库名称: diffusers 许可证: openrail++ 语言:

• 英语 标签:
  • 文生图
  • 稳定扩散
  • LoRA
  • 安全张量
  • 稳定扩散XL 基础模型: Linaqruf/animagine-xl-2.0 示例:
• 文本: 面部特写，可爱，杰作，最佳质量，1女孩，绿发，毛衣，注视观众，上半身，无檐帽，户外，夜晚，高领衫 参数: 负面提示: 低分辨率，结构错误，手部畸形，文字，错误，缺指，多指，少指，裁剪，最差质量，低质量，普通质量，JPEG伪影，签名，水印，用户名，模糊 示例标题: 1女孩
• 文本: 面部特写，美少年，杰作，最佳质量，1男孩，绿发，毛衣，注视观众，上半身，无檐帽，户外，夜晚，高领衫 参数: 负面提示: 低分辨率，结构错误，手部畸形，文字，错误，缺指，多指，少指，裁剪，最差质量，低质量，普通质量，JPEG伪影，签名，水印，用户名，模糊 示例标题: 1男孩

动漫细节增强XL LoRA

较少细节 正常 更多细节

概述

动漫细节增强XL LoRA 是一款前沿的LoRA适配器，专为与Animagine XL 2.0协同工作而设计。这个独特模型专注于概念调节，使用户能够调整生成动漫风格图像的细节水平。通过操作概念滑块，用户可以创建从高度细节化到更抽象表现的各种图像。

模型详情

• 开发者: Linaqruf
• 模型类型: 稳定扩散XL的LoRA适配器
• 模型描述: 该适配器是一个概念滑块，允许用户控制动漫主题图像的细节水平。滑块越接近2，结果越详细；越接近-2，细节越少。这是一个多功能工具，适合寻求在动漫图像中实现各种艺术表现的艺术家和创作者。
• 许可证: CreativeML Open RAIL++-M License
• 微调基础模型: Animagine XL 2.0

🧨 Diffusers安装

确保安装最新版diffusers库及其他必要包：

pip install diffusers --upgrade
pip install transformers accelerate safetensors

以下Python脚本演示了如何将LoRA与Animagine XL 2.0结合使用。默认调度器为EulerAncestralDiscreteScheduler，但可以明确定义以提高清晰度。

import torch
from diffusers import (
    StableDiffusionXLPipeline, 
    EulerAncestralDiscreteScheduler,
    AutoencoderKL
)

# 初始化LoRA模型和权重
lora_model_id = "Linaqruf/anime-detailer-xl-lora"
lora_filename = "anime-detailer-xl.safetensors"
lora_scale_slider = 2 # -2可获得较少细节的结果

# 加载VAE组件
vae = AutoencoderKL.from_pretrained(
    "madebyollin/sdxl-vae-fp16-fix", 
    torch_dtype=torch.float16
)

# 配置管道
pipe = StableDiffusionXLPipeline.from_pretrained(
    "Linaqruf/animagine-xl-2.0", 
    vae=vae,
    torch_dtype=torch.float16, 
    use_safetensors=True, 
    variant="fp16"
)
pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)
pipe.to('cuda')

# 加载并融合LoRA权重
pipe.load_lora_weights(lora_model_id, weight_name=lora_filename)
pipe.fuse_lora(lora_scale=lora_scale_slider)

# 定义提示词并生成图像
prompt = "面部特写，可爱，杰作，最佳质量，1女孩，绿发，毛衣，注视观众，上半身，无檐帽，户外，夜晚，高领衫"
negative_prompt = "低分辨率，结构错误，手部畸形，文字，错误，缺指，多指，少指，裁剪，最差质量，低质量，普通质量，JPEG伪影，签名，水印，用户名，模糊"

image = pipe(
    prompt, 
    negative_prompt=negative_prompt, 
    width=1024,
    height=1024,
    guidance_scale=12,
    num_inference_steps=50
).images[0]

# 保存图像前解融合LoRA
pipe.unfuse_lora()
image.save("动漫女孩.png")

致谢

我们的项目受益于以下重要工作：

• 从扩散模型中擦除概念 by Rohit Gandikota等人
• LECO by p1atdev
• AI工具包 by Ostris