language: zh license: other tags:

• stable-diffusion

• stable-diffusion-diffusers

• text-to-image

• zh

• Chinese inference: false extra_gated_prompt: |- 获取该模型前的最后一步确认。 本模型采用CreativeML OpenRAIL-M许可证，向所有人开放访问并明确了使用权限：

  1. 禁止利用模型故意生成或传播违法、有害内容
  2. rinna株式会社对生成内容不主张权利，使用者可自由运用但须确保不违反许可条款
  3. 允许商用及服务化使用，但需包含相同使用限制条款并向所有用户提供许可证副本 完整许可请参阅：https://huggingface.co/spaces/CompVis/stable-diffusion-license

  点击下方"访问仓库"即表示同意与模型作者共享联系信息（邮箱地址及用户名）。

extra_gated_fields: 我已阅读并同意许可条款: checkbox

中文Stable Diffusion模型卡片

svjack/Stable-Diffusion-FineTuned-zh-v0 是一个专为中文优化的潜在文本-图像扩散模型，能够根据任意中文提示生成图像。

该模型基于强大的文本-图像生成框架diffusers训练完成，训练方法详见train_zh_model.py。训练过程中采用了IDEA-CCNL的优秀基线模型Taiyi-Stable-Diffusion-1B-Chinese-v0.1。

模型详情

• 开发者: 杨志鹏
• 模型类型: 基于扩散的文本-图像生成模型
• 支持语言: 中文
• 许可证: CreativeML OpenRAIL M许可证，该许可源自BigScience与RAIL Initiative在负责任AI许可领域的合作成果。
• 模型描述: 本模型可通过文本提示生成及修改图像，是基于潜在扩散模型(LDM)架构，以Stable Diffusion作为预训练基础的改进模型。
• 更多资源: https://github.com/svjack/Stable-Diffusion-Chinese-Extend

使用示例

首先安装必要依赖包（该包修改自🤗的Diffusers库）：

diffusers==0.6.0
transformers
torch
datasets
accelerate
sentencepiece

若未登录需先运行以下命令：

huggingface-cli login

使用LMSDiscreteScheduler调度器运行管道：

from diffusers import StableDiffusionPipeline
pipeline = StableDiffusionPipeline.from_pretrained("svjack/Stable-Diffusion-FineTuned-zh-v2")
pipeline.safety_checker = lambda images, clip_input: (images, False)
pipeline = pipeline.to("cuda")

prompt = '女孩们打开了另一世界的大门'
image = pipeline(prompt, guidance_scale=7.5).images[0]

生成效果对比

https://github.com/svjack/Stable-Diffusion-Chinese-Extend