| 作者： | CagliostroLab |
| 最后更新： | 2024年3月21日 |
| 文件类型： | CHECKPOINT TRAINED |
| 基本模型： | SDXL 1.0 |
| 模型版本： | v3.1 |
使用介绍
Animagine XL 3.1是 Animagine XL V3 系列的更新，增强了之前的版本 Animagine XL 3.0。这种开源的动漫主题文本到图像模型已经过改进，可以生成更高质量的动漫风格图像。它包括来自知名动漫系列的更广泛的角色、优化的数据集以及用于更好的图像创建的新美学标签。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角色表示，成为动漫迷、艺术家和内容创作者的宝贵资源。
使用指南
Tag顺序
为了获得最佳结果，建议遵循结构化提示模板，因为我们像这样训练模型：
1girl/1boy, character name, from what series, everything else in any order.
特殊标签
Animagine XL 3.1 利用特殊标签来引导结果的质量、评级、创建日期和美观。虽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获得更好的结果。
质量调节剂
质量标签现在考虑分数和帖子评分，以确保平衡的质量分布。我们改进了标签以提高清晰度，例如将“high quality”更改为“’great quality”。
Quality Modifier Score Criterion
masterpiece > 95%
best quality > 85% & ≤ 95%
great quality > 75% & ≤ 85%
good quality > 50% & ≤ 75%
normal quality > 25% & ≤ 50%
low quality > 10% & ≤ 25%
worst quality ≤ 10%评级修正
为了简单和清晰，我们还简化了评级标签，旨在建立可应用于不同模型的全局规则。例如，标签“rating: general”现在只是“general”，“rating: sensitive”已压缩为“sensitive”。
Rating Modifier Rating Criterion
safe General
sensitive Sensitive
nsfw Questionable
explicit, nsfw Explicit年份修饰符
我们还重新定义了年份范围，以更准确地将结果引导至特定的现代或复古动漫艺术风格。此更新简化了范围，重点关注与当前和过去时代的相关性。
Year Tag Year Range
newest 2021 to 2024
recent 2018 to 2020
mid 2015 to 2017
early 2011 to 2014
oldest 2005 to 2010美学标签
我们通过美观标签增强了标签系统，以根据视觉吸引力完善内容分类。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进行了训练。为此，我们使用了模型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关且准确，而且具有视觉吸引力。
Aesthetic Tag Score Range
very aesthetic > 0.71
aesthetic > 0.45 & < 0.71
displeasing > 0.27 & < 0.45
very displeasing ≤ 0.27推荐设置
为了引导模型生成高美观的图像，请使用负面提示，例如：
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]
为了获得更高质量的结果，请在提示前添加以下内容：
masterpiece, best quality, very aesthetic, absurdres
建议使用 5-7 左右的较低无分类器指导（CFG 量表），采样步数低于 30，并使用 Euler Ancestral（Euler a）作为采样器。
多方面分辨率
该模型支持生成以下尺寸的图像：
Dimensions Aspect Ratio
1024 x 1024 1:1 Square
1152 x 896 9:7
896 x 1152 7:9
1216 x 832 19:13
832 x 1216 13:19
1344 x 768 7:4 Horizontal
768 x 1344 4:7 Vertical
1536 x 640 12:5 Horizontal
640 x 1536 5:12 Vertical局限性
虽然 Animagine XL 3.1 代表了动漫风格图像生成方面的重大进步，但承认其局限性也很重要：
- Anime-Focused：此模型专为生成动漫风格的图像而设计，不适合创建逼真的照片。
- 提示复杂性：此模型可能不适合希望通过简短提示获得高质量结果的用户。培训的重点是概念理解而不是审美细化，这可能需要更详细和具体的提示才能实现所需的输出。
- 提示格式：Animagine XL 3.1 针对 Danbooru 风格的标签而不是自然语言提示进行了优化。为了获得最佳结果，鼓励用户使用适当的标签和语法来格式化提示。
- 解剖学和手部渲染：尽管在解剖学和手部渲染方面取得了改进，但仍然存在模型在这些领域产生次优结果的情况。
- 数据集大小：用于训练 Animagine XL 3.1 的数据集包含大约 870,000 张图像。与上一次迭代的数据集（120 万）相结合，总训练数据约为 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，该数据集大小仍可能被认为是有限的。
- NSFW 内容：Animagine XL 3.1 旨在生成更加平衡的 NSFW 内容。然而，值得注意的是，即使没有明确提示，该模型仍可能产生 NSFW 结果。
通过承认这些限制，我们的目标是为 Animagine XL 3.1 用户提供透明度并设定切合实际的期望。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方面的重大进步，并为艺术家、设计师和爱好者提供了强大的工具。
执照
Animagine XL 3.1基于Animagine XL 3.0，属于Fair AI Public License 1.0-SD许可证，与Stable Diffusion模型的许可证兼容。关键点：
- 修改共享：如果您修改 Animagine XL 3.1，则必须共享您的更改和原始许可证。
- 源代码可访问性：如果您的修改版本可以通过网络访问，请为其他人提供获取源代码的方式（例如下载链接）。这也适用于派生模型。
- 分发条款：任何分发都必须遵循本许可证或具有类似规则的其他许可证。
- 合规性：不合规行为必须在 30 天内解决，以避免许可证终止，强调透明度和遵守开源价值观。
选择此许可证的目的是保持 Animagine XL 3.1 的开放性和可修改性，符合开源社区精神。它保护贡献者和用户，鼓励协作、道德的开源社区。这确保了该模型不仅受益于公共输入，而且尊重开源开发自由。
封面提示词
1girl, souryuu asuka langley, neon genesis evangelion, rebuild of evangelion, lance of longinus, cat hat, plugsuit, pilot suit, red bodysuit, sitting, crossed legs, black eye patch, throne, looking down, from bottom, looking at viewer, outdoors, masterpiece, best quality, very aesthetic, absurdres
Negative prompt: wings, nsfw, low quality, worst quality, normal quality,
Steps: 28, Size: 896x1152, Seed: 3651045455, Model: animagine-xl-3.1, Version: f0.0.17v1.8.0rc-latest-276-g29be1da7, Sampler: Euler a, CFG scale: 7, Model hash: 9f86289b6a, Hires steps: 15, Hires upscale: 1.5, Hires upscaler: Latent (nearest-exact), Denoising strength: 0.55
