Anything V3.0 Light

🚀 Anything V3

Anything V3 是一款面向动漫爱好者的潜在扩散模型。该模型只需少量提示词，就能生成高质量、高细节的动漫风格图像。和其他动漫风格的 Stable Diffusion 模型一样，它也支持使用 danbooru 标签来生成图像。

🚀 快速开始

本仓库旨在方便进行 Dreambooth 训练，我已移除了所有在 Diffusers 中未使用的 .ckpt 文件，这将显著加快设置速度。

✨ 主要特性

• 高质量动漫图像生成：仅需少量提示词，就能生成高质量、高细节的动漫风格图像。
• 支持 danbooru 标签：和其他动漫风格的 Stable Diffusion 模型一样，支持使用 danbooru 标签来生成图像。
• 多种优化格式支持：可以将模型导出为 ONNX、MPS 等格式。

📦 安装指南

此模型的使用方法与其他 Stable Diffusion 模型相同。更多信息，请查看 Stable Diffusion。

💻 使用示例

基础用法

from diffusers import StableDiffusionPipeline
import torch

model_id = "Linaqruf/anything-v3.0"
branch_name= "diffusers"

pipe = StableDiffusionPipeline.from_pretrained(model_id, revision=branch_name, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "pikachu"
image = pipe(prompt).images[0]

image.save("./pikachu.png")

高级用法

你可以根据自己的需求调整提示词，以生成不同风格的图像。例如：

from diffusers import StableDiffusionPipeline
import torch

model_id = "Linaqruf/anything-v3.0"
branch_name= "diffusers"

pipe = StableDiffusionPipeline.from_pretrained(model_id, revision=branch_name, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

# 使用更详细的提示词
prompt = "1girl, white hair, golden eyes, beautiful eyes, detail, flower meadow, cumulonimbus clouds, lighting, detailed sky, garden"
image = pipe(prompt).images[0]

image.save("./anime_girl.png")

📚 详细文档

Gradio 支持

我们支持使用 Gradio Web UI 来运行 Anything-V3.0： 在 Spaces 中打开

示例图像

以下是使用该模型生成的一些图像示例： 动漫女孩：

1girl, brown hair, green eyes, colorful, autumn, cumulonimbus clouds, lighting, blue sky, falling leaves, garden
Steps: 50, Sampler: DDIM, CFG scale: 12

动漫男孩：

1boy, medium hair, blonde hair, blue eyes, bishounen, colorful, autumn, cumulonimbus clouds, lighting, blue sky, falling leaves, garden
Steps: 50, Sampler: DDIM, CFG scale: 12

风景：

scenery, shibuya tokyo, post-apocalypse, ruins, rust, sky, skyscraper, abandoned, blue sky, broken window, building, cloud, crane machine, outdoors, overgrown, pillar, sunset
Steps: 50, Sampler: DDIM, CFG scale: 12

📄 许可证

该模型为开放访问，所有人均可使用，并遵循 CreativeML OpenRAIL-M 许可证，该许可证进一步规定了权利和使用方式。CreativeML OpenRAIL 许可证规定：

1. 不得使用该模型故意生成或分享非法或有害的输出或内容。
2. 作者对生成的输出不主张任何权利，你可以自由使用它们，并对其使用负责，且使用不得违反许可证中的规定。
3. 可以重新分发权重，并将模型用于商业用途或作为服务使用。如果这样做，请确保包含与许可证中相同的使用限制，并向所有用户分享一份 CreativeML OpenRAIL-M 许可证副本（请完整、仔细阅读许可证）。 请在此阅读完整许可证