скорости.
Android CPU/GPU, требования к памяти телефона и Google Tensor TPU для этого репозитория не валидированы.
Это diffusion graph pipelines, а не language-model .litertlm-чекпоинты; одиночный вызов графа со случайными входами не даст осмысленное изображение — нужен полный pipeline.
Разные runtime могут давать разные сэмплы при одном integer seed.
Лицензия и notices исходной модели сохранены; конвертация и зеркалирование не меняют условия лицензии.