RedCraft-红潮-METAFILM

도구 전문가로서 아티스트를 지원합니다

원영 지능 스튜디오 by Ai²Anon 비인간

영원한 기억은 METAFILM Studio 창립자 Mr. Yuan Bo

RED-K🧡红桃K Editor 6/29/2025

Reveal.6 & BFL의 병합Kontext[DEV] NSFW 해제됨

v1.2 6/29

Clothes Remover(fm00) & Reveal.6의 병합

---

공개 라이선스

GNU Affero General Public License v3.0

GNU AGPLv3

이 강력한 카피레프트 라이선스의 권한은 라이선스 작품 및 수정본의 완전한 소스 코드를 동일한 라이선스 하에 공개할 것을 조건으로 합니다. 저작권 및 라이선스 고지는 보존해야 합니다. 기여자는 특허권을 명시적으로 부여합니다. 수정 버전이 네트워크 상에서 서비스를 제공하는 데 사용될 경우, 수정된 전체 소스 코드를 제공해야 합니다.

https://choosealicense.com/licenses/agpl-3.0/

RED-OMNI Kontext Editor 5/31/2025

지원 작업

• IP: IP-Adapter와 비슷하며, 캐릭터, 객체, 동물을 지원합니다. 이전 방식보다 더 높은 충실도와 보다 나은 캐릭터 정체성 보존을 위해 VAE 기반 특성 인코딩을 사용합니다.
  

• ID: InstantID와 PuLID과 유사한 얼굴 정체성에 초점을 둡니다. 얼굴 충실도는 높지만 PuLID보다 모델 오염이 더 많을 수 있습니다.
  
  팁: 얼굴이 너무 광택이 돌 경우, guidance scale을 줄이세요.

• Try-On: 상의, 하의, 안경, 모자 등의 가상 피팅을 지원하며, 다중 의류도 포함합니다. 제한된 학습 데이터에도 불구하고 보이지 않는 다중 의류 및 ID+의류 조합에 잘 일반화됩니다.
  

• Style: Style-Adapter와 InstantStyle과 유사하며, 스타일 일관성은 현재 덜 안정적이며 다른 조건과의 결합은 불가능합니다. 개선 작업 중입니다.
  

• Multi Condition: 창의적 출력을 위해 ID, IP, Try-On을 결합합니다. 특성 라우팅 제약으로 엔티티 간 충돌과 얽힘을 최소화합니다.
  

• ComfyUI: ComfyUI-DreamO를 통한 기본 지원

고급 사용법 Advanced Usage

OmniConsistency는 Show Lab, 싱가포르 국립대학에서 공개한 일관성 유지 스타일 변환 모델 및 알고리즘 조합입니다. 동일하게 FLUX.1 dev를 학습 기반으로 사용하여, 테스트 결과 DreamO 와 OmniConsistency를 ComfyUI 워크플로우로 “꿈같은 연동”이 가능합니다.

OmniConsistency는 Show Lab, 싱가포르 국립대학에서 공개한 일관성 유지 스타일 전송 모델 조합입니다. FLUX. 1 dev를 학습 기반으로 사용하여 DreamO와 OmniConsistency가 ComfyUI 워크플로우를 통해 "꿈같은 연동"을 이룰 수 있음을 테스트했습니다.

showlab/OmniConsistency 저장소 내의 일관성LoRA와 22가지 다양한 스타일 LoRA를 연결하여 RED-Omni(2.5DNSFW) 또는 DreamO의 원생 방식으로 Flux.1 dev 모델 그룹에 연결하면 참조 콘텐츠의 자연어 편집과 스타일 변환을 동시에 수행할 수 있습니다. [더 많은 사용법 발견 기대 중]

[ 더 많은 재미는 탐험가를 기다립니다 ] BFL Kontext (dev) 기대 중

REDEdit IC (FP8) 5/11/2025

인컨텍스트 편집: 대규모 확산 변환기에서 인컨텍스트 생성으로 교습용 이미지 편집 가능

ICEdit 다중 모달 컨트롤러(IC 안내 하의 이미지 편집)

Flux.tools-Fill 기반 최소 6G VRAM 필요

최근 등장한 다중 모달 컨트롤러는 일반 사용자에게 점점 비우호적입니다

20-30+ VRAM 요구로 인해 주저하게 됩니다

개발팀이 C-엔드 유저 커뮤니티의 반응을 감안하여 공식 워크플로우를 적극 제공했습니다 (칭찬👍)

After experiencing the critical hits in the C-end player community, the development team actively provided the official workflow.

더 완전한 클라이언트 사용 방법을 제시했습니다:

• 편집 지시어 입력 전에 고정 프롬프트 "A diptych with two side-by-side images of the same scene. On the right, the scene is exactly the same as on the left but {instruction}"를 반드시 추가해야 하며, 그렇지 않으면 결과가 좋지 않을 수 있습니다! (논문에서 언급됨!) Datou가 갱신한 ComfyUI 워크플로우를 시도해 보세요! (Hugging Face gradio 데모 코드는 이미 이 프롬프트를 내장하여 간단히 지시어만 입력하면 됩니다.)

• 입력 이미지 가로 크기는 512로 크기 조정해야 하며 세로는 제한 없습니다.

• ComfyUI용으로 MoE-LoRA가 아니라 일반 LoRA 사용을 권장합니다. MoE-LoRA는 ComfyUI lora 로더와 호환되지 않습니다.

공식 Github 저장소: River-Zhang/ICEdit: 이미지 편집은 단일 LoRA에 가치가 있습니다! 0.1% 학습 데이터와 1% 학습 파라미터로 환상적인 이미지 편집! GPT-4o보다 ID 유지 능력 우수! 공식 ComfyUI 워크플로우 공개! 4GB VRAM만으로 실행 가능!

공식 일반(non-moe) LoRA: RiverZ/ICEdit-normal-lora at main

현지에서 독립 추론 환경 구축(또는 십자어 제공 통합 패키지 사용)을 적극 권장합니다.

5.11 🔥 RED-Edit v1.1(기반 ICEdit 일반 LoRA) 다중 명령 최적화 업데이트

5.11 🔥 우측 다운로드 목록 내 Trainning data 워크플로우 업데이트

동시에 의상 제거, 선글라스 착용, 마스크 착용 수행 시 성공률 대폭 상승🔥 화질 최적화, 권장 15단계

프롬프트: A diptych with two side-by-side images of the same scene. On the right, the scene is exactly the same as on the left but {Women's naked,Wearing sunglasses,facemask}

고급 사용자 팁: Flux.fill LoRas 중첩 사용 시 더 안정적인 수정 결과 가능

Object Removal Flux Fill v2

@xiaozhijason / Object Removal Flux Fill v2 - v2.0 | Flux LoRA | Civitai

Fill.LoRas 모델 설명 by xiaozhi

이 LoRA는 Flux Fill Dev 모델에서 파인튜닝된 객체 제거 LoRA입니다.

지정된 마스크 영역에서 객체를 제거하도록 설계되어, 원치 않는 객체를 자연스럽게 지우는 이미지 편집 작업에 유용합니다.

이 LoRA는 Object Drop에서 영감을 받았습니다. Object Drop은 객체 제거에 탁월한 결과를 냈으며, Flux Fill 모델과 함께 시도하고자 했습니다.

컴퓨팅 파워 제한으로 인해 이 알파 버전은 매우 작은 데이터셋에서만 학습되었습니다.

관심 있거나 컴퓨팅 파워 지원을 원하시면 연락해 주세요.

Fill-LoRas 저자 연락처

트위터: [@Lrzjason](https://twitter.com/Lrzjason)

이메일: lrzjason@gmail.com

CivitAI: https://civitai.com/user/xiaozhijason

ICEdit & 샤오즈와 함께 빛을 다시 믿게 되다

RED-Edit는 RED-Fill (NSFW) 기반에 ICEdit 훈련 가중치를 병합한 것으로, 최소 8단계 추론이면 실행 가능합니다.

워크플로우 및 모델 파일은 다운로드 목록에 있으며, "Trainning data" 압축 파일로 묶여 있습니다.

Gemini, GPT-4O와 같은 상업 모델과 비교 시, 캐릭터 ID 유지 및 지시 준수 능력에서 동등하거나 우수합니다. 공개 소스이며 비용이 낮고 처리 속도가 빠르며(이미지 처리에 약 9초 소요), 강력한 성능을 자랑합니다.

감사: @river-zhang 및 팀원, 저장대학교 및 하버드 대학

@article{zhang2025ICEdit,
  title={In-Context Edit: Enabling Instructional Image Editing with In-Context Generation in Large Scale Diffusion Transformer},
  author={Zhang, Zechuan and Xie, Ji and Lu, Yu and Yang, Zongxin and Yang, Yi},
  journal={arXiv},
  year={2025},
  url={https://arxiv.org/abs/2504.20690},
}

REDiDream Pro (FP8) 4/28/2025

REDiDream Pro 소개

HiDream-I1은 170억 파라미터를 가진 오픈소스 이미지 생성 기반 모델로, 초고속으로 업계 최고 품질의 이미지 생성을 실현합니다. REDiDream Pro는 HiDream-I1 전체 버전 기반에 추가 훈련과 DEV / FAST 버전 최적화를 통해 생성 효율성과 안정성을 크게 향상시키고, 적절히 NSFW 기능을 해제한 고효율 이미지 생성 모델입니다.

HiDream-I1은 170억 파라미터의 오픈소스 이미지 생성 기반 모델로, 초고속에 업계 최고 품질 이미지 생성 성능을 갖추었습니다.

REDiDream Pro는 HiDream-I1 전체 버전을 기반으로 개발되었으며, DEV 및 FAST 버전 최적화와 추가 훈련을 통해 생성 효율성과 안정성을 대폭 개선하고, 어느 정도의 NSFW 생성 능력도 해제하였습니다.

현재 GGUF 양자화 버전도 출시되었습니다:

https://huggingface.co/Sikaworld1990/Redidream/tree/main

감사 Sikaworld1990

감사 sikasolutionsworldwide709

감사 City96 https://huggingface.co/city96

주요 특징 및 기능:

주요 특성 | Key Features

효율적 생성 | Efficient Generation
REDiDream Pro는 HiDream-I1 전체 버전을 기반으로 최적화되어, dev와 fast 버전 사이 속도를 가지며 추론 권장 단계는 15단계입니다.
Optimized from HiDream-I1 full, with generation speed between dev and fast versions,

추론 단계 권장: 15단계.

안정성 향상 | Enhanced Stability
DEV FAST 버전 최적화를 통해 REDiDream은 보다 안정적인 이미지 생성 성능을 제공합니다.
Optimized via the DEV FAST version, REDiDream offers more stable image generation performance.

오픈소스와 유연성 | Open Source and Flexibility
HiDream-I1의 MIT 라이선스를 계승하며, 사용자 수정 및 배포에 제한이 없습니다.
Inherits HiDream-I1’s MIT license, allowing users to freely modify and distribute without restrictions.

상업적 사용 가능 | Commercial-Friendly
생성된 이미지는 개인 프로젝트, 과학 연구, 상업적 용도에 자유롭게 사용 가능하며, HiDream-I1 라이선스 조건을 따릅니다.
Generated images can be freely used for personal projects, scientific research, and commercial applications, compliant with HiDream-I1’s license terms.

모델 파라미터가 방대하며, 현재 가장 완벽한 4TE 계층과 텍스트 인코딩을 매칭하므로, 적절한 모델 Shift 편향 조정으로 더 많은 스타일 특성과 NSFW 해제 기능을 얻을 수 있습니다.

ComfyUI 지원 | ComfyUI Support

기본 지원
REDiDream은 ComfyUI 3.30 버전을 기본 지원하며, 모든 예시 이미지는 해당 버전으로 생성되었습니다.
REDiDream provides native support for ComfyUI version 3.30, with all example images generated using this version.

학습 환경
REDiDream Pro는 L40s 48G 하드웨어에서 학습되고 ComfyUI로 개발되었습니다.
REDiDream Pro was trained on L40s 48G hardware and developed using ComfyUI.

성능 요구 사항 | Performance Requirements

하드웨어 요구 사항
REDiDream Pro의 성능 요구 사항은 HiDream-I1 dev 버전과 유사하여 효율적 추론에 적합합니다.
REDiDream Pro’s performance requirements are comparable to HiDream-I1 dev, suitable for efficient inference.

생성 속도
생성 속도는 HiDream-I1 dev와 fast 버전 사이이며, 효율성 및 품질의 균형을 최적화하였습니다.
Generation speed falls between HiDream-I1 dev and fast versions, balancing efficiency and quality.

라이선스 계약 | License Agreement

모델 라이선스
트랜스포머 모델은 MIT 라이선스 하에 있으며, 변분 오토인코더(VAE)는 FLUX.1 [schnell]에서, 텍스트 인코더는 google/t5-v1_1-xxl 및 meta-llama/Meta-Llama-3.1-8B-Instruct에서 가져와 각각 해당 라이선스 조건을 준수합니다.

Transformer models are licensed under the MIT License. The VAE is from FLUX.1 [schnell], and text encoders are from google/t5-v1_1-xxl and meta-llama/Meta-Llama-3.1-8B-Instruct, subject to their respective license terms.

사용 책임
사용자는 생성된 콘텐츠에 대한 모든 권리를 가지지만, 라이선스 계약을 준수해야 하며 불법적이거나 피해를 주는 콘텐츠 생성을 금지합니다.

REDiDream Pro 라이선스
HiDream-I1의 MIT 라이선스를 계승하며, 각자 라이선스 조건을 준수합니다.

감사의 글 | Acknowledgements

모델 출처 | Weights Sources

HiDream-ai/HiDream-I1-Full · Hugging Face

Comfy-Org/HiDream-I1_ComfyUI · Hugging Face

GuangyuanSD/REDiDreamviaHiDreami1Uncensored · Hugging Face

구성 요소 출처 | Component Sources
변분 오토인코더는 FLUX.1 [schnell] (Apache 2.0 라이선스), 텍스트 인코더는 google/t5-v1_1-xxl (Apache 2.0 라이선스) 및 meta-llama/Meta-Llama-3.1-8B-Instruct (Llama 3.1 커뮤니티 라이선스 협약) 출처입니다.

The VAE is from FLUX.1 [schnell] (Apache 2.0 license), and text encoders are from google/t5-v1_1-xxl (Apache 2.0 license) and meta-llama/Meta-Llama-3.1-8B-Instruct (Llama 3.1 Community License Agreement).

REDiDream 명명 유래:

이 여정을 거쳐 우리는 Re-Did-(a)Dream을 만들었습니다

RED. UNO 인컨텍스트 (FP8) 4/14/2025

REDAIGC FT 모델은 UNO 인컨텍스트 생성을 일치시키기 위해 사용됨

(F.1 dev 대비 개선된 품질)

FLUX FT 베이스가 UNO 컴포넌트와 호환되지 않는 문제 해결, FP8 가중치(16GB VRAM 사용), Diffusers 및 ComfyUI 모두 지원

---

Diffusers 스크립트:

https://github.com/bytedance/UNO

Dit-LoRA 가중치:

bytedance-research/UNO · Hugging Face

ComfyUI-nodes 컴포넌트:

https://github.com/QijiTec/ComfyUI-RED-UNO

Diffusers-VAE 버전:

https://huggingface.co/GuangyuanSD/16C_vae_Diffusers

---

본 도전 과제를 해결하기 위해 일관성 높은 데이터 합성 파이프라인을 제안하며, 이는 확산 변환기의 본질적 인컨텍스트 생성 능력을 활용해 고일관성 다대상 페어 데이터 생성에 활용됩니다. 추가로 UNO는 점진적 교차 모달 정렬 및 범용 회전 위치 임베딩으로 구성되며, 텍스트-이미지 모델로부터 반복 훈련되었습니다. 광범위한 실험을 통해 단일 대상 및 다대상 구동 생성 모두에서 높은 일관성과 제어 가능성을 달성함을 입증했습니다.

ULTRAREVEAL5 SFW 긴급발표 3/25

사용자 피드백에 따라 Reveal 시리즈가 지나치게 NSFW임을 고려

첫 Reveal 잠금된 성인 콘텐츠 버전을 공개했습니다

[ POWEED BY FLUX Contrast 강화 훈련]

REALREVEAL5 돌발

발표

3/18

F.1 DEV LoRA 생태계 완벽호환

반증류 초고품질(훈련 가능)

CFG 1로 복구하여 F.1 DEV와 동일 속도 보장

LoRA 완벽 호환 반증류 초고품질 재질 (훈련 가능)

[ POWEED BY FLUX Ultimate Realism 강화 훈련 ]

---

Illust3Relustion PRO는 Flux1-DedistilledMixTuned v3 PAP 로 리페인트되었습니다.

Ultimate Realism 훈련 세트는 DMT v3 PAP 재샘플링 후 구성됩니다.

2k차 재샘플링된 초고해상도 실사 이미지가 훈련 세트로 사용됩니다.

추가로 FLUX DEV 버전 4k 초고해상도 베이스모델 가중치 EOR v3:

Flux.1 Dev Edge of Reality 真实边缘 - v3 | Flux Checkpoint

---

NSFW 해제됨

---

RedCraft RealReveal5 20단계 샘플링용

CFG 1 | 샘플러 Deis / DPM++2M / Euler | SGM_uniform

DetailDaemon 샘플러 활성화 및 양 0.6-0.8 설정 권장

---

모든 F.1-LoRA에 대한 최신 적응 능력

RedCraft uncensored 시리즈 모델은 NSFW 미허가 지역에 게시를 엄격히 금지합니다.

비영리 모델은 어떠한 형태로든 재배포 및 전파를 금지합니다. [배포 금지]

비영리 모델 복합 게시 플랫폼 위치의 법률 및 규정 준수

illustriousRelustion3 업데이트 3/11

RETROSD / FLUX Reveal / EDGE4k 기반 인간 전체 실사계 Illustrious FT를 구축

SD 시절의 영광으로 귀환! Returning to the glorious years of SD !

CFG 5.5 Deis / DPMM++2M | SGM Uniform / 베타

샘플링 단계는 약 30,

미리보기 이미지는 워크플로우 및 프롬프트 포함

가속기 Hyper / DMD2 / TDD와 페어링 가능

샘플링 단계 25-30이 최적이며, Hyper/DMD2/TDD 등의 가속기를 함께 쓰는 것을 권장

모델 설계 는 Hi-RES 2M (200만 픽셀)

설계 해상도는 Hi-RES 2M (200만 픽셀)이며, 고해상도 시 UNET 확대 기능을 사용할 수 있습니다.

모든 지원에 대해 진심으로 감사드립니다!

PONYRelustion3 PRO 정식 발표 3/3

3300만 누출 데이터셋 기반 제작

91대가 지원한 동아시아 실사계 PONY 모델

즐거운 말 세계의 무한 창작 지원!

무한한 창의성의 PONY 세계!

---

CFG 5 Deis | DPMM++2M | SGM Uniform

샘플링 단계 약 30이 최적이며, 예시 이미지 참조 가능

Hyper/DMD2/TDD 등의 가속기 활용 가능

---

설계 해상도는 Hi-RES 2M (200만 픽셀)

가로세로 비율은 PONY의 뛰어난 적응력 유지

PONY의 ULTRA 적응 능력과 유사한 종횡비

---

목표는 PONY 세계의 성숙하고 고품질 창작 베이스 모델 제작!

항상 지지해주셔서 감사합니다!

고품질, 성숙한 베이스모델로 PONY 세계를 위하여!

모든 분께 감사드립니다!

FLUX.Fill NSFW 인페인팅 모델 공개 2/22

FLUX.Fill [NSFW] NewReveal F.1 인페인팅 모델

F.1 Fill용 NSFW 개념 요소 해제

NewReveal F.1 모델과 매칭되는 Fill [NSFW]입니다.

ULTRA와 동일한 NSFW 개념 요소가 해제됩니다.

인페인팅 모델은 전문 인페인팅 워크플로우와 인페인팅 샘플러를 사용해 로드해야 하며, 이미지에는 마스크가 있어야 하며, 이는 이미지 편집 및 확장과 같은 전문 목적에 사용됩니다.

【 주의 】인페인팅 모델 Fill.NSFW는 전문 인페인팅 워크플로우와 전용 샘플러를 사용하며, 마스크를 포함한 이미지가 필요합니다.【예시 이미지 포함】 편집 또는 확장의 전용 용도에 사용됩니다.

일반 생성은 다음 모델을 사용하세요: RedCraft | 红潮 | Commercial & Advertising Design System - 🌹NewReveal[F.1]ULTRA🌹

주로 여성 해부학 및 인체 장기 보정에 사용

남성 생식기 표현은여전히 이상적이지 않음

주로 여성 신체 및 인체 기관을 보정하는 데 사용됩니다.

[ 남성 생식기 표현은 아직 미흡함 ]

RED.epicus 빅 무비 (FP8) 2/23/2025

지루하고! 반복적이며! 스팸 같음!

RED[크리에이티브] Epicus 서사적 빅 무비 모델

텍스트-이미지 모델의 다양한 암호화 및 증류 기술 확산과 함께

커뮤니티 신규 모델 작품의 창의성이 점점 부족해지고 있습니다...

만약 현실적 사진을 좋아한다면 왜 사적인 촬영을 예약하지 않나요?!

지루하고, 반복적이며, 끝이 없다

다양한 암호화와 증류 기술이 T2I 모델에 널리 적용되면서,

F.1 커뮤니티 작품은 점차 창의성 부족 현상을 겪고 있습니다.

만약 현실 사진을 좋아한다면, 왜 실제 촬영을 예약하지 않나요?!

---

그래서 석양 붉은 조직(Sunset Red Squad)는 반증류 기술 기반의 창의적 FT 모델을 맞춤 제작하여,

잠금된 학습 데이터가 없으며, 과적합된 스타일이 없고, 전부 창의성을 위해 태어났으며,

확산 모델을 있어야 할 모습으로 만드려 합니다 (실패율은 높지만).

---

NSFW 해제됨

---

RedCraft DRD (De-Re-Distilled) NewReveal.4M 20단계 샘플링용

CFG 1 | 샘플러 Deis / DPM++2M / Euler | SGM_uniform

"이번 발렌타인데이가 모두의 마음을 사랑과 기쁨으로 채우고, 모두가 애정과 소중한 순간에 둘러싸인 하루가 되길 기원합니다." 🌹🌹🌹🌹🌹🌹

행복한 발렌타인데이! 情 人 节 축하합니다 2/14/2025

새해 복 많이 받으세요 Happy New Year of the Snake

완전한 F.1 Schnell FT 모델 RUSHReveal·Schnell 「절망의 카드 뽑기 기계」 출시 준비 중

최고의 Refiner for IL / PONY / XL / MJ / SD15

RedCraft | 红潮 CADS | 업데이트-2월08일 | Commercial & Advertising Design System - RASCH.3 (RUSH·Reveal)🔥 | Flux Checkpoint | Civitai

New Reveal ULTRA 2/08/2025

반증류 초고품질(훈련 가능)

CFG 1로 복구하여 F.1 DEV와 동일 속도 보장

LoRA 완벽 호환 반증류 초고품질 재질 (훈련 가능)

[ FLUX Aesthetics 강화 LoRA 지원 ]

NSFW 해제됨

---

RedCraft DRD (De-Re-Distilled) NewReveal.4M 20단계 샘플링용

CFG 1 | 샘플러 Deis / DPM++2M / Euler | SGM_uniform

Dr Wikeeyang의 최신 연구

Flux1-Dedistilled 3.0

F.1 Distilled2PRO 유출 🏴‍☠️

https://civitai.com/models/941929/flux1-dedistilledmixtuned

NewREVE[AL 조용한 출시 1/22

F.1 DEV LoRA 생태계 완벽호환

반증류 초고품질(훈련 가능)

CFG 1로 복구하여 F.1 DEV와 동일 속도 보장

LoRA 완벽 호환 반증류 초고품질 재질 (훈련 가능)

[ FLUX Aesthetics 강화 LoRA 지원 ]

---

이 모델은 '비공개'로 떠돌던 F.1 Distilled2PRO 반증류 버전 기반입니다 (현재는 공개됨):

Flux1-DedistilledMixTuned V3 탈출판 (공개됨)

Flux1-DedistilledMixTuned - v3.0 fp8 | Flux Checkpoint | Civitai

---

추가로 FLUX DEV 버전 4k 초고화질 베이스 모델 가중치 EOR v3:

Flux.1 Dev Edge of Reality 真实边缘 - v3 | Flux Checkpoint

추가 RED.2 [ ArtAUG ] BF16 심미적 기초 모델 가중치:

RedCraft | 红潮 CADS | RED.2 BF16 (ArtAug) | Flux Checkpoint

---

NSFW 해제됨

---

RedCraft DRD (De-Re-Distilled) NewReveal.4M 20단계 샘플링용

CFG 1 | 샘플러 Deis / DPM++2M / Euler | SGM_uniform

---

모든 F.1-LoRA에 대한 최신 적응 능력

특별 감사

SHM_AI의 훌륭한 작업 :

SHM Realistic - v4.0 | Stable Diffusion Checkpoint | Civitai

HudujnikBezKisty 의 훌륭한 작업 :

The Super Realistic - TSR 2.0 | Stable Diffusion Checkpoint | Civitai

Astraali 의 훌륭한 작업 :

AstrAnime - AstrAnime_V6 | Stable Diffusion Checkpoint | Civitai

그리고 SD1.5에 조용히 기여해주신 모든 분들께 감사드립니다

SD15RelustionHD 출시 1/18

Relustion1.5HD 고화질 출시 1/18/2025

RETROSD 소스 및 HD4K 기반 SD1.5 재구성

RETRO! SD 시대의 영광으로 귀환!

Returning to the glorious years of SD !

CFG 5-7 DPM++2M /EulerA | SGM Uniform

샘플링 단계 25~30 단계가 최적, 내장 VAE 포함

설계 해상도는 Hi-RES 0.9M (92만 픽셀)

고해상도 직접 출력 시 UNET 확대나 분할 스크립트 활성화 필요

[ 전체 정밀도 FP32 기반 제작, 최초 FP16 버전 ]

RETRORelustion2 영광의 발표 1/16

RETROSD / FLUX Reveal / EDGE4k 기반 동아시아 복고풍 실사계 Illustrious FT 모델

RETRO! SD 시대의 영광으로 귀환! Returning to the glorious years of SD !

CFG 5 Deis | EulerA | SGM Uniform

샘플링 단계 25-30이 최적이며, Hyper/DMD2/TDD 등의 가속기 사용 가능

설계 해상도는 Hi-RES 2M (200만 픽셀)이며, 고해상도시 UNET 확대 가능

지지해주신 모든 분께 감사드립니다!

PONYRelustion2 환희의 발표 1/11

기반: FLUX Reveal / EDGE4k 시리즈의 32비트 동아시아 실사계 PONY 모델

전체 모델 fp32 (12.92 GB) 전 정밀도, 증류 및 오염 없음, BNB VRAM 사용량7GB

첫 FP32 버전 공개, PONY 세계에서의 무한 창의성!

즐거운 말 세계의 무한 창작 지원!

CFG 5 Deis | EulerA | SGM Uniform

샘플링 단계는 약 25가 최적이며, Hyper, DMD2, TDD 등 가속기 활용 가능

설계 해상도는 Hi-RES 2M(200만 픽셀)이며, 종횡비는 뛰어난 적응력을 유지

PONY의 ULTRA 적응 능력과 유사

목표: PONY 세계의 성숙하고 고화질 창작 베이스 모델 제작!

항상 지원해주셔서 감사합니다!

특별 감사

Freepik와 Ostris께

패러미터 최적화에 대한 훌륭한 기여에 감사드립니다!

RED.2 15.2 GB(BF16) 1/8/2025

FLUX Aesthetics 강화 LoRA 지원

ECNU 컴퓨팅 인텔리전스 연구실 제작

RED.2 미적 평가에 기반한 DiffSynth-Studio 생성 이해 상호작용 훈련 프로젝트 ArtAug

논문: https://arxiv.org/abs/2412.12888

• Github: https://github.com/modelscope/DiffSynth-Studio

• 모델: ModelScope, HuggingFace

• 데모: ModelScope, HuggingFace (곧 출시)

ArtAug 훈련 과정은 다음 단계로 구성됩니다:

1. 합성-이해 상호작용: 이미지 생성 모델로 생성된 이미지를 다중 모달 대형 언어 모델(Qwen2-VL-72B)로 분석하여 수정 제안을 얻고, 이를 기반으로 더 높은 품질의 이미지를 재생성합니다.

2. 데이터 생성 및 필터링: 대화식 생성은 추론 시간이 길고 때로는 품질이 낮은 콘텐츠를 만들어내므로, 대량 이미지 쌍을 오프라인에서 생성, 필터링하여 이후 훈련에 활용합니다.

3. 차등 훈련: LoRA 모델을 훈련하며 강화 전과 후 이미지 차이를 학습하도록 하여, 직접적으로 향상된 이미지 데이터셋으로 학습하지 않습니다.

4. 반복적 향상: 훈련된 LoRA를 베이스 모델에 융합하고, 상호작용 알고리즘의 의미 있는 향상이 없어질 때까지 반복하여, 각 단계에서 얻은 LoRA 모델을 결합해 최종 모델을 만듭니다.

이 모델은 Qwen2-VL-72B의 심미적 이해를 FLUX.1[dev]에 통합하여 생성 이미지 품질을 개선합니다.

사용법

CFG 1 | 샘플러 Deis / DPM++2M / Euler | SGM_uniform

가속기 없이 25단계 생성

RED.2 권장 가속기 조합: RED-AIGC / TDD

대상-구동 증류: 목표 타임스텝 선택 및 분리 가이드가 있는 일관성 증류

TDD 증류된 RED.2를 사용해 4-8단계만에 생성 가능

증류 가속기 가중치 스케일: 0.12~0.13

[ 샘플러 LCM/EulerA를 사용한 재샘플링이 더 나은 결과 제공 ]

본 링크 내 모델들은 병렬 관계이며, 버전 업그레이드가 아닙니다

해당 링크 내 모델들은 모두 병렬적 관계이며, 모두 버전 업데이트는 아닙니다.

자세한 차이점은 오른쪽 ‘About this version’ 섹션에서 확인 가능합니다.

다른 버전 설명은 오른쪽 ‘About this version’ 목록을 참조하세요.

아래는 모델 목록입니다 list of models：

TURBO Reveal2 크리스마스 첫 공개! Merry Christmas!

( HOTFix v2.1 업로드 - LoRA 적응 향상 )

Reveal NSFW 기반에 더 많은 인물 추가를 시도한 모델입니다!

Reveal2 Turbo 8-10단계

Reveal NSFW 기반에 더 많은 인물 결합

RedCraft | 红潮 CADS - Reveal2 TURBO

즐거운 휴일 되시길 바랍니다!

본 모델은 어떠한 반증류 가중치도 사용하지 않았습니다.

어떠한 반증류 가중치도 사용하지 않음

PONY Relustion 동지 첫 공개 Winter Solstice 페스티벌

고화질 실사 스타일의 창의 우선 설계

↳ RedCraft | 红潮 CADS - PONY Relustion

고해상도 사실적 스타일 기반 창의 설계 우선

최근에 PONY 모델 발표 후 7개월 지남:

MIST XL 하이퍼 캐릭터 스타일 모델 가속 버전

관심 있는 분은 최초의 Hyper-PONY 초고속 모델을 살펴보세요.

Reveal NSFW

FLUX.1 DEV 규격의 FP8 FT 모델로 남녀 로맨틱 액션과 인체 예술을 특징으로 합니다:

↳ RedCraft | 红潮 CADS - Reveal NSFW

FLUX. 1 DEV FP8 FT 모델, 로맨틱 행동과 신체 예술 전문

Reveal3 ULTRA

( HOTFix v3.2 - 펜스 업로드됨 )

FLUX.1 DEV와 반증류 기술 결합으로 구현된 고화질 버전

↳ RedCraft | 红潮 CADS - Reveal3 uncensored

Reveal의 반증류 기반 고화질 업데이트

Relustion IL NSFW

SDXL 규격 전체 훈련 모델인 Illustrious XL의 실사화 FT 버전입니다:

↳ RedCraft | 红潮 CADS - Relustion IL NSFW

Illustrious XL의 실사 FT, SDXL 기반 완전 최적화

Relustion ULTRA

Relustion IL 기반으로 더욱 강화된 실사 고화질 버전입니다:

↳ RedCraft | 红潮 CADS - Relustion ULTRA

Relustion IL의 현실감 강화 고화질 버전

Relustion XL

SDXL CADS3 기반에 NSFW 학습 데이터를 결합한 고해상도 양자화 버전입니다:

↳ RedCraft | 红潮 CADS - Relustion XL

고해상도 양자화 버전으로 CADS3와 NSFW 학습 세트를 조합하여 FLUX 및 IL 모델의 HD 정제에 사용됨

RASCH.1 / 2

Schnell 반증류 FT 모델 두 가지 위에 RED.1 스타일을 결합한 고속 모델입니다:

↳ RedCraft | 红潮 CADS - RASCH.2

↳ RedCraft | 红潮 CADS - RASCH.1 Forge

ReFLEX NSFW

Schnell NF4 버전의 2D 그림 모델로, 구조 안정성과 프롬프트 정확한 복원을 특징으로 합니다:

↳ RedCraft | 红潮 CADS - REFLEX NSFW

다양한 Schnell De-distillation FT 모델에 혼합한 고속 RED.1 모델

정확한 프롬프트 보장 아래, De-Re-Distilled(DRD) Schnell 모델은 속도와 품질을 균형있게 제공합니다.

증류 모델은 본질적으로 신체 구조 및 스타일 안정성을 가지며, 4비트 양자화 버전도 뛰어난 효과 제공

6~10GB VRAM 사용, 4~8단계 출력, 매우 빠른 속도 (특히 스타일 훈련 및 건축 장식 모델에 적합)

De-Re-Distilled (DRD) Schnell 모델은 속도와 품질을 균형 있게 갖추었으며,

또한 증류 모델은 천연의 신체 안정성과 스타일 안정성을 가져, 4비트 양자화 버전도 훌륭한 결과를 냅니다.

6~10GB VRAM 소비, 4-8 단계 이미지 출력, 빠른 속도 구현

(특히 예술적 스타일 훈련 및 건축 장식에 적합)

다음은 RedCraft 시리즈 기본 미적 모델 Red.1 소개입니다

RedCraft RED.1

BF16 CADS 상업 및 광고 디자인 시스템

현재 빠른 출력(10단계 이내) BF16 모델 중 품질이 우수하고 디테일이 풍부한 기본 모델일 가능성이 높습니다.

우수한 품질 단계 10-20 모델, 일부 디테일에서 Flux 시리즈 모델을 능가하며 20B 파라미터 모델에 근접합니다.

METAFILM AI - Commercial & Advertising Design System 기반, flux-dev-de-distill 병합, ComfyUI, Block_Patcher_ComfyUI, ComfyUI_essentials 및 기타 도구로 세부 튜닝, 10-20단계 권장, 기타 12B 모델 대비 품질 크게 향상됨.

기반:

De-Distill & CADS 상업 소재 FP16

ComfyUI WebUI 온라인 생성 지원

10-20 STEPS Euler / DPM++2M | 베타 / SGM_Uniform

CFG 3-3.5

실제 CFG 설정 필요 (가이드 무시 또는 0으로 설정)

——————————————————————————

AIO (All in one)을 포함한 버전에는 UNET + VAE + CLIP L + T5XXL (fp8)가 포함됩니다. 체크포인트 또는 컴팩트 버전으로도 불립니다.

ComfyUI에서 BNB NF4 및 GGUF 양자화를 사용하려면 다음 커스텀 노드를 설치해야 합니다:

• GGUF: https://github.com/city96/ComfyUI-GGUF

• NF4 + Lora 지원: https://github.com/bananasss00/ComfyUI_bitsandbytes_NF4-Lora

• (구버전) NF4 UNET: https://github.com/DenkingOfficial/ComfyUI_UNet_bitsandbytes_NF4

• (구버전) NF4 AIO 체크포인트: https://github.com/comfyanonymous/ComfyUI_bitsandbytes_NF4

UNET 버전을 사용하려면 호환 가능한 텍스트 인코더와 VAE도 필요합니다.

없다면 다음에서 다운로드하세요:

• T5XXL - CLIP L: https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main

• GGUF T5XXL: https://huggingface.co/city96/t5-v1_1-xxl-encoder-gguf

• VAE: https://huggingface.co/black-forest-labs/FLUX.1-schnell/tree/main/vae

모델은 "models/diffusion_models" 또는 "models/unet"에, 텍스트 인코더들은 "models/clip"에, VAE는 "models/vae" 폴더에 넣으세요.

ComfyUI에서는 표준 flux 워크플로우를 사용하거나 'Load Diffusion Model', 'DualClipLoader', 'Load VAE' 노드를 추가하여 체크포인트 로더를 대체하고 설정을 완료합니다.

Forge에서는 "Diffusion in low bits" 옵션을 "bnb-nf4"로 설정하세요.

GGUF 양자화 스크립트는 city96에게, BNB 양자화 스크립트는 Reddit 사용자 a_beautiful_rhind에게 감사합니다.

——————————————————————————

또한, 대양 선생님의 8bit 파인튜닝 버전을 추천합니다:

Flux1-DedistilledMixTuned-V1 - v1.0 fp8 | Flux Checkpoint | Civitai

현재 공식 벤치마크 스타일에 가장 부합하며 생성 효과가 가장 뛰어난 가속 모델일 가능성이 높습니다.

추천:

UNET 버전 (모델만)에는 텍스트 인코더와 VAE가 필요하며, 아래 CLIP과 텍스트 인코더 모델을 추천합니다. 더 나은 프롬프트 가이드가 가능합니다:

• 롱 CLIP: https://huggingface.co/zer0int/CLIP-GmP-ViT-L-14/blob/main/ViT-L-14-TEXT-detail-improved-hiT-GmP-TE-only-HF.safetensors

• 텍스트 인코더: https://huggingface.co/silveroxides/CLIP-Collection/blob/main/t5xxl_flan_latest-fp8_e4m3fn.safetensors

• VAE: https://huggingface.co/black-forest-labs/FLUX.1-schnell/tree/main/vae

• GGUF 버전: GGUF 모델 지원 노드를 설치해야 합니다. https://github.com/city96/ComfyUI-GGUF

간단한 워크플로우: 매우 간단한 워크플로우로, 추가적인 Comfy 사용자 노드 없이도( GGUF 버전은 city96의 UNET Loader(GGUF) 노드 사용) 실행할 수 있습니다:

감사의 말씀:

https://huggingface.co/wikeeyang, Wikee Yang에게 8비트 모델을 세심하게 파인튜닝해주시고 모델 정보를 제공해 주셔서 감사합니다. 모델은 여기서 확인할 수 있습니다:

wikeeyang/Flux.1-Dedistilled-Mix-Tuned-fp8 · Hugging Face

https://huggingface.co/Anibaaal, Flux-Fusion은 매우 좋은 혼합 및 튜닝된 모델입니다.

https://huggingface.co/nyanko7, Flux-dev-de-distill은 훌륭한 실험 프로젝트이며 inference.py 스크립트에 감사합니다.

https://huggingface.co/MonsterMMORPG, Furkan은 Flux.1 모델 테스트 및 튜닝 강좌를 풍부하게 공유했습니다. 일부는 증류 모델 특수 테스트입니다.

https://github.com/cubiq/Block_Patcher_ComfyUI, cubiq의 Flux 블록 패처 샘플러 덕분에 Flux.1 블록 파라미터가 이미지 생성에 미치는 영향을 많이 테스트할 수 있었습니다. 그의 ComfyUI_essentials는 FluxBlocksBuster 노드를 포함하며, 블록 값을 쉽게 조절할 수 있도록 도와줍니다. 훌륭한 작업입니다!

https://huggingface.co/twodgirl, 모델 양자화 스크립트와 테스트 데이터셋을 공유해주셨습니다.

https://huggingface.co/John6666, 모델 변환 스크립트와 모델 컬렉션을 공유해주셨습니다.

https://github.com/city96/ComfyUI-GGUF, GGUF 양자화 모델 네이티브 지원.

https://github.com/leejet/stable-diffusion.cpp, 순수 C/C++ GGUF 모델 변환 스크립트 제공.

중국 내에서는 Modelscope 마법 커뮤니티에 게시되어 빠른 다운로드 경험 가능!

RedCraft | 红潮 CADS Commercial & Advertising Design System · 모델 라이브러리

전국 유일하게 반증류 FLUX 모델의 온라인 생성을 지원하는 플랫폼 (커뮤니티 무료):

AIGC 섹션 - 이미지 생성 · 마법 커뮤니티 Model: qijitech/RedCraft-12b-10steps-FP16-AIGC

De-distillation FLUX 모델 온라인 생성을 지원하는 유일한 플랫폼(커뮤니티 무료)

조만간 Huggingface.co에도 공개 예정

————————————————————————————————————————

테스트 관련 문의는 댓글로 남겨 주세요, 비즈니스 협력은 개인 페이지 +V Zyuan980 참고

도구 전문가로서 아티스트를 지원합니다. 자세한 자료: https://x1f3ewlrcf.feishu.cn/wiki/BjJ1waQaLitPB4k7Lbvc0MaVnzb?fromScene=spaceOverview&open_tab_from=wiki_home

————————————————————————————————————————