# DreamLite

DreamLite adalah model teks-ke-gambar dan pengeditan gambar dari ByteDance. Model ini menggabungkan 2D U-Net khusus (`DreamLiteUNetModel`) dengan encoder multimodal `Qwen3-VL` sebagai encoder prompt/instruksi gambar, serta menggunakan VAE `AutoencoderTiny` (gaya TAESD) untuk encode/decode laten yang cepat.

Dua pipeline yang tersedia:

| Pipeline | Mode | CFG | Kasus penggunaan |
|---|---|---|---|
| [DreamLitePipeline](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipeline) | teks-ke-gambar **dan** pengeditan gambar (dipilih secara otomatis berdasarkan apakah `image` adalah `None`) | 3-branch dual CFG (`guidance_scale` pada cabang teks, `image_guidance_scale` pada cabang gambar, à la InstructPix2Pix) | Kualitas tertinggi |
| [DreamLiteMobilePipeline](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLiteMobilePipeline) | teks-ke-gambar **dan** pengeditan gambar (dipilih secara otomatis berdasarkan apakah `image` adalah `None`) | Tidak ada — terdistil, satu forward UNet per langkah | On-device / latensi rendah |

Checkpoint resmi:

* Model dasar: [carlofkl/DreamLite-base](https://huggingface.co/carlofkl/DreamLite-base)
* Model mobile yang telah di-distilasi: [carlofkl/DreamLite-mobile](https://huggingface.co/carlofkl/DreamLite-mobile)

> [!TIP]
> Kedua pipeline secara otomatis mendeteksi mode teks-ke-gambar vs. pengeditan gambar berdasarkan apakah argumen `image` disediakan. Tidak ada kelas `Img2Img` yang terpisah.

> [!TIP]
> Saat memuat gambar input untuk diedit, lebih disarankan menggunakan `diffusers.utils.load_image(...)` daripada `PIL.Image.open(...)` mentah. `load_image` memaksa konversi ke RGB dan menerapkan orientasi EXIF, keduanya diasumsikan oleh pipeline. Penggunaan `Image.open` biasa pada sumber RGBA / palet / berotasi EXIF akan secara diam-diam menghasilkan kondisioning laten yang berbeda dan menurunkan kualitas output.

## Teks-ke-gambar (Dasar)

```python
import torch
from diffusers import DreamLitePipeline

pipe = DreamLitePipeline.from_pretrained("carlofkl/DreamLite-base", revision="diffusers", dtype=torch.bfloat16)
pipe = pipe.to("cuda")  # or "mps", "xpu", "cpu"

image = pipe(
    prompt="a dog running on the grass",
    negative_prompt="",
    height=1024,
    width=1024,
    num_inference_steps=28,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("dreamlite_t2i.png")
```

## Pengeditan gambar (Dasar)

Lewatkan `image` untuk masuk ke mode edit. Baik `guidance_scale` (cabang teks) maupun `image_guidance_scale` (cabang gambar) aktif di sini.

```python
import torch
from diffusers import DreamLitePipeline
from diffusers.utils import load_image

pipe = DreamLitePipeline.from_pretrained("carlofkl/DreamLite-base", revision="diffusers", dtype=torch.bfloat16)
pipe = pipe.to("cuda")  # or "mps", "xpu", "cpu"

source = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/cat.png")

image = pipe(
    prompt="turn the cat into a corgi",
    image=source,
    height=1024,
    width=1024,
    num_inference_steps=28,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("dreamlite_edit.png")
```

## Teks-ke-gambar (Mobile)

Pipeline mobile ini telah didistilkan dan sepenuhnya melewati CFG — hanya satu forward UNet per langkah. Pipeline ini menerima argumen `prompt` / `height` / `width` / `num_inference_steps` yang sama, tetapi **mengabaikan** `guidance_scale` dan `image_guidance_scale` jika diberikan (peringatan akan dicatat).

```python
import torch
from diffusers import DreamLiteMobilePipeline

pipe = DreamLiteMobilePipeline.from_pretrained("carlofkl/DreamLite-mobile", revision="diffusers", dtype=torch.bfloat16)
pipe = pipe.to("cuda")  # or "mps", "xpu", "cpu"

image = pipe(
    prompt="a dog running on the grass",
    height=1024,
    width=1024,
    num_inference_steps=4,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("dreamlite_mobile_t2i.png")
```

## Pengeditan gambar (Mobile)

```python
import torch
from diffusers import DreamLiteMobilePipeline
from diffusers.utils import load_image

pipe = DreamLiteMobilePipeline.from_pretrained("carlofkl/DreamLite-mobile", revision="diffusers", dtype=torch.bfloat16)
pipe = pipe.to("cuda")  # or "mps", "xpu", "cpu"

source = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/cat.png")

image = pipe(
    prompt="turn the cat into a corgi",
    image=source,
    height=1024,
    width=1024,
    num_inference_steps=4,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("dreamlite_mobile_edit.png")
```

## Catatan dan batasan

* Kedua pipeline memaksa `batch_size = 1` secara internal; `num_images_per_prompt` mengontrol berapa banyak sampel yang diambil dari prompt yang sama, bukan batching paralel.
* Prompt encoder adalah `Qwen3-VL`, yaitu model multimodal. Memuat pipeline lengkap karenanya memerlukan memori GPU yang cukup untuk U-Net dan text encoder Qwen3-VL (~4 GB + ~0,7 GB dalam bf16 untuk rilis dasar).
* VAE adalah `AutoencoderTiny` dan mengekspos `encoder_block_out_channels`; `vae_scale_factor` diturunkan darinya saat inisialisasi pipeline.

## DreamLitePipeline[[diffusers.DreamLitePipeline]]

#### diffusers.DreamLitePipeline[[diffusers.DreamLitePipeline]]

```python
diffusers.DreamLitePipeline(text_encoder: Qwen3VLForConditionalGeneration, tokenizer: AutoTokenizer, processor: Qwen3VLProcessor, vae: AutoencoderTiny, unet: DreamLiteUNetModel, scheduler: FlowMatchEulerDiscreteScheduler)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/dreamlite/pipeline_dreamlite.py#L155)

DreamLite pipeline untuk text-to-image dan pengeditan gambar berbasis instruksi.

Pipeline yang sama mendukung kedua mode; mode operasi dideteksi secara otomatis dari input:

- `image is None` -> teks-ke-gambar (CFG tunggal pada teks).
- `image is not None` -> image-to-image / instruksi edit (dual CFG: teks + gambar).

Komponen: text_encoder ([*~transformers.Qwen3VLForConditionalGeneration*]): Encoder teks/visi multimodal yang digunakan untuk menghasilkan embedding kondisional. tokenizer ([*~transformers.AutoTokenizer*]): Tokenizer untuk mode teks saja (generate). processor ([*~transformers.Qwen3VLProcessor*]): Pemroses multimodal untuk mode edit (template teks + gambar). vae ([*~diffusers.AutoencoderTiny*]): VAE kecil yang ramah perangkat mobile untuk enkripsi/ddekripsi laten. unet ([*~diffusers.DreamLiteUNetModel*]): DreamLite UNet (GQA + qk_norm + konvolusi depthwise-separable). scheduler ([*~diffusers.FlowMatchEulerDiscreteScheduler*]): Scheduler Euler flow-matching dengan pergeseran dinamis.

Catatan: `batch_size` saat ini dipaksa menjadi `1`; `num_images_per_prompt` didukung.

#### __call__[[diffusers.DreamLitePipeline.__call__]]

```python
__call__(prompt: typing.Optional[str] = None, negative_prompt: typing.Optional[str] = None, image: typing.Optional[PIL.Image.Image] = None, height: typing.Optional[int] = None, width: typing.Optional[int] = None, guidance_scale: float = 3.5, image_guidance_scale: float = 1.5, num_inference_steps: int = 30, sigmas: typing.Optional[typing.List[float]] = None, num_images_per_prompt: typing.Optional[int] = 1, generator: typing.Union[torch.Generator, typing.List[torch.Generator], NoneType] = None, output_type: typing.Optional[str] = 'pil', return_dict: bool = True, max_sequence_length: int = 200, text_pad_embedding: typing.Optional[torch.Tensor] = None)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/dreamlite/pipeline_dreamlite.py#L388)

**Parameter:**

prompt : Prompt teks.

negative_prompt : Prompt teks negatif (defaultnya string kosong).

image : Gambar input opsional. Jika diberikan, pipeline berjalan dalam mode **edit / image-to-image** dengan dual classifier-free guidance; jika tidak, berjalan dalam mode **text-to-image**.

height : Resolusi output (tinggi). Bawaan adalah `default_sample_size * vae_scale_factor` (1024). Bawaan yang sama berlaku untuk T2I dan I2I; berikan nilai eksplisit untuk menimpa.

width : Resolusi output (lebar). Bawaan adalah `default_sample_size * vae_scale_factor` (1024). Bawaan yang sama berlaku untuk T2I dan I2I; berikan nilai eksplisit untuk menimpa.

guidance_scale : Skala CFG pada cabang teks (kedua mode).

image_guidance_scale : Skala CFG tambahan pada cabang gambar (hanya mode edit).

num_inference_steps : Jumlah langkah denoising.

sigmas : Sigmas FlowMatch eksplisit opsional; secara default menggunakan linspace seragam.

num_images_per_prompt : Gambar output per prompt (catatan: `batch_size` dipaksa menjadi 1).

generator : Generator acak.

output_type : `"pil"`, `"np"`, `"pt"` atau `"latent"`.

return_dict : Jika True, mengembalikan [DreamLitePipelineOutput](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipelineOutput); selain itu, tuple `(images,)`.

max_sequence_length : Jumlah maksimum token user-prompt yang dipertahankan setelah membuang prefix chat-template. Hanya berlaku untuk mode `generate` (mode `edit` menggunakan padding native dari multimodal processor).

text_pad_embedding : Embedding pad yang dipelajari secara opsional untuk posisi yang dimasker.

**Mengembalikan:**

[DreamLitePipelineOutput](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipelineOutput) atau `tuple`.

Jalankan pipeline DreamLite.

## DreamLiteMobilePipeline[[diffusers.DreamLiteMobilePipeline]]

#### diffusers.DreamLiteMobilePipeline[[diffusers.DreamLiteMobilePipeline]]

```python
diffusers.DreamLiteMobilePipeline(text_encoder: Qwen3VLForConditionalGeneration, tokenizer: AutoTokenizer, processor: Qwen3VLProcessor, vae: AutoencoderTiny, unet: DreamLiteUNetModel, scheduler: FlowMatchEulerDiscreteScheduler)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/dreamlite/pipeline_dreamlite_mobile.py#L156)

Pipeline **Mobile** DreamLite: varian terdistilasi tanpa classifier-free-guidance dari [DreamLitePipeline](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipeline) untuk inferensi cepat dengan sedikit langkah (default 4 langkah).

Mode operasi dideteksi secara otomatis dari input (sama seperti pipeline dasar):

- `image is None` -> teks-ke-gambar.
- `image is not None` -> gambar-ke-gambar / instruksi edit.

Karena classifier-free guidance **dihilangkan**, `guidance_scale` dan `image_guidance_scale` diterima untuk kesetaraan API dengan [DreamLitePipeline](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipeline) tetapi diabaikan dalam loop denoising. `negative_prompt` sengaja tidak ada.

Components (sama dengan pipeline dasar): text_encoder ([*~transformers.Qwen3VLForConditionalGeneration*]): Encoder teks/visi multimodal. tokenizer ([*~transformers.AutoTokenizer*]): Tokenizer untuk mode teks saja (generate). processor ([*~transformers.Qwen3VLProcessor*]): Pemroses multimodal untuk mode edit. vae ([*~diffusers.AutoencoderTiny*]): VAE kecil yang ramah perangkat mobile. unet ([*~diffusers.DreamLiteUNetModel*]): DreamLite UNet. scheduler ([*~diffusers.FlowMatchEulerDiscreteScheduler*]): Scheduler Euler flow-matching dengan pergeseran dinamis.

Catatan: `batch_size` saat ini dipaksa menjadi `1`; `num_images_per_prompt` didukung.

#### __call__[[diffusers.DreamLiteMobilePipeline.__call__]]

```python
__call__(prompt: typing.Union[str, typing.List[str]] = None, image: typing.Optional[PIL.Image.Image] = None, height: typing.Optional[int] = None, width: typing.Optional[int] = None, num_inference_steps: int = 4, guidance_scale: typing.Optional[float] = None, image_guidance_scale: typing.Optional[float] = None, sigmas: typing.Optional[typing.List[float]] = None, num_images_per_prompt: typing.Optional[int] = 1, generator: typing.Union[torch.Generator, typing.List[torch.Generator], NoneType] = None, output_type: typing.Optional[str] = 'pil', return_dict: bool = True, max_sequence_length: int = 200, text_pad_embedding: typing.Optional[torch.Tensor] = None)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/dreamlite/pipeline_dreamlite_mobile.py#L384)

**Parameter:**

prompt : Prompt teks.

image : Gambar input opsional. Jika diberikan, berjalan dalam mode **edit / image-to-image**; jika tidak, berjalan dalam mode **text-to-image**.

height : Resolusi output (tinggi). Bawaan adalah `default_sample_size * vae_scale_factor` (1024).

width : Resolusi output (lebar). Bawaan adalah `default_sample_size * vae_scale_factor` (1024).

num_inference_steps : Jumlah langkah denoising. Bawaan adalah **4** (distilled).

guidance_scale : Diterima untuk kesetaraan API dengan [DreamLitePipeline](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipeline); **diabaikan** karena CFG telah dihilangkan melalui distilasi.

image_guidance_scale : Diterima untuk kesetaraan API dengan [DreamLitePipeline](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipeline); **diabaikan** karena CFG telah dihilangkan melalui distilasi.

sigmas : Sigmas FlowMatch eksplisit opsional; secara default menggunakan linspace seragam.

num_images_per_prompt : Gambar output per prompt (catatan: `batch_size` dipaksa menjadi 1).

generator : Generator acak.

output_type : `"pil"`, `"np"`, `"pt"` atau `"latent"`.

return_dict : Jika True, mengembalikan [DreamLitePipelineOutput](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipelineOutput); selain itu `(images,)`.

max_sequence_length : Jumlah maksimum token user-prompt yang dipertahankan setelah membuang prefix chat-template. Hanya berlaku untuk mode `generate` (mode `edit` menggunakan padding native dari multimodal processor).

text_pad_embedding : Embedding pad yang dipelajari secara opsional untuk posisi yang dimasker.

**Mengembalikan:**

[DreamLitePipelineOutput](/docs/diffusers/main/id/api/pipelines/dreamlite#diffusers.DreamLitePipelineOutput) atau `tuple`.

Jalankan pipeline DreamLite Mobile yang telah di-distil.

## DreamLitePipelineOutput[[diffusers.DreamLitePipelineOutput]]

#### diffusers.DreamLitePipelineOutput[[diffusers.DreamLitePipelineOutput]]

```python
diffusers.DreamLitePipelineOutput(images: typing.Union[typing.List[PIL.Image.Image], numpy.ndarray])
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/dreamlite/pipeline_output.py#L25)

**Parameter:**

images (`List[PIL.Image.Image]` atau `np.ndarray`) : Daftar gambar PIL yang telah didenois dengan panjang `batch_size` atau array NumPy dengan bentuk `(batch_size, height, width, num_channels)`. Gambar PIL atau array NumPy menyajikan gambar-gambar yang telah didenois dari pipeline difusi.

Kelas output untuk pipeline DreamLite.