Introduction du modèle

Ce modèle de génération d'images, basé sur Laxhar/noobai-XL_v1.0, utilise l'intégralité des jeux de données Danbooru et e621 avec des tags natifs et des légendes en langage naturel.

Implémenté comme un modèle de prédiction v (différent de la prédiction eps), il nécessite des configurations paramétriques spécifiques - détaillées dans les sections suivantes.

Un grand merci à mon coéquipier euge pour le travail de codage, et nous sommes reconnaissants pour le soutien technique de nombreux membres bienveillants de la communauté.

⚠️ AVIS IMPORTANT ⚠️

CE MODÈLE FONCTIONNE DIFFÉREMMENT DES MODÈLES EPS !

VEUILLEZ LIRE ATTENTIVEMENT LE GUIDE !

Détails du modèle

• Développé par: Laxhar Lab

• Type de modèle: Modèle génératif texte-image basé sur la diffusion

• Affiné à partir de: Laxhar/noobai-XL_v1.0

• Sponsorisé par :

  Lanyun Cloud

  Civitai & Seaart

• Tests collaboratifs :

  LiblibAI

  Nieta

Comment utiliser le modèle.

Manuel pour NoobAI XL :

ENG :

https://civitai.com/articles/8962

CHS :

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

Liste recommandée de LoRa pour NoobAI XL :

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

Méthode I : reForge

1. (Si vous n'avez pas installé reForge) Installez reForge en suivant les instructions dans le dépôt ;

2. Lancez WebUI et utilisez le modèle comme d'habitude !

Méthode II : ComfyUI

ÉCHANTILLON avec NODES

comfy_ui_workflow_sample

Méthode III : WebUI

Notez que la branche dev n'est pas stable et peut contenir des bugs.

1. (Si vous n'avez pas installé WebUI) Installez WebUI en suivant les instructions dans le dépôt. Pour simplifier

2. Passez à la branche dev :

git switch dev

3. Récupérez les dernières mises à jour :

git pull

4. Lancez WebUI et utilisez le modèle comme d'habitude !

Méthode 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")

Note : Veuillez vous assurer que Git est installé et que l'environnement est correctement configuré sur votre machine.

Paramètres recommandés

Paramètres

• CFG : 4 ~ 5

• Étapes : 28 ~ 35

• Méthode d'échantillonnage : Euler (⚠️ Les autres échantillonneurs ne fonctionneront pas correctement)

• Résolution : Zone totale autour de 1024x1024. Il est préférable de choisir parmi : 768x1344, 832x1216, 896x1152, 1024x1024, 1152x896, 1216x832, 1344x768

Prompts

• Préfixe du prompt :

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

• Prompt négatif :

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

Lignes directrices d'utilisation

Légende

<1famille/1garçon/1autre/...>, <personnage>, <série>, <artistes>, <tags spéciaux>, <tags généraux>, <autres tags>

Tags de qualité

Pour les tags de qualité, nous avons évalué la popularité des images à travers le processus suivant :

• Normalisation des données basée sur diverses sources et évaluations.

• Application de coefficients de décroissance temporelle selon la date de récence.

• Classement des images dans l'ensemble du dataset basé sur ce traitement.

Notre objectif final est de garantir que les tags de qualité suivent efficacement les préférences des utilisateurs ces dernières années.

Gammes en percentileTags de qualité> 95e chef-d'œuvre> 85e, <= 95e meilleure qualité> 60e, <= 85e bonne qualité> 30e, <= 60e qualité normale<= 30e pire qualité

Tags esthétiques

TagDescriptiontrès awaTop 5 % des images en termes de score esthétique par waifu-scorerpire esthétiqueTous les 5 % inférieurs des images en termes de score esthétique par waifu-scorer et aesthetic-shadow-v2......

Tags de date

Il existe deux types de tags de date : tags d'année et tags de période. Pour les tags d'année, utilisez le format year xxxx, par exemple year 2021. Pour les tags de période, veuillez vous référer au tableau suivant :

Plage d'annéesTag de période2005-2010ancien2011-2014début2014-2017milieu2018-2020récent2021-2024plus récent

Dataset

• Les images Danbooru les plus récentes jusqu'à la date d'entraînement (approximativement avant 2024-10-23)

• Images E621 e621-2024-webp-4Mpixel dataset sur Hugging Face

Communication

• Groupes QQ :

  • 657327419

  • 875042008

  • 914818692

  • 635772191

  • 870086562

• Discord : Laxhar Dream Lab SDXL NOOB

Comment entraîner un LoRA sur le modèle v-pred SDXL

Un tutoriel destiné aux entraîneurs de LoRA basé sur sd-scripts.

Lien de l'article : https://civitai.com/articles/8723

Outil utilitaire

Laxhar Lab entraîne un modèle ControlNet dédié pour NoobXL, et les modèles sont publiés progressivement. Jusqu'à présent, les modèles normal, profondeur, et canny ont été publiés.

Lien du modèle : https://civitai.com/models/929685

Licence du modèle

La licence de ce modèle hérite de https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 fair-ai-public-license-1.0-sd et ajoute les termes suivants. Toute utilisation de ce modèle et de ses variantes est soumise à cette licence.

I. Restrictions d'utilisation

• Utilisation interdite pour des activités nuisibles, malveillantes ou illégales, y compris mais sans s’y limiter le harcèlement, les menaces et la diffusion de fausses informations.

• Interdiction de générer du contenu non éthique ou offensant.

• Interdiction de violer les lois et règlements en vigueur dans la juridiction de l'utilisateur.

II. Interdiction commerciale

Nous interdisons toute forme de commercialisation, y compris mais sans s’y limiter à la monétisation ou à l’utilisation commerciale du modèle, des modèles dérivés, ou des produits générés par le modèle.

III. Communauté open source

Pour encourager une communauté open source florissante, les utilisateurs DOIVENT se conformer aux exigences suivantes :

• Ouvrir le code des modèles dérivés, modèles fusionnés, LoRAs, et produits basés sur les modèles ci-dessus.

• Partager les détails du travail tels que formules de synthèse, prompts, et workflows.

• Suivre la fair-ai-public-license afin d’assurer que les œuvres dérivées restent open source.

IV. Avertissement

Les modèles générés peuvent produire des résultats inattendus ou nuisibles. Les utilisateurs doivent assumer tous les risques et conséquences potentielles liés à leur utilisation.

Participants et contributeurs

Participants

• L_A_X : Civitai | Liblib.art | Huggingface

• li_li : Civitai | Huggingface

• nebulae : Civitai | Huggingface

• Chenkin : Civitai | Huggingface

• Euge : Civitai | Huggingface | Github

Contributeurs

• Narugo1992 : Merci à narugo1992 et à l'équipe deepghs pour la mise en open source de divers ensembles d'entraînement, outils de traitement d’images et modèles.

• Mikubill : Merci à Mikubill pour l'entraîneur Naifu.

• Onommai : Merci à OnommAI pour la mise en open source d'un modèle de base puissant.

• V-Prediction : Merci aux personnes suivantes pour leurs instructions détaillées et expériences.

  • adsfssdf

  • bluvoll

  • bvhari

  • catboxanon

  • parsee-mizuhashi

  • very-aesthetic

  • momoura

  • madmanfourohfour

• Communauté : 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，