模型:

JosephusCheung/ACertainty

英文

ACertainty

ACertainty是一个经过精心设计的模型,非常适合用于在dreambooth中进行进一步的微调和训练。与其他动漫风格的稳定扩散模型相比,它更容易训练,并且在进一步的开发中更不偏袒和更平衡。该模型不太可能受到Stable-Diffusion-v1-4+带来的双眼美学偏好的影响。

这不是ACertainModel的基础,但您可以将这个模型用作训练新的dreambooth模型的基础,例如一些主题、角色或风格。

例如:杰作,最佳质量,1女孩,棕色头发,绿色眼睛,色彩丰富,秋天,积雨云,闪电,蓝天,落叶,花园

关于使用托管推理API进行在线预览,以及使用该模型生成内容

不允许修改参数,因为似乎是使用Clip跳过:1生成的,为了性能更好,强烈建议改为Clip跳过:2。

下面是一个推理设置的示例,如果您在自己的服务器上可以使用:步骤:28,采样器:Euler a,CFG缩放:11,Clip跳过:2。

? 扩散器

这个模型可以像其他稳定扩散模型一样使用。欲了解更多信息,请查看 Stable Diffusion

您还可以导出模型到 ONNX MPS 和/或FLAX/JAX。

from diffusers import StableDiffusionPipeline
import torch

model_id = "JosephusCheung/ACertainty"
branch_name= "main"

pipe = StableDiffusionPipeline.from_pretrained(model_id, revision=branch_name, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "pikachu"
image = pipe(prompt).images[0]

image.save("./pikachu.png")

许可证

该模型是开放访问的,并且适用于所有人,采用CreativeML OpenRAIL-M许可证进一步确定权利和使用方式。CreativeML OpenRAIL许可证规定:

  • 您不能使用该模型有意制作或共享非法或有害的输出或内容
  • 作者对您生成的输出没有任何权利,您可以自由使用它们,并对其使用负责,但不能违反许可证中规定的规定
  • 您可以重新分发权重并将模型用于商业和/或服务。如果您这样做,请注意您必须包括与许可证中相同的使用限制,并向所有用户共享CreativeML OpenRAIL-M的副本(请完整而仔细阅读许可证) Please read the full license here
  • 它是基于NovelAI的模型吗?与SD1.2和SD1.4有什么关系?

    请参阅 ASimilarityCalculatior