SDXL LoRA Slider.cosplay Outfit

由 ntc-ai 开发

这是一个基于Stable Diffusion XL的LoRA模型，专注于生成cosplay服装相关的图像。

图像生成

英语

开源协议:MIT #文生图LoRA #cosplay服装设计 #SDXL适配

下载量 24

发布时间 : 12/15/2023

模型介绍

内容详情

替代品

模型简介

该模型是一个LoRA适配器，用于Stable Diffusion XL模型，专门用于生成各种cosplay服装的图像。

模型特点

滑块控制

支持通过滑块调整生成效果的强度，从-3到3可调

高质量图像生成

基于Stable Diffusion XL，能生成高质量的cosplay服装图像

LoRA适配

作为LoRA适配器，可以灵活地与不同基础模型结合使用

模型能力

cosplay服装图像生成

风格化图像生成

可控强度调整

使用案例

动漫游戏角色扮演

角色服装设计

为动漫游戏角色设计cosplay服装

生成多种风格的cosplay服装概念图

cosplay道具制作参考

为cosplay爱好者提供服装制作参考

生成详细的服装样式和细节

创意设计

概念艺术创作

为艺术家提供服装设计灵感

快速生成多种服装设计方案

language:

zh thumbnail: "images/cosplay outfit_17_3.0.png" widget:
text: "cosplay服装" output: url: "images/cosplay outfit_17_3.0.png"
text: "cosplay服装" output: url: "images/cosplay outfit_19_3.0.png"
text: "cosplay服装" output: url: "images/cosplay outfit_20_3.0.png"
text: "cosplay服装" output: url: "images/cosplay outfit_21_3.0.png"
text: "cosplay服装" output: url: "images/cosplay outfit_22_3.0.png" tags:
文生图
stable-diffusion-xl
lora
template:sd-lora
template:sdxl-lora
sdxl-sliders
ntcai.xyz-sliders
概念
diffusers license: "mit" inference: false instance_prompt: "cosplay服装" base_model: "stabilityai/stable-diffusion-xl-base-1.0"

ntcai.xyz滑块 - cosplay服装 (SDXL LoRA)

强度: -3	强度: 0	强度: 3

下载

该模型的权重文件可通过Safetensors格式获取。

触发词

您可以通过以下触发词应用此LoRA以获得额外效果：

cosplay服装

在diffusers中使用

from diffusers import StableDiffusionXLPipeline
from diffusers import EulerAncestralDiscreteScheduler
import torch

pipe = StableDiffusionXLPipeline.from_single_file("https://huggingface.co/martyn/sdxl-turbo-mario-merge-top-rated/blob/main/topRatedTurboxlLCM_v10.safetensors")
pipe.to("cuda")
pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)

# 加载LoRA
pipe.load_lora_weights('ntc-ai/SDXL-LoRA-slider.cosplay-outfit', weight_name='cosplay outfit.safetensors', adapter_name="cosplay服装")

# 激活LoRA
pipe.set_adapters(["cosplay服装"], adapter_weights=[2.0])

prompt = "中世纪富有的酒馆老板坐在酒馆里，cosplay服装"
negative_prompt = "nsfw"
width = 512
height = 512
num_inference_steps = 10
guidance_scale = 2
image = pipe(prompt, negative_prompt=negative_prompt, width=width, height=height, guidance_scale=guidance_scale, num_inference_steps=num_inference_steps).images[0]
image.save('result.png')