Chroma1-HD-GGUF-&-FP8 - Q8_0
Hervorgehobene Bilder
Empfohlene Prompts
This is a nature documentary close-up photograph of the right side of the face of a tiger. The photograph is centered on it's highly detailed and speckled eye surrounded by intricately detailed fur. Overlaid at the center of the image is a title text that says "CHROMA1-HD" in a large white 3D letters. Amateur photography. Unfiltered. Real life. Natural light. Subtle shadows., Overlaid at the center of the image, in a large bold font, is the text "Chroma1-HD". This is a nature documentary photograph of an extreme close-up of a tiger face with focus on it's eye. Amateur photograph. Unfiltered. Real life. Natural light. Subtle shadows.
Empfohlene Negative Prompts
This low quality greyscale unfinished sketch is inaccurate and flawed. The image is very blurred and lacks detail with excessive chromatic aberrations and artifacts. The image is overly saturated with excessive bloom. It has a toony aesthetic with bold outlines and flat colors., This greyscale unfinished sketch has bad proportions, is featureless and disfigured. It is a blurry ugly mess and with excessive gaussian blur. low quality. ugly. unfinished. bad composition.
Empfohlene Parameter
samplers
steps
cfg
resolution
Tipps
Chroma1-Base eignet sich, wenn längere Feinabstimmungszyklen mit hochauflösendem Training in den letzten Epochen geplant sind, um eine schnellere Konvergenz zu erreichen.
Chroma1-HD ist ideal für schnelle Feinabstimmungen oder LoRA-Anwendungen bei hoher Auflösung.
Chroma1-Flash Delta-Gewichte können auf jede Chroma-Version angewendet werden, um die Inferenzgeschwindigkeit zu erhöhen; die Stärke entsprechend anpassen.
Ersteller-Sponsoren
Dies ist die offizielle Modellseite für
Chroma1-HD GGUF Quants
Workflow befindet sich in der Trainingsdaten-.zip-Datei
Das Folgende ist eine Kopie der ursprünglichen Modellseite.
Hallo zusammen,
Vor einiger Zeit habe ich über Chroma berichtet, mein in Arbeit befindliches, Open-Source-Grundmodell. Ich habe großartiges Feedback erhalten und freue mich, bekannt zu geben, dass das Basismodell-Training endlich abgeschlossen ist und die gesamte Modellfamilie jetzt für euch bereitsteht!
Eine kurze Erinnerung an das Versprechen: Dies sind echte Basismodelle.
Ich habe keine ästhetischen Anpassungen oder Nachbearbeitungen wie DPO durchgeführt. Sie sind roh, leistungsstark und als perfekte, neutrale Ausgangsbasis für eure Feinabstimmungen konzipiert. Wir haben die harte Arbeit erledigt, damit ihr es nicht tun müsst.
Und mit harter Arbeit meine ich etwa 105.000 H100 Stunden Rechenzeit. All diese GPU-Zeit wurde investiert, um diese Modelle mit einer riesigen Datenverteilung zu füllen, was das Feinabstimmen darauf zum Kinderspiel machen sollte.
Wie versprochen ist alles vollständig unter Apache 2.0 lizenziert – ohne Einschränkungen.
Kurzfassung:
Release-Branch:
Chroma1-Base: Dies ist das Kernmodell mit 512x512 Auflösung. Es ist eine solide, vielseitige Grundlage für so gut wie jedes kreative Projekt. Dieses Modell empfiehlt sich, wenn ihr plant, längere Feinabstimmungen durchzuführen und nur zum Schluss die hochauflösende Trainingsphase für eine schnellere Konvergenz einzusetzen.
Chroma1-HD: Dies ist die hochauflösende Feinabstimmung des Chroma1-Base mit 1024x1024 Auflösung. Wenn ihr eine schnelle Feinabstimmung oder LoRA für hohe Auflösung machen wollt, ist dies euer Startpunkt.
Forschungs-Branch:
Chroma1-Flash: Eine feinabgestimmte Version des Chroma1-Base, bei der ich versucht habe, Wege zu finden, diese Flow-Matching-Modelle schneller zu machen. Dies ist technisch gesehen ein experimentelles Ergebnis, um herauszufinden, wie man ein schnelles Modell ohne GAN-basiertes Training trainiert. Die Delta-Gewichte können auf jede Chroma-Version angewendet werden, um sie schneller zu machen (achtet nur darauf, die Stärke anzupassen).
Chroma1-Radiance [WIP]: Eine radikal abgestimmte Version des Chroma1-Base, bei der das Modell nun ein Pixelebenenmodell ist, das technisch gesehen nicht unter VAE-Kompressionsartefakten leiden sollte.
Quantisierungsoptionen
Alternative Option: FP8 Scaled Quant (Format, das von ComfyUI verwendet wird mit möglicher Erhöhung der Inferenzgeschwindigkeit)
Alternative Option: GGUF quantisiert (Hierfür muss der ComfyUI-GGUF Custom Node installiert werden)
Besonderer Dank
Ein riesiges Dankeschön an die Unterstützer, die dieses Projekt ermöglichen.
Anonyme Spender, deren unglaubliche Großzügigkeit die Vortrainingsläufe und Datensammlungen finanziert hat. Eure Unterstützung hat die Open-Source-KI nachhaltig verändert.
Fictional.ai für ihre fantastische Unterstützung und dafür, die Grenzen der Open-Source-KI mit voranzutreiben.
Unterstützt dieses Projekt!
https://ko-fi.com/lodestonerock/
BTC-Adresse: bc1qahn97gm03csxeqs7f4avdwecahdj4mcp9dytnj
ETH-Adresse: 0x679C0C419E949d8f3515a255cE675A1c4D92A3d7
Mein Discord: discord.gg/SQVcWVbqKx
Modell-Details
Diskussion
Bitte log in um einen Kommentar zu hinterlassen.
