Rae Diffusion XL V2

🚀 Rae Diffusion XL V2

Rae Diffusion XL V2 是基于 Animagine XL 3.1 模型的增强版本，经过专门微调，用于生成令人惊叹的动漫风格艺术作品。它在描绘动漫角色方面表现出色，极大地拓展了创作的边界。

🚀 快速开始

标签顺序

为了获得最佳效果，建议遵循以下结构化提示模板，因为我们是按照这个方式训练模型的：

1girl/1boy, 角色名称, 出自哪部系列作品, 其他内容可任意排序。

特殊标签

Rae Diffusion XL 继承了 Animagine XL 3.1 的特殊标签，通过引导结果朝着质量、评级、创作日期和美学方向发展，来增强图像生成效果。虽然模型在没有这些标签的情况下也能生成图像，但使用它们有助于获得更好的结果。

• 质量标签：杰作，最佳质量，高质量，良好质量，普通质量，低质量，最差质量
• 评级标签：安全，敏感，不适宜公开，明确不适宜
• 年份标签：最新，近期，中期，早期，最旧
• 美学标签：非常美观，美观，不悦目，非常不悦目

推荐设置

• 正向提示词：

杰作，最佳质量，非常美观，超高分辨率，

• 负向提示词：

(低质量，最差质量:1.2)，非常不悦目，丑陋，绘制不佳，签名，水印，

• CFG：7
• 采样步数：25 到 35
• 采样器：Euler a
• 支持的分辨率：

1024 x 1024, 1152 x 896, 896 x 1152, 1216 x 832, 832 x 1216, 1344 x 768, 768 x 1344, 1536 x 640, 640 x 1536

高分辨率修复设置

• 超分辨率器：4x_NMKD - YandereNeoXL
• 高分辨率步数：10 - 15
• 去噪：0.1 - 0.3 或对于潜在超分辨率器使用 0.55

✨ 主要特性

Rae Diffusion XL V2 基于 Animagine XL 3.1 模型构建，经过微调，专注于高质量动漫风格角色艺术作品的生成。它继承了特殊标签，能够根据不同的质量、评级、年份和美学标签生成多样化的图像。

📚 详细文档

模型详情

训练配置

• 硬件：1 个 A100 80GB
• 批量大小：48
• 梯度累积：1
• 训练轮数：10
• 学习率：3e - 6
• 优化器：Adafactor
• 优化器参数：(比例参数：False，相对步长：False，预热初始化：False)
• 调度器：带预热的常数调度器
• 预热步数：0.05
• 噪声偏移：0.0357

📄 许可证

Rae Diffusion XL V2 现在使用从 Animagine XL 3.1 继承的 公平人工智能公共许可证 1.0 - SD，该许可证与 Stable Diffusion 模型兼容。关键点如下：

1. 修改共享：如果您修改了 Rae Diffusion XL，您必须同时共享您的修改和原始许可证。
2. 源代码可访问性：如果您的修改版本可以通过网络访问，您需要提供一种方式（如下载链接）让其他人获取源代码。这也适用于派生模型。
3. 分发条款：任何分发都必须遵循此许可证或具有类似规则的其他许可证。
4. 合规性：如果不遵守规定，必须在 30 天内进行修复，否则将导致许可证终止，强调了透明度和对开源价值观的遵守。

模型示例图片

示例图片 1	示例图片 2	示例图片 3
图片描述：Konno Junko	图片描述：Ryougi Shiki	图片描述：Korra

示例图片 4	示例图片 5	示例图片 6
图片描述：Toshinou Kyouko	图片描述：Charlotte Dunois	图片描述：Sento Isuzu