当前位置:首页|资讯|AI绘画|Stable Diffusion

C站最近一年最受欢迎的SD大模型

作者:景兴转发布时间:2024-03-29

2024年AI已经成为了炙手可热的行业,AI绘画也被越来越多的应用到实践中,许多小白学习完课程后才发现,Stable Diffusion的模型咋这么多啊,而且出图质量还千差万别。

既然不知道如何选,那就看看大神们喜欢哪些模型。今天就选择了C站最近一年喜欢数最多的十个大模型,里面的介绍就是作者留下的介绍,删除没用的,并翻译过来的。参考作者的参数和设置,可以最大限度的体现模型的质量,因为训练素材和方法的不同,导致参数设置和插件的兼容度都不一样。小白需要不断尝试,确定自己需要的风格,再选择大模型就不会茫然了。

因为是最近一年的,所以基本都是SD1.5的大模型,比较适合新手入门。

如果觉的有用的人比较多就继续更新。


1.majicMIX realistic 麦橘写实

基于SD 1.5的写实大模型,最新版本V7,推荐参数:


Sampler: Euler a, Euler, restart

Steps: 20~40

Hires upscaler: ESRGAN 4x or 4x-UltraSharp or 8x_NMKD-Superscale_150000_G

Hires upscale: 2+

Hires steps: 15+

Hires denoising strength: 0.05~0.5

clip skip 2


如果要修复脸部,请使用after detailer.

我习惯开启Dynamic Thresholding来更好控制cfg值,1~20都可以尝试一下。

如果要添加滤镜效果、噪点,请使用BMAB.

--------------------------------------------------------

2.DreamShaper

DreamShaper 最初是作为开源世界中 MidJourney 的替代品的模型。宗旨一直是做出“更好的Stable Diffusion”,一个能够自己做所有事情的模型,来编织梦想。

最新版本是8,即有基于SD1.5的模型,也有LCM和SDXL模型,

版本 8 侧重于改进 V7 开始的内容。与以现实主义为重点的模型相比,做照片写实主义可能更难,因为与以动画为重点的模型相比,做动画可能更困难,但如果你足够熟练,它可以做得很好。


GPU加速网站:

Mage.space

Sinkin.ai

RandomSeed

AnimeMaker.ai

Rendernet.ai

https://tensor.art/u/600303455797521413


huggingface体验地址,基于CPU比较慢,但是免费

https://huggingface.co/spaces/Lykon/DreamShaper-webui


最新的负面Embedding : Bad Dream


LCM的fig设置为2,5-15步

--------------------------------------------------------

3.ReV Animated

基于SD 1.5的全能大模型,最新版本V1.2,可惜作者不再更新了,此模型写实,2.5D,动漫,幻想,半现实,景观都可以生成,并且与LORA兼容性非常不错。


最近分辨率:

             512x512

             512x768

             768x512


VAE:

orangemix.vae.pt

kl-f8-anime2.ckpt

Blessed2.vae.pt


提示词:

顺序很重要 - 提示词中前面的单词比后面的单词权重更大。

提示词顺序-内容类型>描述>风格>构图

如果想生成动漫或2.5D 类型,最好在开头添加提示词:((best quality)), ((masterpiece)), (detailed)

这个模型在肖像上表现出色


负面提示词Embeddings:


EasyNegative

Deep Negative

bad_prompt_version2

bad-artist

bad-artist-anime

bad-quality

在负面提示词中使用权重(例如 (worst quality, low quality:1.4))

--------------------------------------------------------

4.Realistic Vision

基于SD 1.5的写实大模型,最新版本V6,推荐参数:


Euler A or DPM++ SDE Karras

CFG Scale 3,5 - 7

Hires. fix with 4x-UltraSharp upscaler

Denoising strength 0.25-0.45

Upscale by 1.1-2.0

Clip Skip 1-2

--------------------------------------------------------

5.Counterfeit

基于SD 1.5的高质量动漫大模型,最新版本V3


・使用 BLIP-2 作为训练的一部分。自然语言提示词可能更有效。

・优先考虑构图的自由度,这可能会导致解剖错误的可能性更高。

・通过与负值合并提高了表现力,但用户体验可能与之前的大模型有所不同。

・V3.0使用了新的负面 Embedding,可以根据需要酌情使用,下载地址:

https://huggingface.co/datasets/gsdf/EasyNegative/blob/main/EasyNegative.pt

--------------------------------------------------------

6.MeinaMix

MeinaMix 的目标是无需任何提示就能创作出优秀的艺术作品。基于SD 1.5的动漫大模型,最新版本V11.

为了做出像样的图像,需要对人物距离较远的提示进行 Hires.fix,它大大提高了面部和眼睛的质量!


推荐参数:

Sampler: DPM++ SDE Karras: 20 to 30 steps.

Sampler: DPM++ 2M Karras: 20 to 60 steps.

Sampler: Euler a: 40 to 60 steps.

CFG Scale: 4 to 11.

肖像分辨率: 512x768, 512x1024 !

风景分辨率: 768x512, 1024x512, 1536x512 !

Hires.fix: R-ESRGAN 4x+Anime6b, with 10 steps at 0.3 up to 0.6 denoising.

Clip Skip: 2.

负面提示词: ' (worst quality, low quality:1.4), (zombie, sketch, interlocked fingers, comic) '

使用了高清修复时的负面提示词:

'(worst quality:1.6, low quality:1.6), (zombie, sketch, interlocked fingers, comic)'

--------------------------------------------------------

7.GhostMix

基于SD 1.5的科幻大模型,最新版本V2.已经更新了SDXL版本。

GhostMix-V2.0大幅提升了脸的真实性,也大幅提升了良图率,在512,768分辨率之下,之前用的Prompts良图率都在50%以上,对用户更加友好。


重要事项:

作者认为checkpoint最终要的是兼容性,所以此模型没有融任何lora进checkpoint,checkpoint应该解决的是做的到的问题,而lora解决的是做的对的问题。

一定要做高清修复! 高清修复: 2倍, 重绘幅度:0.4-0.5 或 1.5倍, 重绘幅度:0.5-0.65。

用 ng_deepnegative_v1_75t和easynegative,别用BadHandV4,V5。

采样方法建议 DPM++系列 , 步数20-30, CFG:5-7(7最好)。

建议分辨率:512,768! 机械少女主题对分辨率设置非常敏感,不建议设太低的宽高比。


推荐提示词:

分型艺术(超级推荐,必出好图)

(masterpiece, top quality, best quality, official art, beautiful and aesthetic:1.2), (1girl:1.3), (fractal art:1.3),


色彩艺术

(flat color:1.3),(colorful:1.3),(masterpiece:1.2), best quality, masterpiece, original, extremely detailed wallpaper, looking at viewer,1girl,solo,floating colorful water

VAE&Textual Inversion:

--------------------------------------------------------

8.XXMix_9realistic

基于SD 1.5的写实大模型,最新版本V4.0。


作者的其它大模型:

XXMixunreal:2.5D新模型,一个极具特色的模型,可以根据关键词进行变种,创造属于自己的风格化图片。

XXMix_Petrichor:这是新的系列模型,比较偏网红图片质感一些。


可以尝试下这个高清修复的算法,在某些图片里用这个放大算法的效果要更好,画面也更风格化一些,hf地址在下面,喜欢的朋友可以尝试一下。

1x_NMKDDetoon_97500_G

https://huggingface.co/utnah/esrgan/tree/main


修手推荐使用Detail Tweaker LoRA (细节调整LoRA)。


CFG Scale Fix:有需求的时候开启,会提高画面的质感。我用的默认数值7左右,如果是白天CFG数值可以稍微大一些,晚上数值要小一些。

对于生成图片,个人的小心得:如果你得到了一张非常喜欢的图片,但是手部或其他部位的问题很严重,如果你不想用局部重绘修改的话,那么建议你在固定好seed之后,微调CFG的数值(每次调整0.2-0.3这种幅度来尝试),这样你就有可能在保持原图的基础上得到一张完美的图片。

在这里,我还想分享一个我喜欢的后缀句子,它可以让画面的表现力更强。当然,你可以根据需要修改句子中的单词来微调画面风格。这些单词包括:fantasy, high contrast, ink strokes, explosions, over exposure, purple and red tone impression , abstract, ((watercolor painting by John Berkey and Jeremy Mann )) brush strokes, negative space,


推荐参数:


Sampler: DPM++ 2M Karras alt Karras or DPM++ SDE Karras

Steps: 20~40

Hires upscaler:4x-UltraSharp

Hires upscale: 2

Hires steps: 15

Denoising strength: 0.2~0.5

CFG scale: 6-8

clip skip 2


--------------------------------------------------------

9.Beautiful Realistic Asians

基于SD 1.5的写实大模型,最新版本V7。


作者正在全力打磨SDXL大模型,所以基本什么都没有留下,我来简单介绍一下。

此模型生成的人物偏亚洲面孔,女孩身材偏瘦,脸部稍长,背景偏现代街景或室内。中式元素比较难体现,总是感觉日式元素比较多。


--------------------------------------------------------

10.epiCRealism

基于SD 1.5的写实大模型,最新版本Natural Sin。

预计这将是最终的版本,以后都会关注SDXL模型了。此模型人物偏欧洲,有不同的年龄段,性别和职业。


建议:


使用简单的提示词

无需使用“杰作、最佳质量、8k、复杂、高细节”或“(极其详细的脸部)、(极其详细的手)、(极其详细的头发)”等关键字,因为它不会产生明显的变化

使用简单的负面提示词或小的负面提示词embeddings。

光线、阴影和细节都非常出色,无需额外的关键词

如果您正在寻找自然效果,请避免“电影(cinematic)”

避免使用“1girl”,因为它会将事物推向渲染/动画风格

过多的面部描述大多会变得很糟糕

对于更梦幻的输出,请使用 2M Karras Sampler采样器

不需要额外的噪音抵消,但如果你愿意的话你可以😉


如何使用?

Prompt: 图像的简单解释(首先尝试没有额外的关键字)

Negative: "cartoon, painting, illustration, (worst quality, low quality, normal quality:2)"

Steps: >20 (如果图像有错误或伪影,请使用更高的步骤)

CFG Scale: 5 (更高的配置规模可能会失去真实感,取决于提示、采样器和步骤)

Sampler: Any Sampler (SDE, DPM-Sampler 将带来更多真实感)

Size: 512x768 or 768x512

Hires upscaler: 4x_NMKD-Superscale-SP_178000_G (Denoising: 0.35, Upscale: 2x)


无需 VAE,但最好使用 VAE 以获得更鲜艳的色彩。



Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1