license: other tags:

• stable-diffusion
• text-to-image inference: false

无限复制体模型说明卡

标题：来自无垠苍穹的复制体。

英文版本请见此处。

简介

无限复制体（Unlimited Replicant）是为替代泄露的Novel AI Diffusion而开发的，专注于AI艺术的图像生成AI。

许可证说明

本模型采用双重许可协议，在遵循原始CreativeML Open RAIL++-M License的基础上，额外附加了非商业使用条款（例外情况除外）及类似AGPL的条款。添加非商业限制是出于对创意产业潜在负面影响的考量。营利机构使用者请咨询法务部门，个人用户只需遵守常识即可正常使用。如有商业用途需求，请联系ozaki.yasunori@outlook.com协商授权。

法律声明

本模型在日本开发，适用日本法律。模型训练依据《著作权法》第30条之4主张合法性，分发行为亦不构成著作权法或《刑法》第175条的直接或间接侵权。具体法律观点可参考柿沼律师的分析。生成内容需遵守各国法律法规。

使用方法

模型可通过safetensors格式下载。

以下是标准模型卡的本地化内容：

模型详情

• 类型: 基于扩散模型的文生图模型

• 语言: 日语

• 许可证: CreativeML Open RAIL++-M-NC License, 公平AI公共许可证1.0-SD

• 描述: 该模型能根据文本提示生成对应图像，算法采用潜在扩散模型和OpenCLIP-ViT/H。

• 文献引用:

  @InProceedings{Rombach_2022_CVPR,
      author    = {Rombach, Robin and Blattmann, Andreas and Lorenz, Dominik and Esser, Patrick and Ommer, Bj\"orn},
      title     = {High-Resolution Image Synthesis With Latent Diffusion Models},
      booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
      month     = {June},
      year      = {2022},
      pages     = {10684-10695}
  }
  

使用示例

使用方法与Stable Diffusion v2相同，推荐两种方案：

• Web UI
• Diffusers库

Web UI方案

将safetensors模型文件放入指定目录，具体安装步骤参考此指南。建议启用xformers（添加--xformers --disable-nan-check参数），若GPU性能不足可使用--no-half参数。

Diffusers方案

使用🤗的Diffusers库，先安装依赖：

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

运行生成脚本：

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 = "杰作, 动漫, 特写, 白色短发, 红瞳, 1女孩, 单人, 红玫瑰"
negative_prompt="低分辨率, 汉字, 黑白, 结构畸形, 手部异常, 文字, 缺指, 多指, 模糊, 扭曲肢体, 面部变形, 丑陋, 比例失调, 多余肢体, 双头, 多足, 怪物, 标志, 裁剪, 压缩失真, 驼背, 长身, 长颈, 审查标记, 审美低下"
images = pipe(prompt,negative_prompt=negative_prompt, num_inference_steps=30, height=1024, width=768).images
images[0].save("girl.png")

注意:

• 使用xformers可加速生成
• 显存不足时调用pipe.enable_attention_slicing()

推荐用途

• 个人艺术表达
• AI图像生成相关新闻报道（含商业媒体）
• 研发用途（提示工程/微调/模型融合等）
• 教育场景（毕业设计/课程教学）
• 博客配图（非营利性内容）
• Hugging Face社区指定用途

限制用途

• 事实性内容呈现
• 营利性视频内容
• 直接商业服务
• 干扰教学秩序
• 损害创意产业的行为

禁止用途

• 数字赝品制作（可能违反著作权法）
• 未经授权的图生图模仿（可能侵犯版权）
• 色情内容传播（违反《刑法》第175条）
• 虚假信息传播（可能构成妨碍业务罪）

模型局限性

• 扩散模型与大语言模型仍存在大量未知领域
• 潜在偏见尚未完全明确

训练数据

符合日本法律的精选数据集

训练配置

• 硬件: 双A6000显卡
• 训练时长: 1000小时
• 地点: 日本

评估需求

诚邀第三方机构进行性能评估

环境影响

• 硬件类型: 双A6000
• 碳足迹: 持续监测中

致谢

本模型卡基于Stable Diffusion v2模板编写。