Hikari Noob V Pred 0.6

🚀 Hikari Noob v-pred 0.6

Hikari Noob v-pred 0.6是一个经过微调的模型，它对NoobAI-XL(ν-prediction)进行了微调，并合并了SPO LoRA，能有效提升图像生成的稳定性和质量。

Civitai模型页面：https://civitai.com/models/938672

🚀 快速开始

本模型可以在多个平台使用，以下是不同平台的使用要求：

• AUTOMATIC1111 WebUI：需使用dev分支版本。
• ComfyUI：需使用最新版本。
• Forge或reForge：需使用最新版本。

AUTOMATIC1111的导入步骤

1. 切换到dev分支（在webui根目录运行此命令：git checkout -b dev origin/dev 或使用Github Desktop）。
2. 像往常一样使用该模型。

✨ 主要特性

• 稳定性和质量提升：有效改善了图像生成的稳定性和质量。
• 支持多种采样器：通过使用Noise Offset代替Zero Terminal SNR，使得模型除Euler采样器外，也能与其他采样器配合使用。
• 步数要求低：仅需10步就能获得不错的结果（不过建议使用12步或更多）。
• 解决令牌数问题：修复了令牌数超过76时输出质量显著下降的问题。
• 风格调整灵活：基础风格较弱，可通过提示词或LoRA进行风格重塑。
• 知识范围明确：该模型除NoobAI (ν-prediction 0.5)外不包含任何其他基础模型，具备同等知识，能够生成2024年8月前出现的角色。

📚 详细文档

提示词指南

• 与基础模型大致相同。
• 若要提高背景质量，可在负提示词中添加 simple background, transparent background。

推荐提示词

• 正提示词：无（不使用 masterpiece, best quality 也能有不错的效果）。
• 负提示词：worst quality, low quality, bad quality, lowres, jpeg artifacts, unfinished, photoshop \(medium\), abstract 或为空。

推荐设置

• 步数：8 - 24
• 采样器：DPM++ 2M(dpmpp_2m)
• 调度器：Simple
• 引导比例：2 - 7

Hires.fix设置

• 高分辨率上采样器：4x-UltraSharp 或 Latent(nearest-exact)
• 去噪强度：0.4 - 0.5（Latent时为0.65 - 0.7）

合并配方（加权求和）

• 阶段1：微调Hikari Noob v-pred 0.5并合并（见下文） *A、B：基于Hikari Noob v-pred 0.5的自定义检查点
  • v0.5(NoSPO) * 0.75 + A * 0.25 = tmp1
  • tmp0 * 0.75 + B * 0.25 = tmp2
  • tmp2 + SPO LoRA * 1 + sdxl-flat * -0.25 + sdxl-boldline * -1 = tmp3
  • 调整tmp3(0.2,0.2,0.2,0.1,0,0,0,0) = 结果

训练脚本

sd-scripts

📄 许可证

本模型遵循 Fair AI Public License 1.0-SD 许可协议。

• 若对本模型进行修改，必须同时分享修改内容和原始许可证。
• 禁止对任何闭源微调/合并模型进行商业化，即不允许公众访问模型源代码/权重及其使用方法的模型。
• 请勿重新上传此模型。