Historiccolorsoonr Schnell

🚀 歷史色彩快®（由 A.C.T. 快®出品）

歷史色彩快®是一款多功能的視覺與文本生成模型，具備以下顯著優勢：

• 低步數高質量生成：在多數場景下，僅需 2 - 8 步推理，在 768x768 分辨率下進行 4 步推理，就能常規產出逼真的圖像，其質量可與甚至超越 Flux v.1 Dev。
• 模擬彩色膠片攝影：能夠生成逼真的圖像，讓人聯想起彩色膠片模擬攝影，涵蓋從奧多chrome到柯達chrome再到富士膠片等多種標誌性的攝影風格和視覺範式。
• 呈現歷史美學細節：生成的圖像具有模糊的“歷史”或“有生活氣息”的美學特徵，色彩和亮度動態出色，且在相同步數和資源消耗下，紋理、解剖結構和皮膚細節比其他模型更逼真。

🚀 快速開始

本模型可通過 🧨 diffusers 庫使用，以下是具體步驟：

安裝依賴

pip install -U diffusers

運行模型

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained("Shakker-Labs/AWPortrait-FL", torch_dtype=torch.bfloat16)
pipe.to("cuda")
pipe.enable_model_cpu_offload() #save some VRAM by offloading the model to CPU. Remove this if you have enough GPU power

prompt = "HST style autochrome film photograph portrait of 1910 woman playing poker against a purple feathered dinosaur, the green-eyed woman has moderately blemished skin with visible lines and pores, she smiles, film grain, Kodachrome"
image = pipe(
    prompt,
    guidance_scale=1.2,
    num_inference_steps=4,
    max_sequence_length=256,
    generator=torch.Generator("cpu").manual_seed(0)
).images[0]
image.save("hstcolor1.png")

更多信息請查看 diffusers 文檔。

✨ 主要特性

• 低步數高質量生成：在多數場景下，僅需 2 - 8 步推理，在 768x768 分辨率下進行 4 步推理，就能常規產出逼真的圖像，其質量可與甚至超越 Flux v.1 Dev。
• 模擬彩色膠片攝影：能夠生成逼真的圖像，讓人聯想起彩色膠片模擬攝影，涵蓋從奧多chrome到柯達chrome再到富士膠片等多種標誌性的攝影風格和視覺範式。
• 呈現歷史美學細節：生成的圖像具有模糊的“歷史”或“有生活氣息”的美學特徵，色彩和亮度動態出色，且在相同步數和資源消耗下，紋理、解剖結構和皮膚細節比其他模型更逼真。

📚 詳細文檔

基礎/方法/工具

• 主要基礎模型：由 Black Forest Labs 開發的 FLUX.1-schnell。
• 次要基礎模型：由 HumbleMikey 開發的 Pixelwave Schnell V.1。其 Safetensors 和 GGUF 權重可在 Hugging Face 或 CivitAI 上找到。
• 微調過程：主要基於 Sergey Prokudin - Gorsky 在 1900 年代和 1910 年代拍攝的約 500 張彩色照片對 Pixelwave Schnell V.1 進行微調。Prokudin - Gorsky 當時廣泛旅行並拍攝照片，同時開創並完善了早期的三色合成攝影技術。
• LoRA 微調與合併：對 FLUX.1 - schnell 在同一數據集中的 130 張照片上進行全秩 LoRA 微調，創建 Historic Color Schnell LoRA。通過實驗訓練了另外五個 LoRA，並將最成功的結果與 Historic Color Schnell LoRA 合併。使用 Kohya - ss's sd - scripts git 的 'flux_merge_lora.py' 腳本進行合併，並在必要時使用 'convert_flux_lora.py' 腳本進行格式轉換。最後將合併後的 LoRA 融入之前從 Pixelwave Schnell v.1 微調的檢查點中。
• 訓練適配器：使用 Ostris 為 Schnell 開發的訓練適配器 ostris/FLUX.1-schnell-training-adapter。

觸發詞

你可以使用 HST 來增強復古/奧多chrome效果。不過，與歷史色彩 LoRA 相比，該觸發詞對檢查點的影響似乎沒有那麼大。

歷史註釋

Prokudin - Gorsky 的彩色攝影技術涉及使用專門的光譜濾鏡（基本上是紅、藍、綠）進行三次同時或連續的曝光，將拍攝對象記錄在塗有光敏混合物的玻璃板上。他注重提高顯影劑和濾鏡的質量，不斷進行廣泛的實驗，並巧妙地優化玻璃板（玻璃板通常使用不便，尤其是用於彩色攝影，到 1910 年代，黑白實地拍攝中已逐漸過時，但在其他方面非常可靠），最終創作出了比同時代大多數人更逼真、更生動的彩色攝影作品。同時，他的攝影方法的特點以及他親自執行的方式，導致最終照片中出現一系列獨特的顏色、光線和運動偽影。這些溫暖的色彩光暈和光斑很少影響整體圖像，且比當時一些新興的奧多chrome技術的缺點要輕，可被視為一種短暫的標誌。這些特徵也可靠地融入了我們為 Flux 開發的系列歷史適配器中的第四個——這個 Flux Schnell LoRA。

🔧 技術細節

模型構建流程

1. 以 FLUX.1-schnell 和 Pixelwave Schnell V.1 為基礎模型。
2. 基於 Sergey Prokudin - Gorsky 的約 500 張彩色照片對 Pixelwave Schnell V.1 進行微調。
3. 對 FLUX.1 - schnell 在 130 張照片上進行全秩 LoRA 微調，創建 Historic Color Schnell LoRA。
4. 實驗訓練另外五個 LoRA，並將成功結果與 Historic Color Schnell LoRA 合併。
5. 將合併後的 LoRA 融入 Pixelwave Schnell v.1 微調的檢查點中。
6. 使用 ostris/FLUX.1-schnell-training-adapter 作為訓練適配器。

觸發詞影響

使用 HST 可增強復古/奧多chrome效果，但對檢查點的影響相對 Historic Color LoRA 較小。

📦 安裝指南

安裝 diffusers 庫

pip install -U diffusers

💻 使用示例

基礎用法

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained("Shakker-Labs/AWPortrait-FL", torch_dtype=torch.bfloat16)
pipe.to("cuda")
pipe.enable_model_cpu_offload() #save some VRAM by offloading the model to CPU. Remove this if you have enough GPU power

prompt = "HST style autochrome film photograph portrait of 1910 woman playing poker against a purple feathered dinosaur, the green-eyed woman has moderately blemished skin with visible lines and pores, she smiles, film grain, Kodachrome"
image = pipe(
    prompt,
    guidance_scale=1.2,
    num_inference_steps=4,
    max_sequence_length=256,
    generator=torch.Generator("cpu").manual_seed(0)
).images[0]
image.save("hstcolor1.png")

📄 許可證

本項目採用 Apache-2.0 許可證。

此外，如果你對文學尤其是舊現代主義詩歌感興趣，不妨查看我的詩歌翻譯作品 白銀時代詩人！