Modellvorstellung

Dieses Bilderzeugungsmodell basiert auf Laxhar/noobai-XL_v1.0 und nutzt die vollständigen Datensätze von Danbooru und e621 mit nativen Tags und natürlicher Sprachbeschriftung.

Implementiert als V-Prediction-Modell (unterscheidet sich von eps-prediction), erfordert es spezifische Parameterkonfigurationen – Details finden sich in den folgenden Abschnitten.

Besonderer Dank gilt meinem Teamkollegen euge für die Programmierarbeit sowie der technischen Unterstützung vieler hilfsbereiter Community-Mitglieder.

⚠️ WICHTIGER HINWEIS ⚠️

DIESES MODELL FUNKTIONIERT ANDERS ALS EPS-MODELLE!

BITTE LESEN SIE DIE ANLEITUNG SORGFÄLTIG!

Modell-Details

• Entwickelt von: Laxhar Lab

• Modelltyp: Diffusionsbasiertes Text-zu-Bild-Generierungsmodell

• Feinabgestimmt von: Laxhar/noobai-XL_v1.0

• Gesponsert von:

  Lanyun Cloud

  Civitai & Seaart

• Gemeinsames Testen:

  LiblibAI

  Nieta

Wie man das Modell verwendet.

Leitfaden für NoobAI XL:

ENG:

https://civitai.com/articles/8962

CHS:

https://fcnk27d6mpa5.feishu.cn/wiki/S8Z4wy7fSiePNRksiBXcyrUenOh

Empfohlene LoRa-Liste für NoobAI XL:

https://fcnk27d6mpa5.feishu.cn/wiki/IBVGwvVGViazLYkMgVEcvbklnge

Methode I: reForge

1. (Wenn Sie reForge noch nicht installiert haben) Installieren Sie reForge gemäß den Anweisungen im Repository;

2. Starten Sie WebUI und verwenden Sie das Modell wie gewohnt!

Methode II: ComfyUI

BEISPIEL mit NODES

comfy_ui_workflow_sample

Methode III: WebUI

Beachten Sie, dass der dev-Branch instabil sein kann und Fehler enthalten kann.

1. (Wenn Sie WebUI noch nicht installiert haben) Installieren Sie WebUI gemäß den Anweisungen im Repository. Für simp

2. Wechseln Sie zum dev-Branch:

git switch dev

3. Ziehen Sie die neuesten Updates:

git pull

4. Starten Sie WebUI und verwenden Sie das Modell wie gewohnt!

Methode IV: Diffusers

import torch
from diffusers import StableDiffusionXLPipeline
from diffusers import EulerDiscreteScheduler

ckpt_path = "/path/to/model.safetensors"
pipe = StableDiffusionXLPipeline.from_single_file(
    ckpt_path,
    use_safetensors=True,
    torch_dtype=torch.float16,
)
scheduler_args = {"prediction_type": "v_prediction", "rescale_betas_zero_snr": True}
pipe.scheduler = EulerDiscreteScheduler.from_config(pipe.scheduler.config, **scheduler_args)
pipe.enable_xformers_memory_efficient_attention()
pipe = pipe.to("cuda")

prompt = """masterpiece, best quality,artist:john_kafka,artist:nixeu,artist:quasarcake, chromatic aberration, film grain, horror \(theme\), limited palette, x-shaped pupils, high contrast, color contrast, cold colors, arlecchino \(genshin impact\), black theme,  gritty, graphite \(medium\)"""
negative_prompt = "nsfw, worst quality, old, early, low quality, lowres, signature, username, logo, bad hands, mutated hands, mammal, anthro, furry, ambiguous form, feral, semi-anthro"

image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    width=832,
    height=1216,
    num_inference_steps=28,
    guidance_scale=5,
    generator=torch.Generator().manual_seed(42),
).images[0]

image.save("output.png")

Hinweis: Bitte stellen Sie sicher, dass Git installiert ist und die Umgebung auf Ihrem Gerät richtig konfiguriert wurde.

Empfohlene Einstellungen

Parameter

• CFG: 4 ~ 5

• Schritte: 28 ~ 35

• Sampling-Methode: Euler (⚠️ Andere Sampler funktionieren nicht richtig)

• Auflösung: Gesamtfläche um 1024x1024. Am besten wählen aus: 768x1344, 832x1216, 896x1152, 1024x1024, 1152x896, 1216x832, 1344x768

Prompts

• Prompt-Präfix:

masterpiece, best quality, newest, absurdres, highres, safe,

• Negativer Prompt:

nsfw, worst quality, old, early, low quality, lowres, signature, username, logo, bad hands, mutated hands, mammal, anthro, furry, ambiguous form, feral, semi-anthro

Nutzungsrichtlinien

Beschriftung

<1girl/1boy/1other/...>, <character>, <series>, <artists>, <special tags>, <general tags>, <other tags>

Qualitäts-Tags

Für Qualitäts-Tags haben wir die Beliebtheit der Bilder durch folgenden Prozess bewertet:

• Daten-Normalisierung basierend auf verschiedenen Quellen und Bewertungen.

• Anwendung von zeitabhängigen Zerfallskoeffizienten gemäß dem Aktualitätsdatum.

• Rangordnung der Bilder im gesamten Datensatz basierend auf dieser Verarbeitung.

Unser ultimatives Ziel ist es, sicherzustellen, dass Qualitäts-Tags effektiv die Nutzerpräferenzen der letzten Jahre widerspiegeln.

Perzentil-BereichQualitäts-Tags> 95. Hauptwerk> 85., <= 95. Beste Qualität> 60., <= 85. Gute Qualität> 30., <= 60. Normale Qualität<= 30. Schlechteste Qualität

Ästhetik-Tags

TagBeschreibungsehr awaTop 5 % der Bilder im ästhetischen Score nach waifu-scorerschlechteste ÄsthetikAlle untersten 5 % der Bilder im ästhetischen Score nach waifu-scorer und aesthetic-shadow-v2......

Datums-Tags

Es gibt zwei Arten von Datums-Tags: Jahres-Tags und Perioden-Tags. Für Jahres-Tags wird das Format year xxxx verwendet, z.B. year 2021. Für Perioden-Tags beachten Sie bitte die folgende Tabelle:

JahresbereichPerioden-Tag2005-2010alt2011-2014früh2014-2017mittel2018-2020aktuell2021-2024neuest

Datensatz

• Die neuesten Danbooru-Bilder bis zum Trainingsdatum (ungefähr vor dem 23.10.2024)

• E621-Bilder aus dem e621-2024-webp-4Mpixel-Datensatz auf Hugging Face

Kommunikation

• QQ-Gruppen:

  • 657327419

  • 875042008

  • 914818692

  • 635772191

  • 870086562

• Discord: Laxhar Dream Lab SDXL NOOB

Wie man eine LoRA auf dem v-pred SDXL Modell trainiert

Ein Tutorial, das sich an LoRA-Trainer auf Basis von sd-scripts richtet.

Artikel-Link: https://civitai.com/articles/8723

Hilfs-Tool

Laxhar Lab trainiert ein dediziertes ControlNet-Modell für NoobXL, die Modelle werden schrittweise veröffentlicht. Bisher sind normal, depth und canny erschienen.

Modell-Link: https://civitai.com/models/929685

Modell-Lizenz

Die Lizenz dieses Modells basiert auf der https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 fair-ai-public-license-1.0-sd und ergänzt folgende Bedingungen. Jede Nutzung dieses Modells und seiner Varianten unterliegt dieser Lizenz.

I. Nutzungsbeschränkungen

• Verbotene Nutzung für schädliche, bösartige oder illegale Aktivitäten, einschließlich, aber nicht beschränkt auf Belästigung, Bedrohungen und Verbreitung von Fehlinformationen.

• Verbot der Erzeugung unethischer oder beleidigender Inhalte.

• Verbot der Verletzung von Gesetzen und Vorschriften im Zuständigkeitsbereich des Nutzers.

II. Kommerzielle Untersagung

Es ist jegliche Form der Kommerzialisierung untersagt, einschließlich, aber nicht beschränkt auf Monetarisierung oder kommerzielle Nutzung des Modells, abgeleiteten Modellen oder modellgenerierten Produkten.

III. Open Source Gemeinschaft

Um eine florierende Open-Source-Gemeinschaft zu fördern, MÜSSEN Nutzer folgende Anforderungen erfüllen:

• Freigabe von abgeleiteten Modellen, zusammengeführten Modellen, LoRAs und Produkten auf Basis der genannten Modelle als Open Source.

• Teilen von Arbeitsdetails wie Syntheseformeln, Prompts und Workflows.

• Befolgung der fair-ai-public-license, um sicherzustellen, dass abgeleitete Werke Open Source bleiben.

IV. Haftungsausschluss

Generierte Modelle können unerwartete oder schädliche Ergebnisse produzieren. Nutzer müssen alle Risiken und potenziellen Folgen der Nutzung übernehmen.

Teilnehmer und Mitwirkende

Teilnehmer

• L_A_X: Civitai | Liblib.art | Huggingface

• li_li: Civitai | Huggingface

• nebulae: Civitai | Huggingface

• Chenkin: Civitai | Huggingface

• Euge: Civitai | Huggingface | Github

Mitwirkende

• Narugo1992: Danke an narugo1992 und das deepghs-Team für die Freigabe verschiedener Trainingsdatensätze, Bildbearbeitungswerkzeuge und Modelle.

• Mikubill: Danke an Mikubill für den Naifu-Trainer.

• Onommai: Danke an OnommAI für die Freigabe eines leistungsstarken Basismodells.

• V-Prediction: Danke an die folgenden Personen für ihre detaillierten Anweisungen und Experimente.

  • adsfssdf

  • bluvoll

  • bvhari

  • catboxanon

  • parsee-mizuhashi

  • very-aesthetic

  • momoura

  • madmanfourohfour

• Community: aria1th261, neggles, sdtana, chewing, irldoggo, reoe, kblueleaf, Yidhar, ageless, 白玲可, Creeper, KaerMorh, 吟游诗人, SeASnAkE, zwh20081, Wenaka⁧~喵, 稀里哗啦, 幸运二副, 昨日の約, 445, EBIX, Sopp, Y_X, Minthybasis, Rakosz, 孤辰NULL, 汤人烂, 沅月弯刀,David, 年糕特工队，