许可证：其他
标签：

• stable-diffusion
• text-to-image

小部件示例：

• 文本："动漫，黑发红眼的美丽少女，和服，4K高清，细节丰富"
  示例标题："少女（动漫）"
• 文本："漫画，黑白风格，白色长发的可爱女孩"
  示例标题："少女（漫画）"
• 文本："动漫，东京建筑群，4K高清，细节丰富"
  示例标题："建筑（动漫）"
• 文本："漫画，黑白风格，东京建筑群，超高细节"
  示例标题："建筑（漫画）"

学习用酷日本扩散模型2.0 模型卡片

重要通知：自2023年1月10日起，中国将对图像生成AI实施法律限制（针对中国境内用户的警示）

本模型主要面向日本用户发布，因此模型文档以日语撰写。在获得日本用户共识后，我们将为海外用户提供英文翻译文档。感谢您的理解与合作。（致非日语使用者）

简介

学习用酷日本扩散模型是通过对Stable Diffusion进行微调，专为插画优化的模型。最初是为训练"酷日本扩散"模型而开发，现因特殊情况紧急发布。注：本模型与日本内阁府"酷日本战略"无直接关联。

许可证说明

基于原始许可证CreativeML Open RAIL++-M License，新增了非商业用途限制条款。此限制源于对创意产业潜在负面影响的担忧。若该担忧消除，后续版本将恢复原始许可证并允许商用。原始许可证日文译本参见此处。商业机构用户请咨询法务部门，个人用户遵循常识即可。根据许可证要求，任何模型修改都需继承本许可证。

法律与伦理

本模型在日本开发，适用日本法律。

• 训练依据：《著作权法》第30条之4，主张合法性
• 分发依据：主张不构成《著作权法》或《刑法》第175条的直接/间接侵权，详见柿沼律师的法律意见
• 生成内容需遵守各国法律法规

但开发者认为模型分发行为存在伦理争议，本次发布也旨在收集伦理层面的反馈。

使用方法

快速体验：右侧文本框输入提示词生成。或访问F君的演示空间
专业使用：阅读注意事项后参考使用指南，教程详见此处

模型详情

• 开发者：Robin Rombach, Patrick Esser, Alfred Increment
• 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
• 算法：潜在扩散模型 + OpenCLIP-ViT/H

使用方式

Web UI

参照此指南配置

Diffusers库

安装依赖：

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

生成脚本：

from diffusers import StableDiffusionPipeline
import torch

model_id = "alfredplpl/cool-japan-diffusion-for-learning-2-0"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16).to("cuda")
image = pipe("动漫，黑发红眼的和服少女，4K细节", height=512, width=512).images[0]
image.save("girl.png")

优化提示：

• 使用xformers加速
• 低显存设备启用pipe.enable_attention_slicing()

预期用途

• AI艺术大赛投稿（需完整披露训练数据并通过审查）
• 新闻报道（包括商业媒体）
• "酷日本"文化推广
• 研发（DreamBooth微调/模型融合等）
• 教育（艺术院校毕业设计/AI教学）
• 个人创作表达

禁止用途

• 伪造事实性内容
• 盈利性视频内容
• 直接商业服务
• 干扰教学秩序
• 损害创意产业

局限性

• 存在与Stable Diffusion相同的性别/种族偏差
• 可能生成拟真图像（需注意）

训练数据

• 20万张通过Twitter API获取的动漫/漫画图像

性能指标

FID对比结果：

环境影响

• 硬件：RTX 3090
• 训练时长：300小时
• 碳排放：可忽略

参考文献

@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}
}

*本卡片基于Stable Diffusion v2模板，由Alfred Increment撰写