AI绘画-Stable Diffusion超级出色的【二次元】动漫大模型-Animagine ...

二次元动漫，以其独特的魅力，吸引了无数艺术爱好者和动漫迷。现在，借助AI绘画技能，你只需一键操作，就能轻松实现二次元动漫的创作。本文将带你深入了解Stable
Diffusion的二次元动漫大模型-Animagine，助你轻松把握这一技巧。
Stable
Diffusion是一款基于深度学习的图像生成模型，它可以或许在没有任何人类指导的情况下生成高质量、逼真的图像。与传统的图像生成技能相比，Stable
Diffusion具有更高的生成质量和更快的生成速度。

本日给各人先容的是一个动漫风格的大模型Animagine XL 3.1。
Animagine XL 3.1 基于 Stable Diffusion XL
构建，旨在通过生成准确而详细的动漫脚色，成为动漫迷、艺术家和内容创作者的宝贵资源。
Animagine XL 3.1 是 Animagine XL V3 系列的升级更新，增强了之前的 Animagine XL
3.0版本，经过升级改进，可以生成更高质量的动漫风格图像。它增强了手部解剖布局能力、改进了概念理解和提示词解析能力。
一.Animagine XL 3.1模型使用指南
在C站官网给出了该模型的使用指南，这里我们梳理一下重点，以便增强对这个模型的理解和使用。
1. 布局化的提示词模版
   Prompt：1girl/1boy, character name, from what series, everything else in any
order.
  提示词：1男孩/1女孩，什么脚色，来自哪个系列，其他描述词
  比方：
  Prompt：1girl, tifa lockhart, final fantasy
  提示词：女孩，蒂法·洛克哈特，终极理想
  当然我们也可以不参照官方的提示词模版，直接自己写提示词。不外最好照旧按照官方的布局化提示词模版来写，这样效果最好。
2. 特殊标签
Animagine XL 3.1
利用特殊标签来指导终极生成图片结果的质量、评级、创建日期和美观。固然模型可以生成没有这些标签的图像，但使用它们可以帮助得到更好的结果。
（1）质量标签：用于控制图片的质量
质量标签通过给标签评分，以确保均衡的质量分布。改进了标签以提高清晰度，比方将“高质量（high quality）”更改为“优质（great
quality）”。
​

1. Quality Modifier        Score Criterion  
2. masterpiece（高质量）                > 95%  
3. best quality（最好的质量）        > 85% & ≤ 95%  
4. great quality（优秀的质量）        > 75% & ≤ 85%  
5. good quality（高品质）                > 50% & ≤ 75%  
6. normal quality（正常质量）        > 25% & ≤ 50%  
7. low quality（低质量）                > 10% & ≤ 25%  
8. worst quality（最差质量）        ≤ 10%

复制代码

​

1.   * 1
4.   * 2
5.   * 3
6.   * 4
7.   * 5
8.   * 6
9.   * 7
10.   * 8

复制代码

​
为了简单和清晰，简化了评级标签，旨在创建可应用于差异模型的全局规则。比方，标签“评级：一般（rating:
general）”现在只是“一般（general）”，“评级：敏感（rating: sensitive）”已压缩为“敏感（sensitive）”。
​

1. Rating Modifier            Rating Criterion  
2. safe                    General  
3. sensitive            Sensitive  
4. nsfw                    Questionable  
5. explicit, nsfw            Explicit

复制代码

​

1.   * 1
4.   * 2
5.   * 3
6.   * 4
7.   * 5

复制代码

​
（2）年份标签
重新定义了年份的范围，以更准确地域分是特定的现代艺术风格照旧复古动漫艺术风格。
​

1. Year Tag        Year Range  
2. newest（最新）                2021 to 2024  
3. recent（最近）                2018 to 2020  
4. mid（中期）                2015 to 2017  
5. early（早期）                2011 to 2014  
6. oldest（最老）                2005 to 2010

复制代码

​

1.   * 1
4.   * 2
5.   * 3
6.   * 4
7.   * 5
8.   * 6

复制代码

​
（3）美学标签
通过美观标签增强图片的画面美观程度，根据视觉吸引力美满内容分类。这些标签源自专门的 ViT（Vision
Transformer）图像分类模型所做的评估，该模型专门针对动漫数据举行了训练。为此，使用了模型shadowlilac/aesthetic-
shadow-v2，它在接受训练之前评估内容的美学价值。这确保了每条内容不仅相干且准确，而且具有视觉吸引力。
​

1. Aesthetic Tag                            Score Range  
2. very aesthetic（非常美观）               > 0.71  
3. aesthetic（审美）                       > 0.45 & < 0.71  
4. displeasing（令人不愉快的）               > 0.27 & < 0.45  
5. very displeasing（非常令人不愉快的）     ≤ 0.27

复制代码

​

1.   * 1
4.   * 2
5.   * 3
6.   * 4
7.   * 5

复制代码

​
上面先容的推荐标签，各人在写提示词的时候注意一下这些关键词的描述即可。
3. 推荐设置
（1）正向提示词
为了得到更高质量的结果，在正向提示前添加以下关键词
​

1. masterpiece, best quality, very aesthetic, absurdres

复制代码

​

1.   * 1

复制代码

​
(2) 反向提示词
为了引导模型生成高美观的图像，使用负面提示词
​

1. nsfw, lowres, (bad), text, error, fewer, extra, missing, worst quality, jpeg artifacts, low quality, watermark, unfinished, displeasing, oldest, early, chromatic aberration, signature, extra digits, artistic error, username, scan, [abstract]

复制代码

​

1.   * 1

复制代码

​
（3）该模型推荐的参数设置：

• 采样器：Eular a
  
• 采样迭代步数：低于30
  
• CFG：5-7
  

（4）分辨率
该模型支持生成以下尺寸的图像
​

1. Dimensions        Aspect Ratio  
2. 1024 x 1024        1:1 Square  
3. 1152 x 896        9:7  
4. 896 x 1152        7:9  
5. 1216 x 832        19:13  
6. 832 x 1216        13:19  
7. 1344 x 768        7:4 Horizontal  
8. 768 x 1344        4:7 Vertical  
9. 1536 x 640        12:5 Horizontal  
10. 640 x 1536        5:12 Vertical

复制代码

​

1.   * 1
4.   * 2
5.   * 3
6.   * 4
7.   * 5
8.   * 6
9.   * 7
10.   * 8
11.   * 9  * 1
13. 0

复制代码

​
4. 范围性
（1）以动漫为中心 ：此模型专为生成动漫风格的图像而计划，不适合创建逼真的照片。
（2）提示词复杂性
：此模型大概不适合希望通过简短提示词得到高质量结果。该模型的重点是概念理解而不是审美细化，因此大概必要更详细和更详细的提示词才华实现想要的效果。
（3）提示词格式 ：Animagine XL 3.1 针对 Danbooru
风格的标签而不是自然语言提示词举行了优化。为了得到最佳结果，鼓励用户使用适当的标签和语法来格式化提示词。
（4）解剖学和手部渲染 ：尽管在解剖学和手部渲染方面做出了改进，但仍旧存在模型在这些范畴产生次优结果的情况。
（5）数据集大小 ：用于训练 Animagine XL 3.1 的数据集包罗大约 870,000 张图像。与上一次迭代的数据集（120
万）相结合，统共训练的数据约为 210 万张图像。尽管数据集大小很大，但对于“终极”动漫模型来说，该数据集大小仍大概被认为是有限的。
（6）NSFW 内容 ：Animagine XL 3.1 旨在生成更加均衡的 NSFW
内容。然而，值得注意的是，即使没有明确提示，该模型仍旧大概产生 NSFW 结果。
Animagine XL
3.1的目标是为用户提供透明度并设定符合用户实际需求的模型。尽管存在这些限制，我们相信该模型代表了动漫风格图像生成的重要一步，并为艺术家、计划师和爱好者提供了强大的工具。
二.模型下载地点和使用体验地点 （注意相干插件及安装包文末可自行扫描获取）
模型下载地点
   C站
  Huggingface
  TensorArt ：
  三.模型对比
1. Animagine XL 3.1 与Animagine XL 3.0
   正向提示词：best quality, 1girl
  反向提示词：worst quality, low quality, nomal quality, bad anatomy, NSFW
  Animagine XL 3.0

Animagine XL 3.1 ​​

强光源、露出耳朵的发型、逆光感等主要特征依然存在，但Animagine XL
3.0特有的长缝眼睛和粉红面颊不再显着，曝光度也有所低落。另外，在Animagine XL
3.0中，固然有一种皮肤有光泽的感觉，但这种感觉也有所减弱，团体感觉更加清静。
别的，Animagine XL 3.1 中的线条比 Animagine XL 3.0 中的线条更细、更清晰，而且感觉不那么厚重和立体，使其更加平坦。
2. Animagine XL 3.1美学标签比力

从上面图片可以看出，美学标签对于图片中线条的清晰度和颜色的变化会产生一些影响。如果使用质量低的标签，手指大概会看起来断了。
3. Animagine XL 3.1年份标签比力

年份标签中年份长（oldest）并不意味着品格就会下降，可以根据自己必要的风格来使用。
红润、狭长、锐利的眼睛是newest、late才有的特征，而mid以下则较为自然。
4. Animagine XL 3.1年份标签和美学标签的效果比力

好了，本日的分享就到这里了，希望本日分享的内容对各人有所帮助。
提示词

Stable Diffusion 最强提示词手册

• Stable Diffusion先容
  
• OpenArt先容
  
• 提示词（Prompt） 工程先容
  
• …
  

第一章、提示词格式

• 提问引导
  
• 示例
  
• 单词的次序
  
• …
  

   有必要的朋友，可以点击下方卡片免费领取！
  第二章、修饰词（Modifiers）

• Photography/照相
  
• Art Mediums/艺术媒介
  
• Artists/艺术家
  
• Illustration/插图
  
• Emotions/情感
  
• Aesthetics/美学
  
• …
  

第三章、 Magic words（咒语）

• Highly detailed/高细节
  
• Professional/专业
  
• Vivid Colors/漂亮的颜色
  
• Bokeh/配景虚化
  
• Sketch vs Painting/素描 vs 绘画
  
• …
  

第四章、Stable Diffusion参数

• Resolution/分辨率
  
• CFC/提词相干性
  
• Step count/步数
  
• Seed/种子
  
• Sampler/采样
  
• 反向提示词(Prompt)
  

第5章 img2img（图生图）,in/outpainting（扩展/重绘)

• 将草图转化为专业艺术作品
  
• 风格转换
  
• lmg2lmg 变体
  
• Img2lmg+多个AI题目
  
• lmg2lmg 低强度变体
  
• 重绘
  
• 扩展/裁剪
  
• …
  

第6章 重要提示

• 词语的次序和词语自己一样重要
  
• 不要忘记通例工具
  
• 反向提示词(Prompt)
  
• …
  

第7章 OpenArt展示

• 提示词 (Prompt)
  
• 案例展示
  
• …
  

   篇幅有限，这里就不一一展示了，有必要的朋友可以点击下方的卡片举行领取！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。