Unlimited Replicant

🚀 无限复制者模型卡片

无限复制者（Unlimited Replicant）是一款专为AI艺术打造的图像生成AI，旨在替代信息泄露的Novel AI Diffusion，为用户提供优质的图像生成体验。

标题：来自无限天空的复制者。

英文版本请见此处

🚀 快速开始

无限复制者（Unlimited Replicant）是为替代信息泄露的Novel AI Diffusion而开发的、专注于AI艺术的图像生成AI。

📄 许可证

本模型采用双许可证，即在原许可证CreativeML Open RAIL++ - M License的基础上，除特殊情况外，增加了商用使用禁止条款，并加入了类似AGPL的相关内容。

增加除特殊情况外商用使用禁止条款，是因为担心可能会对创作行业产生不利影响。在营利性企业工作的人员，请与公司法务部门人员进行协商。对于仅用于个人兴趣的用户，只要遵守一般常识，可放心使用。

若您有商用需求，请另行联系 (ozaki.yasunori@outlook.com) 进行协商。

🔖 法律声明

本模型在日本创建，因此适用日本法律。

本模型的训练依据日本著作权法第30条之4，我们主张其具有合法性。同时，就本模型的分发而言，我们认为无论是依据著作权法还是刑法第175条，都不构成正犯或帮助犯。详细见解请参考柿沼律师的观点。

不过，如许可证所述，本模型的生成结果请按照各项法律法规进行处理。

📦 安装指南

模型可从 safetensors格式 下载。以下为不同使用方式的安装说明：

Web UI方式

与Stable Diffusion v2的使用方法相同，请将safetensor格式的模型文件放入模型文件夹。详细安装方法请参考此文章。

建议安装xformers并开启 --xformers --disable-nan-check 选项；若无法安装，可开启 --no-half 选项。

Diffusers方式

请使用 🤗's Diffusers library 库。

首先，执行以下脚本安装库：

pip install --upgrade git+https://github.com/huggingface/diffusers.git transformers accelerate scipy

💻 使用示例

基础用法

本模型的使用方法与Stable Diffusion v2相同，下面为您提供两种使用模式：

# 使用Diffusers库生成图像
from diffusers import StableDiffusionPipeline, EulerAncestralDiscreteScheduler
import torch

model_id = "alfredplpl/unlimited-replicant"

scheduler = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")
pipe = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "masterpiece, anime, close up, white short hair, red eyes, 1girl, solo, red roses"
negative_prompt="lowres , kanji,  monochrome, ((bad anatomy)), ((bad hands)), text, missing finger, extra digits, fewer digits, blurry, ((mutated hands and fingers)), (poorly drawn face), ((mutation)), ((deformed face)), (ugly), ((bad proportions)), ((extra limbs)), extra face, (double head), (extra head), ((extra feet)), monster, logo, cropped, jpeg, humpbacked, long body, long neck, ((jpeg artifacts)), ((censored)), ((bad aesthetic))"
images = pipe(prompt,negative_prompt=negative_prompt, num_inference_steps=30, height=1024, width=768).images
images[0].save("girl.png")

高级用法

• 加速技巧：使用 xformers 可加快生成速度。
• 显存优化：若GPU显存不足，可使用 pipe.enable_attention_slicing() 进行优化。

想定使用场景

• 自我表达：通过本AI展现个人特色。
• 图像生成AI报道：无论是公共广播还是营利性企业均可使用，因为我们认为了解图像合成AI信息的“知情权”不会对创作行业造成负面影响，同时也尊重新闻自由。
• 研究开发
  • 在Discord上使用模型进行提示工程、微调（如DreamBooth等）以及与其他模型合并。
  • 使用FID等指标评估本模型性能。
  • 通过校验和或哈希函数验证本模型与Stable Diffusion等其他模型的独立性。
• 教育领域
  • 用于美术院校学生或专业学校学生的毕业作品。
  • 作为大学生毕业论文或课题作业的素材。
  • 供教师向学生介绍图像生成AI的现状。
• 博客文章：若生成图像并非文章主要目的，即使是付费文章也可使用。这是因为我们认为不会干扰插画师的工作。
• Hugging Face社区：可使用日语或英语进行提问。

禁止使用场景

• 数字赝品：请勿公开数字赝品（Digital Forgery），以免违反著作权法。
• 未经授权的图像转换：请勿未经授权对他人作品进行Image - to - Image转换，避免违反著作权法。
• 传播淫秽物品：请勿传播淫秽物品，以免违反刑法第175条。
• 虚假信息传播：请勿传播不实信息，以免触犯威力业务妨害罪。

🔧 技术细节

模型详情

模型的局限性和偏差

• 模型局限性：扩散模型和大型语言模型仍有许多未知之处，其局限性尚未明确。
• 偏差：扩散模型和大型语言模型仍有许多未知之处，偏差情况尚未明确。

训练情况

• 训练数据：符合国内法律的数据和模型。
• 训练过程：硬件为A6000x2。

评估结果

目前正在寻求第三方评估。

环境影响

• 硬件类型：A6000x2
• 使用时间（单位：小时）：1000
• 训练地点：日本

*本模型卡片基于 Stable Diffusion v2 编写。