dragonspeedXL モデル（Snapdragon 8 Elite Gen 5 向け QNN）
Android アプリ dragonspeedxl-app が使うモデルです。SDXL（LCM、Base 2 step ＋ Hires 4 step、1080p）を、Hexagon HTP v81（NPU）と Adreno（GPU）で動かすための、QNN の context binary と DLC を置いています。
- 対象の端末だけ: Snapdragon 8 Elite Gen 5（SM8850、HTP v81）。他の SoC では動きません。
- 作成: QAIRT（Qualcomm AI Runtime）SDK 2.47.0.260601。
- 変換の手順と道具は、dragonspeedxl-convert にあります（再現のため）。
ライセンス: CC BY-NC-SA 4.0
このリポジトリのモデルは、CC BY-NC-SA 4.0（ライセンス本文）で配布します。
- 非商用のみ。販売、有料サービス、商用の製品への組み込みはできません。
- 同じ条件で共有。派生物も CC BY-NC-SA 4.0 で公開してください。
- 帰属の表示。下の上流のモデルの名前と、このページへのリンクを残してください。
この融合モデルは、次の上流の条件を引き継ぎます。どれか 1 つでも条件を満たさない使い方はできません。
| 部品 | 上流の条件 | 出どころ |
|---|---|---|
| WAI-Illustrious SDXL v16（UNet の元） | Illustrious License（FAIPL 1.0-SD と同じ扱い。派生物の公開、データセットとマージ手順の開示、閉じたモデルの販売禁止。原典の確認は未了のため、確認後に訂正する可能性があります） | Civitai（WAI-illustrious-SDXL） |
| NoobAI-XL V-Pred 0.65（NoobAiVPred_v065s） | Fair AI Public License 1.0-SD（FAIPL）。派生モデルは同じ条件でモデルを含むソースを提供すること | Laxhar/noobai-XL-Vpred-0.65 |
| NoobHyperDmd（融合した LoRA） | CC BY-NC-SA 4.0。HyperSDXL（CreativeML Open RAIL++-M）と DMD2（CC BY-NC-SA 4.0）を SVD マージしたもの | Zuntan/NoobHyperDmd |
| SDXL base 1.0（CLIP、VAE の元） | CreativeML Open RAIL++-M（利用制限 Attachment A を派生物に含める） | stabilityai/stable-diffusion-xl-base-1.0 |
| TAESD（生成中のプレビュー） | MIT（帰属を表示） | madebyollin/taesd |
利用制限
RAIL++-M の Attachment A と、FAIPL の Prohibited Uses に従ってください。主なものは次のとおりです（違法行為、未成年の搾取、誤情報の拡散、個人情報の悪用、名誉毀損や嫌がらせ、自動化された法的な決定、差別、脆弱性の悪用、医療の助言、司法・法執行・出入国の審査への利用）。
帰属
WAI-Illustrious（Illustrious）、NoobAI（Laxhar）、DMD2（tianweiy）、HyperSDXL（ByteDance）、SDXL（Stability AI）、TAESD（Ollin Boer Bohan）を元にしています。
含まれるファイル
すべて、アプリの models/ に置くものです（gpu/ を含む）。sha256 は SHA256SUMS.txt、アプリ用の一覧は manifest.json にあります。
| ファイル | サイズ（B） | 役割 |
|---|---|---|
models/clip_l.bin |
234,233,856 | CLIP-L（FP16） |
models/clip_g.bin |
1,400,578,048 | CLIP bigG（FP16） |
models/clip_vocab.tsv |
763,451 | トークナイザ |
models/clip_merges.txt |
524,619 | トークナイザ |
models/text_projection.f32 |
6,553,600 | テキストの射影 |
models/clip_l_lora.bin |
254,128,128 | LoRA の枝つき CLIP-L（float） |
models/clip_g_lora.bin |
1,491,808,256 | LoRA の枝つき CLIP bigG（float） |
models/vae_64_w8a16.bin |
60,907,520 | NPU の VAE（W8A16、64×64 タイル） |
models/unet_lora_4g.bin |
3,736,150,016 | UNet（縦横 4 グラフの共有 bin、LoRA の枝つき） |
models/unet_lora_4g_default.bin |
196,029,400 | LoRA なしの super adapter（重みが 0） |
models/gpu/vae_64_fp32.dlc |
198,140,196 | GPU の VAE の元（FP32 の DLC） |
models/gpu/taesd_160x90_fp32.dlc ほか 3 寸法 |
4,977,564 × 4 | プレビュー（TAESD）の元（160x90、240x135、90x160、135x240） |
合計は約 7.6GB です。
含まれないもの
- 手動で追加した LoRA（
loras/の中身すべて）。 - 端末の GPU のキャッシュ（
gpu/*_gpu.bin、vae_64_gpu.bin）。端末ごとに違うので、アプリが初回に_fp32.dlcから作ります。 - FP16 の VAE（
vae_64.bin）。
使い方
- アプリの
models/のフォルダに、上の表のファイルを同じ名前で置きます。 - アプリを起動して、生成を試します。
unet_lora_4g.bin が UNet の本体です。LoRA は、同じ bin に super adapter として当てるので、切り替えても読み直しません。LoRA の取り込みは、アプリの「＋ LoRA を追加」か、変換スクリプトで行います。
注意
- QNN の context binary は、QAIRT SDK の生成物です。SDK の利用条件（LICENSE.pdf の 1 節）に従ってください。
- 生成した画像は、上流のモデルの利用制限に従ってください。
- この配布は非公式です。Qualcomm、Stability AI、Illustrious、Laxhar、ByteDance、Zuntan とは関係ありません。