diff options
Diffstat (limited to 'doc')
| -rw-r--r-- | doc/Design.md | 7 | ||||
| -rw-r--r-- | doc/Specifications.md | 7 | ||||
| -rw-r--r-- | doc/config.md | 8 |
3 files changed, 16 insertions, 6 deletions
diff --git a/doc/Design.md b/doc/Design.md index f22c24d..fd4ac63 100644 --- a/doc/Design.md +++ b/doc/Design.md @@ -113,7 +113,7 @@ mcp-sd15/ | 5 | checkpoint存在確認 | | 6 | VAE / LoRA / ControlNet存在確認 | | 7 | Base SD1.x pipelineを構築 | -| 8 | VAEを適用 | +| 8 | checkpoint内蔵VAEを確認し、外部VAE指定時は差し替え | | 9 | LoRAを順次ロード | | 10 | GPUへ配置 | | 11 | MCP Toolを公開 | @@ -170,7 +170,7 @@ Pydanticは必須とせず、`tomllib + dataclass + 明示的validation`を基 | 機能 | 実装方針 | |---|---| | Base model | SD1.x互換checkpointをロード | -| VAE | 設定された場合のみ置換 | +| VAE | pipeline componentとして必須。設定された外部VAEがある場合のみ置換 | | LoRA | 複数adapterをロード | | LoRA weight | `set_adapters`相当で適用 | | LoRA fuse | 将来オプション。初期実装では必須としない | @@ -349,7 +349,8 @@ GPU | Package | 用途 | |---|---| | `mcp` | MCP server | -| `torch` | CUDA / Tensor | +| `torch` | CUDA 13.2 / Tensor | +| `torchvision` | PyTorch画像model依存 | | `diffusers` | SD / ControlNet | | `transformers` | CLIP | | `peft` | LoRA | diff --git a/doc/Specifications.md b/doc/Specifications.md index 3d2cd28..0fb6451 100644 --- a/doc/Specifications.md +++ b/doc/Specifications.md @@ -14,7 +14,7 @@ LLM側には生成意図に必要な最小限の入力のみを公開し、モ |---|---| | 対応モデル | Stable Diffusion 1.x互換モデル | | モデル差し替え | 対応 | -| VAE差し替え | 対応 | +| VAE | 常時使用。checkpoint内蔵VAEまたは外部VAEへの差し替え | | LoRA | 複数指定・重み指定に対応 | | ControlNet | ControlNet 1.1 Depth / Openpose / Inpaint | | MCP経由のモデル変更 | 非対応 | @@ -127,7 +127,8 @@ LLM側には生成意図に必要な最小限の入力のみを公開し、モ | 項目 | 仕様 | |---|---| | Base checkpoint | 1ファイル | -| VAE | 0または1ファイル | +| VAE component | 必須。通常はcheckpoint内蔵VAEを使用 | +| 外部VAE | 0または1ファイル。指定時は内蔵VAEを差し替え | | LoRA | 0個以上 | | LoRA weight | LoRAごとに指定 | | ControlNet | Depth / Openpose / Inpaintを個別設定 | @@ -246,7 +247,7 @@ directory = "./outputs" | ID | 完了条件 | |---|---| -| G1 | TOMLからcheckpoint / VAE / 複数LoRAをロードできる | +| G1 | TOMLからcheckpoint / 任意の外部VAE / 複数LoRAをロードでき、VAE componentが常に存在する | | G2 | `generate_image`でPNG画像を1枚生成できる | | G3 | Depth / Openpose / Openpose Full生成が動作する | | G4 | Inpaintが元画像+maskから動作する | diff --git a/doc/config.md b/doc/config.md index f200cdc..c619d2d 100644 --- a/doc/config.md +++ b/doc/config.md @@ -19,6 +19,8 @@ uv run mcp-sd15 --config C:\path\to\config.toml <model.root>/ ├─ checkpoints/ │ └─ <model.checkpoint> +├─ huggingface/ +│ └─ Diffusersが使用するローカル構成cache ├─ vae/ │ └─ <model.vae> ├─ lora/ @@ -79,14 +81,20 @@ vae = "vae.safetensors" - `<root>/checkpoints/<checkpoint>`として解決 - 起動時にファイルの存在を確認 - サーバ初期化時にSD1.x pipelineとしてロードできなければ起動失敗 +- 単一checkpointの読込に必要なDiffusers構成は`<root>/huggingface` cacheから取得 ### `vae` +- Stable Diffusion pipelineのVAE component自体は必須 - 任意のファイル名 - 指定した場合は`<root>/vae/<vae>`として解決し、base modelのVAEを置換 - 指定時は起動時にファイルの存在を確認 - 省略時はcheckpointに含まれるVAEを使用 +`model.vae`が任意なのはVAE処理を省略できるという意味ではなく、外部VAEファイルによる +差し替えが任意という意味である。checkpoint内にもVAEが存在しない場合はpipelineを構築 +できないため起動に失敗する。 + ## 5. `[[model.lora]]` LoRAごとにarray of tablesを追加する。0個以上指定でき、記述順にadapter名が割り当てられる。 |