Introduzione al Modello

Questo modello di generazione immagini, basato su Laxhar/noobai-XL_v1.0, sfrutta i dataset completi Danbooru ed e621 con tag nativi e didascalie in linguaggio naturale.

Implementato come modello a v-prediction (diverso dalla eps-prediction), richiede configurazioni parametriche specifiche, dettagliate nelle sezioni seguenti.

Ringraziamenti speciali al mio collega euge per il lavoro di codifica, e siamo grati per il supporto tecnico di molti membri della comunità.

⚠️ AVVISO IMPORTANTE ⚠️

QUESTO MODELLO FUNZIONA DIVERSAMENTE DAI MODELLI EPS!

LEGGERE ATTENTAMENTE LA GUIDA!

Dettagli del Modello

• Sviluppato da: Laxhar Lab

• Tipo di Modello: Modello generativo testo-immagine basato su diffusione

• Ottimizzato da: Laxhar/noobai-XL_v1.0

• Sponsorizzato da:

  Lanyun Cloud

  Civitai & Seaart

• Test collaborativi:

  LiblibAI

  Nieta

Come Usare il Modello.

Manuale per NoobAI XL:

ENG:

https://civitai.com/articles/8962

CHS:

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

Lista consigliata di LoRa per NoobAI XL:

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

Metodo I: reForge

1. (Se non hai installato reForge) Installa reForge seguendo le istruzioni nel repository;

2. Avvia WebUI e usa il modello come di consueto!

Metodo II: ComfyUI

SAMPLE con NODI

comfy_ui_workflow_sample

Metodo III: WebUI

Nota che il branch dev non è stabile e può contenere bug.

1. (Se non hai installato WebUI) Installa WebUI seguendo le istruzioni nel repository. Per semplicità

2. Passa al branch dev:

git switch dev

3. Recupera gli ultimi aggiornamenti:

git pull

4. Avvia WebUI e usa il modello come di consueto!

Metodo 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")

Nota: Assicurati che Git sia installato e l'ambiente sia configurato correttamente sulla tua macchina.

Impostazioni Consigliate

Parametri

• CFG: 4 ~ 5

• Passaggi: 28 ~ 35

• Metodo di Campionamento: Euler (⚠️ Altri campionatori non funzioneranno correttamente)

• Risoluzione: Area totale intorno a 1024x1024. È meglio scegliere tra: 768x1344, 832x1216, 896x1152, 1024x1024, 1152x896, 1216x832, 1344x768

Prompt

• Prefisso Prompt:

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

• Prompt Negativo:

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

Linee Guida per l'Uso

Didascalia

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

Tag di Qualità

Per i tag di qualità, abbiamo valutato la popolarità delle immagini tramite il seguente processo:

• Normalizzazione dei dati basata su varie fonti e valutazioni.

• Applicazione di coefficienti di decadimento basati sul tempo secondo la data di recentezza.

• Classifica delle immagini all'interno dell'intero dataset basata su questo processo.

Il nostro obiettivo finale è garantire che i tag di qualità seguano efficacemente le preferenze degli utenti negli ultimi anni.

Gamma PercentileTag di Qualità> 95° capolavoro> 85°, <= 95° migliore qualità> 60°, <= 85° buona qualità> 30°, <= 60° qualità normale<= 30° qualità peggiore

Tag Estetici

TagDescrizionevery awaTop 5% delle immagini in termini di punteggio estetico da waifu-scorerworst aestheticTutte le ultime 5% delle immagini in termini di punteggio estetico da waifu-scorer e aesthetic-shadow-v2......

Tag Data

Ci sono due tipi di tag data: tag anno e tag periodo. Per i tag anno, usare il formato year xxxx, es., year 2021. Per i tag periodo, fare riferimento alla tabella seguente:

Intervallo AnniTag periodo2005-2010vecchio2011-2014iniziale2014-2017medio2018-2020recente2021-2024nuovo

Dataset

• Le ultime immagini Danbooru fino alla data di addestramento (approssimativamente prima del 2024-10-23)

• Dataset di immagini E621 e621-2024-webp-4Mpixel su Hugging Face

Comunicazione

• Gruppi QQ:

  • 657327419

  • 875042008

  • 914818692

  • 635772191

  • 870086562

• Discord: Laxhar Dream Lab SDXL NOOB

Come addestrare una LoRA sul modello v-pred SDXL

Un tutorial pensato per allenatori LoRA basato su sd-scripts.

Link all'articolo: https://civitai.com/articles/8723

Strumento Utility

Laxhar Lab sta addestrando un modello ControlNet dedicato per NoobXL, e i modelli vengono rilasciati progressivamente. Finora sono stati rilasciati quelli normale, depth e canny.

Link al modello: https://civitai.com/models/929685

Licenza del Modello

La licenza di questo modello eredita da https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 fair-ai-public-license-1.0-sd e aggiunge i seguenti termini. Qualsiasi utilizzo di questo modello e delle sue varianti è vincolato da questa licenza.

I. Restrizioni d'Uso

• Vietato l'uso per attività dannose, maliziose o illegali, inclusi ma non limitati a molestie, minacce e diffusione di disinformazione.

• Vietata la generazione di contenuti non etici o offensivi.

• Vietata la violazione di leggi e regolamenti nella giurisdizione dell'utente.

II. Divieto Commerciale

Proibiamo ogni forma di commercializzazione, inclusi ma non limitati a monetizzazione o uso commerciale del modello, modelli derivati o prodotti generati dal modello.

III. Comunità Open Source

Per favorire una comunità open source viva, gli utenti DEVONO rispettare i seguenti requisiti:

• Rilasciare come open source modelli derivati, modelli uniti, LoRA e prodotti basati sui modelli sopra indicati.

• Condividere dettagli di lavoro come formule di sintesi, prompt e flussi di lavoro.

• Seguire la fair-ai-public-license per assicurare che le opere derivate rimangano open source.

IV. Disclaimer

I modelli generati possono produrre output imprevisti o dannosi. Gli utenti devono assumersi tutti i rischi e le potenziali conseguenze dell'uso.

Partecipanti e Collaboratori

Partecipanti

• L_A_X: Civitai | Liblib.art | Huggingface

• li_li: Civitai | Huggingface

• nebulae: Civitai | Huggingface

• Chenkin: Civitai | Huggingface

• Euge: Civitai | Huggingface | Github

Collaboratori

• Narugo1992: Grazie a narugo1992 e al team deepghs per aver rilasciato open source varie raccolte di addestramento, strumenti di elaborazione immagini e modelli.

• Mikubill: Grazie a Mikubill per il trainer Naifu.

• Onommai: Grazie a OnommAI per aver rilasciato open source un potente modello base.

• V-Prediction: Grazie ai seguenti individui per le loro istruzioni dettagliate e sperimentazioni.

  • adsfssdf

  • bluvoll

  • bvhari

  • catboxanon

  • parsee-mizuhashi

  • very-aesthetic

  • momoura

  • madmanfourohfour

• Comunità: 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，