Wprowadzenie do modelu

Ten model generacji obrazów, bazujący na Laxhar/noobai-XL_v1.0, wykorzystuje pełne zbiory danych Danbooru i e621 z natywnymi tagami i naturalnym opisem językowym.

Jest zaimplementowany jako model predykcji v (różniący się od predykcji eps), wymaga specyficznych konfiguracji parametrów - szczegóły w dalszych sekcjach.

Specjalne podziękowania dla mojego współpracownika euge za prace programistyczne i dziękujemy za wsparcie techniczne wielu pomocnym członkom społeczności.

⚠️ WAŻNE POWIADOMIENIE ⚠️

MODEL DZIAŁA INACZEJ NIŻ MODELE EPS!

PROSZĘ DOKŁADNIE PRZECZYTAĆ PORADNIK!

Szczegóły modelu

• Stworzony przez: Laxhar Lab

• Typ modelu: Generatywny model tekst-na-obraz oparty na dyfuzji

• Wytrenowany na bazie: Laxhar/noobai-XL_v1.0

• Sponsorzy:

  Lanyun Cloud

  Civitai & Seaart

• Testy współpracy:

  LiblibAI

  Nieta

Jak korzystać z modelu.

Poradnik dla NoobAI XL:

ENG:

https://civitai.com/articles/8962

CHS:

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

Zalecana lista LoRa dla NoobAI XL:

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

Metoda I: reForge

1. (Jeśli nie masz zainstalowanego reForge) Zainstaluj reForge, postępując zgodnie z instrukcjami w repozytorium;

2. Uruchom WebUI i używaj modelu jak zwykle!

Metoda II: ComfyUI

PRZYKŁAD Z UŻYCIEM NODÓW

comfy_ui_workflow_sample

Metoda III: WebUI

Zwróć uwagę, że gałąź dev nie jest stabilna i może zawierać błędy.

1. (Jeśli nie masz zainstalowanego WebUI) Zainstaluj WebUI według instrukcji w repozytorium.

2. Przełącz się na gałąź dev:

git switch dev

3. Pobierz najnowsze aktualizacje:

git pull

4. Uruchom WebUI i używaj modelu jak zwykle!

Metoda 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")

Uwaga: Upewnij się, że Git jest zainstalowany i środowisko odpowiednio skonfigurowane na Twoim komputerze.

Zalecane ustawienia

Parametry

• CFG: 4 ~ 5

• Kroki: 28 ~ 35

• Metoda próbkowania: Euler (⚠️ Inne samplery nie będą działać prawidłowo)

• Rozdzielczość: Całkowita powierzchnia około 1024x1024. Najlepiej wybierać spośród: 768x1344, 832x1216, 896x1152, 1024x1024, 1152x896, 1216x832, 1344x768

Prompt-y

• Prefiks promptu:

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

• 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

Zasady użytkowania

Podpis

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

Tagi jakości

Do oceny popularności obrazów wykorzystaliśmy następujący proces:

• Normalizacja danych na podstawie różnych źródeł i ocen.

• Stosowanie współczynników zaniku w czasie zgodnie z aktualnością daty.

• Ranking obrazów w całym zbiorze danych na podstawie tych analiz.

Naszym ostatecznym celem jest zapewnienie, że tagi jakości skutecznie odzwierciedlają preferencje użytkowników z ostatnich lat.

Zakres percentyliTagi jakości> 95 mistrzowskie> 85 <= 95 najlepsza jakość> 60 <= 85 dobra jakość> 30 <= 60 normalna jakość<= 30 najgorsza jakość

Tagi estetyczne

TagOpisbardzo awaTop 5% obrazów pod względem oceny estetycznej wg waifu-scorernajgorsza estetykaDolne 5% obrazów wg oceny estetycznej przez waifu-scorer oraz aesthetic-shadow-v2......

Tagi daty

Są dwa rodzaje tagów daty: tag i rok oraz tag okresu. Dla tagów roku używaj formatu rok xxxx, np. rok 2021. Dla tagów okresu, odwołaj się do poniższej tabeli:

Zakres latTag okresu2005-2010stary2011-2014wczesny2014-2017środkowy2018-2020najnowszy2021-2024najświeższy

Zbiór danych

• Najnowsze obrazy Danbooru do daty treningu (około przed 2024-10-23)

• Zbiór obrazów E621 e621-2024-webp-4Mpixel na Hugging Face

Komunikacja

• Grupy QQ:

  • 657327419

  • 875042008

  • 914818692

  • 635772191

  • 870086562

• Discord: Laxhar Dream Lab SDXL NOOB

Jak trenować LoRĘ na modelu v-pred SDXL

Poradnik przeznaczony dla trenerów LoRA bazujących na sd-scripts.

link do artykułu: https://civitai.com/articles/8723

Narzędzie użytkowe

Laxhar Lab trenuje dedykowany model ControlNet dla NoobXL, modele są stopniowo wydawane. Do tej pory opublikowano modele normalne, depth i canny.

Link do modelu: https://civitai.com/models/929685

Licencja modelu

Licencja modelu dziedziczy warunki z https://huggingface.co/OnomaAIResearch/Illustrious-xl-early-release-v0 fair-ai-public-license-1.0-sd i dodaje poniższe warunki. Każde użycie modelu i jego wariantów jest objęte tą licencją.

I. Ograniczenia użytkowania

• Zabronione użycie do szkodliwych, złośliwych lub nielegalnych działań, w tym lecz nie tylko nękania, gróźb czy rozpowszechniania dezinformacji.

• Zabroniona generacja nieetycznych lub obraźliwych treści.

• Zabronione łamanie prawa i przepisów w jurysdykcji użytkownika.

II. Zakaz komercjalizacji

Zabrania się wszelkich form komercjalizacji, w tym monetyzacji lub komercyjnego użycia modelu, modeli pochodnych lub produktów generowanych przez model.

III. Społeczność open source

Aby wspierać rozwijającą się społeczność open source, użytkownicy MUSZĄ spełnić następujące warunki:

• Otwarcie udostępniać modele pochodne, modele scalone, LoRY i produkty oparte na tych modelach.

• Dzielić się szczegółami pracy, takimi jak formuły syntezy, promptami i workflow.

• Przestrzegać fair-ai-public-license, aby zapewnić otwartość dzieł pochodnych.

IV. Zastrzeżenia

Generowane modele mogą produkować niespodziewane lub szkodliwe wyniki. Użytkownicy ponoszą wszelkie ryzyko i potencjalne konsekwencje korzystania.

Uczestnicy i współtwórcy

Uczestnicy

• L_A_X: Civitai | Liblib.art | Huggingface

• li_li: Civitai | Huggingface

• nebulae: Civitai | Huggingface

• Chenkin: Civitai | Huggingface

• Euge: Civitai | Huggingface | Github

Współtwórcy

• Narugo1992: Podziękowania dla narugo1992 oraz zespołu deepghs za udostępnienie różnorodnych zbiorów treningowych, narzędzi do przetwarzania obrazów i modeli.

• Mikubill: Podziękowania dla Mikubill za trenera Naifu.

• Onommai: Podziękowania dla OnommAI za udostępnienie potężnego modelu bazowego.

• V-Prediction: Podziękowania dla następujących osób za szczegółowe instrukcje i eksperymenty.

  • adsfssdf

  • bluvoll

  • bvhari

  • catboxanon

  • parsee-mizuhashi

  • very-aesthetic

  • momoura

  • madmanfourohfour

• Społeczność: 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，