模型/Stabilizer IL/NAI - ani40 v0.1

Stabilizer IL/NAI - ani40 v0.1

陳嘉欣 (Chan Ka-yan)

12/17/2025

12:59:23 AM

| Discussion|

提示

在 LoRA 堆疊中請先加載 Stabilizer LoRA，以減少 DoRA 架構動態權重帶來的意外變化。

作為微調基礎模型，建議搭配預訓練基礎模型（NoobAI v-pred v1.0 或 NoobAI eps v1.0）使用，獲得最佳自然細節與風格控制。

避免將 Stabilizer LoRA 與已有 AI 風格污染或過擬合的其他微調基礎模型合併，避免產生不理想結果。

此 LoRA 非風格 LoRA，不提供預設風格偏差，需透過標籤或其他 LoRA 指定風格引導模型。

注意避免使用已合併此 LoRA 兩次的假基礎模型，以免模型劣化與異常行為。

可使用同作者的專用 LoRA 工具如 Dark、Contrast Controller 及 Style Strength Controller，以獲得更多圖像效果與控制。

創作者贊助

嘗試新款 Lumina 2 模型，採用先進 DiT 架構，僅 20 億參數，模型大小高效，搭配 Google Gemma 2 優秀文本編碼器，支持多語言。

作者推出的“增強包” LoRA
無需本地設置，即可於 TensorArt 線上使用 Lumina 2 模型。
硬體加速與優化：Torch compile 與 FP16 模式指南、TeaCache、Lightning LoRA、縮放 FP8 基礎模型。

封面圖片為預訓練模型的原始輸出，分辨率為 1MP。所見即所得，無升級放大、無手部/臉部修補，甚至沒有負面提示。

(2025/10/21)：是時候展望未來...

此模型將不會持續更新。SDXL 實在太…老了，於兩年前（2023 年 6 月）發布。

何不嘗試新模型呢？它們擁有更新架構、更佳性能且效率更高。例如：Lumina 2。如果你剛聽說 Lumina 2，簡要資訊如下：

2025 年 1 月發布。開源，Apache 2.0 許可證。
DiT 架構（現今最流行的架構，與 Flux.1 等相同）。
小巧高效，僅 20 億參數。完整(fp16)模型 5GB，Q8 模型僅 2.5GB，可在 GTX1050 上運行且畫質無損失。
使用相同的 Flux 16ch VAE，數學上比 SDXL 4ch VAE 高 4 倍效果。
採用 Google Gemma 2 2b 作為文本編碼器（也是完整功能的聊天 LLM）。比 SDXL 中只能識別標籤的舊 CLIP 好 10 倍。作為聊天 LLM，幾乎能理解所有語言... 英文、中文、日文、拼寫錯誤、俚語、詩詞等……例如你可以這樣提示它：（注意：這是一張圖片，不是四張，完整圖片及提示見這裡，靈感來自這裡）。

x1_out_-euler_cfg_pp-1.0-30-2025-10-19 21-00-09-2101.webp 我訓練了一個“增強包” LoRA。名稱改了，避免誤導，但數據集相同。

我不認為 Civitai 會支援 Lumina 2。我也將模型上傳至 TensorArt，可在這裡找到我，並可線上嘗試 Lumina 2 相關模型，無需本地設置。

有用鏈接：

模型：

Neta Lumina：基礎模型，經過以 danbooru 和 e621 數據集訓練的動畫風格微調模型。
NetaYume Lumina：基礎模型，依最新數據集進一步微調。

優化：

硬體加速：對新 GPU（RTX 3xxx 及以上）使用 torch.compile，速度提升 30%。對不支援 bf16 的舊 GPU（RTX 2xxx 及以前）啟用 fp16 模式，速度提升 3 倍，因舊 GPU 預設使用 fp32，十分緩慢。https://civitai.com/articles/22251
TeaCache：https://github.com/spawner1145/CUI-Lumina2-TeaCache
Lightning LoRA，速度提升兩倍（實驗性）：https://civitai.com/models/2115586
縮放 fp8 基礎模型（DiT+TE），僅 3GB：https://civitai.com/models/2023440

Stabilizer

它是什麼？

一款中規模微調模型，包含 7,000 張圖片。

多個專門子數據集，如特寫服裝、手部、複雜環境光線、傳統藝術等。
僅自然紋理、光線和最細致的細節。無塑料光澤 AI 風格，因數據集中無 AI 圖像。我手工篩選每張圖片，不喜歡用 AI 圖像訓練，類似玩“傳話遊戲”，用 AI 圖像訓練 AI 只會讓圖片信息逐漸流失，變得更差（塑料感、光澤）。
更好的提示理解，使用自然語言標註訓練。
注重創造力，而非固定風格。數據集非常多樣，不設預設風格偏差，避免限制創造力。
(v-pred) 更佳且均衡的光線，無溢出與過飽和。想要同時有純黑（0）與純白（255）於同一畫面甚至同位置？沒問題。

為何沒有預設風格？

什麼是“預設風格”：若模型有預設風格（偏差），表示無論提示什麼，模型都會生成預設風格元素（面孔、背景、氣氛）。
優點：易用，無需再提示風格。
缺點：無法覆蓋。如果提示與預設不符，模型會忽略，累加多風格時，預設風格會覆蓋、污染或限制其他風格。
“無預設風格”即無偏差，你必須指定想要的風格以標籤或 LoRA 引導模型。此模型不會產生風格重疊污染，能準確呈現你堆疊的風格。

效果：

模型能精確生成你提示的風格，而非過度簡化的動畫圖像。無風格重疊或轉移，無 AI 面孔，細節更佳。比較請見：
- https://civitai.com/images/84145167（一般風格）
- https://civitai.com/images/84256995（藝術家風格，注意面孔）
想了解“風格轉移與 AI 面孔”？見：
- 本模型：https://civitai.com/images/107381516
- 其他模型：https://civitai.com/images/107647042。女性面孔及糟糕光澤背景。
更多 xy 圖請參閱封面圖片，一張 xy 圖勝千言萬語。

為何這個“微調基礎模型”是 LoRA？

我非頂級巨頭，無法擁有數百萬訓練圖像。微調整個基礎模型沒必要，LoRA 足夠。
你只需下載小巧 40MiB 檔案，而非龐大 7GiB 棄重檔，節省 99.4% 流量與儲存。~~所以我能頻繁更新~~。
此 LoRA 雖小，但強大。因採用 Nvidia 最新 DoRA 架構，比傳統 LoRA 更高效。

那如何取得這個“微調基礎模型”？

將此 LoRA 以滿強度加載於預訓練基礎模型上，預訓練基礎模型即原始模型，非微調版本。如：NoobAI v-pred v1.0、NoobAI eps v1.0。詳以下“使用方法”。

禁止分享融合使用本模型。附註：已有隱藏觸發詞嵌印不可見浮水印。浮水印及檢測均為我自行編碼。雖不願用，但我能用。

本模型僅於 Civitai 與 TensorArt 發布。若其他平台出現「本人」及此文字，均為假冒及盜版平台。

請在評論區留言反饋，讓大家都看到。不要在 Civitai 評價系統留言，設計很差，幾乎沒人能找到與看到評論。

使用說明

版本：

nbvp10（用於 NoobAI v-pred v1.0）。
- 色彩精准且細節銳利。
nbep10（用於 NoobAI eps v1.0）。
- 相比 v-pred 版本，飽和度和對比略低。標準 epsilon (eps) 預測限制模型色域，故後有 v-pred。
illus01（基於 Illustrious v0.1 訓練，但仍建議使用 NoobAI eps v1.0）。
- 若在其他微調基礎模型上使用此 LoRA，請注意如今大多數（90%）標示為「illustrious」的動畫基礎模型實為 NoobAI（或主要為此）。建議嘗試兩版本（il01 和 nbep10）比較。

請先於你的 LoRA 堆疊中加載此 LoRA。

此 LoRA 採用 Nvidia 最新 DoRA 架構，效能優於傳統 LoRA。不同於靜態權重的傳統 LoRA，DoRA 的權重根據當前基礎模型動態計算（會隨 LoRA 加載而變）。為減少意外變化，請優先加載此 LoRA。

兩種使用方法：

1). 作為微調基礎模型（推薦）：

若想獲得最細緻自然細節並自訂風格組合，完全掌控使用此法。

將 LoRA 疊加於預訓練基礎模型上。預訓練指原始未微調模型，如NoobAI v-pred v1.0、NoobAI eps v1.0。

2). 作為其他微調基礎模型的 LoRA 使用。

畢竟這是 LoRA。

請注意：

這不是風格 LoRA，實際是兩個基礎模型的融合。結果不一定理想。
不適用於深度融合濃厚 AI 風格污染的模型，如超過 50 版本 Nova furry 3D 動畫過擬合模型。無法修正光亮塑料 AI 風格。如想去除 AI 風格，請用預訓練基礎模型。
如此即是若你看過《狼與香辛料》的 Craft Lawrence，應該長這樣：https://civitai.com/images/107381516
那些 AI 風格污染過擬合模型產出結果為：https://civitai.com/images/107647042