大家好,我是 eason, 上期给大家演示了启动搭建工作流节点,但是总有人在评论区说, s d 一 点五都过时了,别学了,直接上 s d x l 吧,或者直接上手 flux 等。今天我就一句话告诉你答案, 新手不但要学,而且要优先学。先说硬件门槛, s d 一 点五最低四 g 显存就能跑,而 s d x l 至少八 g 打底, flex 直接要求十二 g 以上。大多数新手用的还是普通显卡, 四 gb、 六 gb 显存的人才是大多数。先让电脑跑起来,比什么都重要。这是 cvt 上 s d 一 点五的模型数量, lora 数量标注十万加模型数不胜数。 再说生态问题, s d 一 点五发展了两年多,模型 laura controlnet 教程全面覆盖,你想做漫剧,有专门的漫剧 laura 和画风,模型出问题了,搜一下就有答案。 而新模型出了问题,全网都找不到解决方案,你卡在一个地方就真的动不了了。新手最需要的就是有人走过的路,而不是自己开路。 最重要的一点, confu i 的 逻辑是相通的,你在 sd 一 点五上学会的 checkpoint played k sampler v laura controlnet 这套知识体系放到 sdx l 和 flux 上完全通用, 区别只是模型文件不同,操作逻辑一模一样。学会了 sd 一 点五 升级就是换几个文件的事,所以结论很直接,预算有限,显存低于八 g 的 新手, sd 一 点五是你最正确的选择。先跑起来,先出图,先建立信心,比纠结用什么版本重要一万倍。等技术上来了,硬件也升级了,再换 sdx l flux 无缝衔接。 我是伊芬失业狗, ai 慢剧关注我,我就是用 s d 一 点五从零走到现在的评论区扣 s d 一 点五,我看看多少人收藏了,下期见。
粉丝1.4万获赞4.3万

大家好,我是一粉,粉丝反馈说打开 c 站几千个模型看花眼,今天一分钟给你拆明白 s d 一 点五模型有哪些,怎么挑最适合自己的? 先快速回顾一下 s d 一 点五模型, s d 一 点五是 star b a t a i。 二零二二年发布的开源绘图模型,基于五百一十二乘以五百一十二分辨率,训练 体积约四 g, 六 g 显存就能流畅跑。它的优势就三个字,轻快、多而且生态成熟。 control nike laura 全兼容,新手遇到问题随便一搜就有答案。 目前 s d 一 点五的模型主要分五大类,整理一份 xmind 的 文件,如图一、写实类,比较追求真人质感,代表模型有 dream shaper。 八、 magic mix、 realistic、 realistic vision、 dream shaper 优点,写世人像,光影比较细腻。 match a k m i x 优点,亚洲脸,皮肤通透,出图稳。二、二次元和动漫类,适合做慢剧主力,代表模型有 anything v 五、 contrat minna max、 anything v 五是二次元,经典,画风统一,还原度高,做慢剧首推三、二点五。 d。 插画类, 追求平衡写实和动漫。代表模型有 viviana matte 阿尼 mark, 既有二次元的线条感,又有写实的质感,漫剧分镜适用性最广。 还有卡通 q 版类,特点是轻松可爱。风格代表通 you 三、地下划线 car 秤下划线微神,适合做儿童像,搞笑像漫剧,画风讨喜。最后一个是通用全能型, 新手闭眼入,代表直英 shape。 八,写十二次元通吃,触图稳定。如果是新手,第一张图选它准没错。以上就是大模型的分类,但是怎么挑?记住两个原则,第一,先想清楚你要什么风格 作慢句,首选二次元类作写实人像首选写实类,如果不确定,选直音 shaper 都抵第二。下载前去 c 站看样章,同一个提示词在不同模型下效果差别很大,看样章最直观。 另外留意文件格式,优先选 safe tens, 比 cpt 更安全。 最后总结,行手直接抄作业做慢句,选 ediffin v 五或 conjet 作写实选直音 shaper 八或 magic mix realistic 啥都想试选直音 shaper, 八万精油。最后补充一下,模型没有绝对的好坏,适合你硬件和需求的就是最好的,先用一个跑起来后面慢慢识别的。 我是一份失业死磕 ai 漫剧关注我,咱们一起把技术变现评论区扣选模型,我帮你推荐一个适合你的。

大家好,我是 eason, 上期给大家讲了 s d 一 点五是否还能学和 clip 文本词的编辑,但是粉丝问,那我能不能直接上 s d x l? 今天用一分钟告诉你 s d x l 入门该知道什么。 s d x l 是 stability ai 二零二三年七月发布的第三代旗舰模型,全称 stable diffusion。 x l 跟 s d 一 点五比三个核心提升。第一,原声一千零二十四乘以一千零二十四分辨率 s d 一 点五是五百一十二乘以五百一十二,起手放大了弧, s d x l 直接原声高分辨率,细节更丰富。第二,双文本编码器 用了 openclip v i t g 和 clip v t l 两个编码器,语义理解更精准,复杂提示词也能 hold 得住。第三,二阶段生成架构, bass 先生成草稿 refiner, 在 精细打磨画质细节上了一个台阶。 但说句大实话,硬件门槛比一点五高不少, s d x l 最低要求八 g 显存,推荐十二 g 以上 模型文件约七 g, 此盘空间也得预留够。所以问,能不能直接上 s d x l? 先看你的显卡,六 g 以下,老老实实一点五起步,八 g 以上再考虑 x l。 我 自己用本机测试生成一张 s d x l 模型的图片, 大约在二十五秒左右,但是如果用 s d 一 点五的话,生成图片大约只需要十秒左右。 如果你显存够,想直接上 s d x l。 记住这几点,第一,下载模型要两个, s d 下划线 x l 下划线 base 下划线一点零 safe tens 基础模型 和 s d 下划线 x l 下划线 refiner 下划线一点零 safe tens 精炼模型 v 文件也得配套下。 第二,出图尺寸不要低于一千零二十四乘以一千零二十四, s d x l 是 在这个分辨率上训练的,尺寸设小了反而效果差。第三,裁样器推荐 d p m 加加 r m k r s 步数三十左右起步。 最后总结一下核心结论,如果你显存够,直接上 s d x l, 画质一步到位, 显存不够先一点。五练手,逻辑通用,以后升级无缝衔接。我是伊芬事业死磕 ai 漫剧关注我,咱们一起把技术变现。评论区扣 s d x l, 我 帮你看看显卡能不能跑。

最新 mgs 低命运高达全流程拼装过程,一个零件都不落,让你不看说明书都能拼!首先是头部,这次内部空间不大, 因此要挖掉一部分才能装电池和灯。之后我还是选择可以充电的灯组,方便以后没电的时候直接充就好了。这个系列之前的几款加灯教程,大家可以翻一翻之前的视频, 有什么问题可以直接留言或者私信我,看到之后都会第一时间回答。今天的命运高达自带光影,所以我打算除了眼睛亮灯外,光影也要亮,做出来效果一定超级棒。 各位小伙伴有什么推荐的灯带也可以留言给我哦!这次的头部有点难,因为比较小, 可以考虑用镊子,眼睛朝上来安装,会容易一些。这次的后脖子部位有一个很小的联动,可以让抬头时角度更大,低头时也可以展开盖住后脑勺,小细节做的很好。 接着我们开始拼装身体部分,视频有点长,但是看到最后会有小惊喜哦! 头部拼装时间大约十五到二十分钟,身体部分可能时间要加倍, 有些零件拼之前一定要多看说明书,万一拼错了,右岸的痕迹就不好拿出来了。 新手玩家可以去买个取件器,这里我也不打广告,想买的可以自己去网上搜一下, 如果徒手很用力的掰断零件,补件可是很贵的哦,很不划算的。看我拼的时候其实都是反复观察的,只是我剪辑的时候把我犹豫的部分全都剪掉了,哈哈哈。 这次的身体部分看介绍说前倾和后仰角度都很大,向前甚至都能让头着地,之后的评测我一定要试试看。 基于优秀的可动,可以让玩家摆出各种夸张的动作,只是这次里面并没有支架,所以大家最好去买一个, 毕竟命运有一个大翅膀,腿又那么短,没有支架不稳,做的动作也很少。 身体部分完成后就可以直接安装头部了,来欣赏一下头部的可动吧。 第三部分就是手臂和手掌,因为左右两个有一半是重复的,因此我就只放其中一个手了哈,节约点时间。大家如果看困了可以点击小心心或者小收小藏,下次接着看,哈哈。 这次手不可动也很给力,虽然是小短手,但想要的动作能够给你做出来, 直接一只手变两只。现在是手臂连接盾牌的部分, 从这里开始我就一点五倍加速了哈,像手臂和腿还有肩膀这些重复的,拼起来也是挺考验耐心的。 手臂部分完成,接着是手掌,这里我第一次拼的时候不小心手指拼反了,大家看说明书的时候一定要看清楚,因为这里再拆开有点困难。 这里也藏着一个可洞,之后是可以加盾的,黄宝石闪闪的好看。 手臂和手掌组合到一起,两手就这样完成了。接着是肩膀部分了,肩膀有两个,我也只放一个了哦。 肩膀这个位置也设计了一个可动部位,不过幅度有点小,再大一点的话会更好。 肩膀超简单的,完成后我们就可以先安装肩膀,安装肩膀和手臂的时候要看看孔,这里需要先向上安装,然后再翻下来,头部往后仰,避免碰到天线哦。 接着我们继续拼装,腿部有很多小零件,对于手比较大的人来说并不是特别友好,所以我很少玩二 g 和 h g 的 零件太小,我捏都捏不住。 谢谢大家看到这里,其实长按屏幕可以直接两倍速观看视频,现在已经是一点五倍速了哟! 两条腿拼好了,然后拼装脚掌,这次的脚拼好了之后有点松,不知道是不是我的拼装有问题,不知道大家在拼的时候有没有发现呢?还是只有我一个人这样啊, 实现我们的梦想。脚掌拼好后就可以和腿部组合了,嘿嘿,太 快,两个都拼好了, 主体部分还差。裙甲没有拼哦,不过这个很快,几分钟的事情, 这里友情提醒一下,有的妆比较细,拼好之后摆动作时千万要小心,不要硬掰,感觉到很紧就看看是不是哪里卡住了,这样可以减少大多数的断妆。 好了,这次的裙甲我觉得还是很漂亮了,分色什么的也都不错,安装起来也特别简单。 裙甲完成,我们接下来就要把主体所有部分安装到一起了,差点忘了两边也有测裙甲,这个也要先向上安装,然后再翻下来,这样更稳,不容易掉哦。 喷涂的朋友小心不要刮到旁边哦,不然就是一条浅浅印子。然后我们要开始拼背包部分了, 这次的背包拼装是拼一半先装上,然后接着在上面拼 背包完成,开始拼装。大翅膀,我感觉这个比自由还有强字的翅膀简单,毕竟重复的部分少了很多。哈哈, 可能是我的错觉,这次的水纹控制我觉得是目前为止最好的,就比如这个红色大翅膀,看上去有点像喷涂后的颜色,当然我没有用滤镜, 水纹比较明显的是黑色的部分,但总体比以前好多了,不知道是用了什么新技术吗?现在在拼的是箭炮装备的背后支架, 现在安装大翅膀,然后是连接键,样子是真的帅啊。 最后我们要拼装的是武器和盾牌,首先是炮装, 不知道为什么每次拼高达我都很喜欢拼武器, 拼好后可以弯折收纳,然后是简装, 这两个拼好直接放到背后去,不要让我的 n b 强袭看到。步枪拼装和其他的都差不多,很快就拼完了, 至于小的看得见的水口吗?大家用支架磨几下就没了。最后这个拼完就结束了,大家看到这里的困了吗? 反正我连拼装加入视频总共用掉三个多小时,剪辑视频大概用了两个多小时吧,那么长的视频估计推的也很少,大家看到这里就是缘分,看完光易的安装麻烦点个小关小注, 后续我会评测喷涂加灯,大家有兴趣的可以留意后续视频哦!今天就更新到这吧,最后来欣赏一下。

最新康复 u i 软件整合包震撼登场了,作为热门 ai 生成工具,新版本现已重磅更新,依旧提供完全免费的使用权限, 图片视频生成质量得到大幅提升,操作步骤也做了精简处理,新手也可以快速上手,软件开源无收费套路, 那么就由我教大家如何使用吧。那么本节课呢,我们就正式的来开始讲解一下我们这些基础工作流的一些答题方式,以及他的一些底层逻辑。 我们先从最简单的纹身图开始啊,大家不要觉得纹身图简单,就觉得学它没有什么用,但其实最有用的就是它,因为很多很多工作流都是在它的基础上进行搭建的, 那么我们就直接用官方最基础的纹身图工作流来进行讲解,等会呢,我会慢慢衍生出其他的一些纹身图的工作流流程。 然后我们先看一下这个纹身图工作流呢,它主要包含了几部分,我们可以来数一下,一二三四五六,总共有七部分,对吧?另外呢,也有相同的一部分,就是我们的 copy 文本编码器,那么总归来说呢,其实是六部分,只是刚刚的节点用到了七个, 那么它们的各个作用是什么呢?首先是我们的 trip 加载器,那么 trip 加载器里面呢,它其实加载的是我们的大模型,我们可以把一整套工作流看做一个智能体,那么什么是智能体呢? 其实就是利用我们本来有的文本大模型或者图像大模型,那么这些文本大模型和图像大模型在最开始的时候我们都知道像 pdf 啊,它只能够回答我们的问题,并不能去搜索网页,或者说帮我们做一些 ppt, 对 吧?那么当我们人类给到它工具的时候,它就可以自己去调用这些工具,比如说我们要它做一个 ppt 原生呢,这一个 pdf 的 大模型,它是不知道怎么做 ppt 的, 因为它没有趁手的工具,然后我们人类告诉他,哎, 你可以用这个工具去做这个 ppt, 然后这个 ppt 就 会长出自己的手,去把这一个 ppt 的 工具拿上,然后就帮我们把工具, 哎,然后就帮我们把这个 ppt 给做出来,那么这个工作流也是一样的,首先呢,我们一整套工作流的运行,我们需要一个大脑,也就是像 ppt 一 样的模型,但是这个模型呢,它属于图像模型,并且它分成了很多种类,那么这些种类呢,在前面我也简单的提过,大家可以记一下, 对于图像大模型开源的,我们一般把它分为最常用的几类,第一个就是 s d 一 点五模型,也是最轻量以及最小的模型,但是它的效果最差。 那么第二个呢,则是我们的 sd 叉 l 模型,那么是第二轻量的模型,但是它的效果比 sd 一 点五要好。那么以上去叠呢,就到了我们的千万模型,那么千万模型之后,我们就不再去提及其他模型了,因为现在康普 u i 里面,基本上千万模型都可以解决百分之九十的一些图像问题。 二呢,也有另外一个比较偏的模型啊,不偏很火,但是不在这些体系之内,叫做 that image turbo 模型。那么这一个模型呢,它跟 s d 叉 l 模型一样, 非常的清亮,但是它生成图像的质量却非常的高,所以说一般来说,现在我们去用到生成图像,在开源领域我们都会用到 that image turbo 模型跟我们的千万系列的模型,所以大家记住这两个就可以了。但是我们从这一个纹身图的工作来说,我们先从 最基本的 s d 一 点五的这个模型的啊这个工作流进行讲解,为什么呢?因为不管是千万模型,还是说在 image tabo 模型,其实都是指在这个纹身图的基本模型上进行改造而已,只不过是加载模型的方式变了而已。 我们可以通过一通百通的方式先去把这个流程摸明白,然后我们再慢慢的去讲后面的两个模型的一个纹身图的流程。 那么这一个大模型的加载,把大模型加载出来之后呢,这每一个节点都会变成它的工具,它通过这些工具的互相调用之后,就可以生成我们所要的图片了。那么这些工具的作用是什么呢?我们先来看一下, 有了这一个大模型加载进来之后,我们是不是需要告诉大模型我们需要什么东西?就像跟编辑交流一样,比如说我想要你生成一篇文章,我想你生成一张 ppt, 那 么这个文字输入的地方在哪里?就是我们的 delete 文本编码器, 但是不一样的是我们的 clear 文密码,其他分成了两个,一个呢是正向,一个是负向。比起 d p c 来说呢,我们可以告诉他我们不需要什么东西,我们需要什么东西。那么正向呢?就是填入我们所需要的东西告诉他,然后负向呢?就是填入我们不需要的东西。 那么这里有同学就会问了,为什么我们填入的语言计算机可以看得懂,那么它的最终的秘诀就在于编码器三个字。其实计算机的语言跟我们人类的语言是不一样的,只要是对计算机有一定了解的同学都知道,计算机 他去读取这些信息的时候是用符号,或者说是用数字来进行识别的,那么我们输入的这些文字呢?啊,他都不是数字,对于计算机来说都都是一些比较抽象的符号,他不能理解。 那么这一个可立的文本编码器里面的编码器的作用就是将我们输入的人类语言的文字编码成为一二三四五这些数字去由这个计算机读懂。 然后他编码完这个数字之后,我们会发现下一个 k 长计,它其实相当于什么?相当于整一个工作流的一个信息采集中心。那么我们会发现我们把文字输入之后,由这个可立的文本编码器编码完之后,变成数字之后,这些数字会传向哪里? 就是传入到了 k 长器里面,只要在 k 长器里面,我会发现它还有一个什么样的点,叫做模型点对不对?那么这一个模型点由哪里传过来?就由我们的 shift 加载器的模型这里传过来,那么这里就要讲到我们 shift 加载器里面这三个点作用了,分别是模型点、 delete 点跟 v a e 点。 那么我们要知道大模型的一个训练方式,其实是将一个空盒子原声,比如说我要训练一个大模型,就像 dipc 这样子的模型,我先准备了一个空盒子,叫做 dipc, 只要在这个空盒子里面,我们不断的去加入一些资料给他,比如说一些文本资料,一些图像资料,然后他去学习这些文本资料和图像资料之后, 哎,他终于有了可以反馈我们的一些能力,比如说我们告诉他,让他帮我们写一篇叫做啊啊寻情记的文章,对吧?那么这些文章呢?他怎么样去写? 就调用他原来空壳子里面被训入训练进去的这些资料,然后把资料重复调进去啊,然后进行重组,就变成了一篇新的寻亲记的啊这种文章。那么图像模型呢,也是一样,主要训练的就是一些图像的素材 跟一些文本的素材。那么为什么会有文本的素材呢?因为我们将图像的素材投入给这个空壳的时候啊,我们需要在这个图像旁边去进行打标,那么这个打标的意思就是去描述这张图像,那么在后面我们输入这些文本的时候, 他就可以对原声输入进去的图像旁边的打标的这些文字进行读取,然后对标准这张图像,然后提取图像的这个细节,然后进行重组。所以说这个 click 点显而易见是一个什么样的点, 应该是对这个打标的这些文字进行处理过的信息,对吧?所以说这里面的 cleveland 主要在这里进行文本编码器的时候,是有进行一定的信息比对的,它会跟原声打标进去的几十万或者说几千万的这些文字进行比对,比出来之后跟我们输入的提示词最为相 近的文字就会被留下,最后给到我们的 k 长器,对这些模型点里面的图像信息再进行比对,然后就获取图像的像素点,然后进行再次的组合, 所以这个流程顺下来,大家应该很明确。这里进行了几步信息比对,其实主要是两步,第一步在可立的文本编码器里面,先将我们输入的文字进行编码成为数字,然后再将里面进行,然后再将里面 shift 加载器 面有 clear 点输出的文本信息进行比对,然后两相比对之下,把里面有的文本信息留下,然后传到 k 场记,就有了我们第一份已经比对完的文本信息,然后第二份呢,就是在我们的模型点这里传输出来的图像信息,只要图像信息原先就被打标了,就被识别过了,所以这两个 提示词对比过后的信息,跟我们的图像信息一对比,他就知道我们要什么内容了。最后再通过一张白色画布呢,就有这一个空楞腾 啊,也就是说在这里面信息比对完之后,他会在这一个棱痕点,也就是我们空棱痕点到他的白色画布里面进行作画,然后这里面的作画我们看一下, 我们点到他的白色画布是有尺寸大小的啊,这里我们设置为了五幺二乘以五幺二,也就是一个正方形的尺寸大小,我们也可以点到他五幺二乘以七六八,那么这样子呢,就会是一个长方形的一个空画布, 他在这个空画布里面将作画做完之后的画再进行一个降噪的一个处理,就形成了我们真正的这张图像,然后降噪完之后,我们会发现整一个流程啊,在这里面进行信息比对的时候,是不是始终都处于计算机的信息,那么我们人类去看这些数字成不成立, 肯定是不成立的,因为人类看的符号,即使拿像素来说,他都是像这种文字一样的抽象符号,那么 我们要将计算机这种明确的数字符号转化成为我们这种抽象的像素符号,那么我们就需要把它解码出来啊,因为我们之前进行了编码的一系列的这种操作,我们最后就需要进行 ve 的 解码,对吧?所以说这里的 ve 都起到作用了,可以看到吧连接过来, 然后连接过来之后,将我们这些抽象的计算机的信息进行 ve 解码,解码出来之后就变成了我们能看到的像素图像了,所以说整个流程其实非常的简单,就是 我们的大模型里面已经有了计算机的信息,根据我们输入的人类的文本信息,再将这个文本信息转化为编码的计算机的信息,然后进行总的计算机能看得懂的所有信息的一个信息比对,然后在 空扔腾里面进行作画,作画完之后,但是这个作画是由计算机去作画,我们人类看不懂,最后要用一个解码,将计算机的信息又解码成为人类的信息,这时候我们人类就看得懂了,所以说整个流程其实非常的简单明了。 然后这里面呢 k 场器会有一些信息,我们可以看一下随机种呢,我们可以直接就是说它其实相当于我们生成出来的这张图 片的身份证,但是这张身份证它并不是通用的,因为即使在全世界的国家里面,身份证即使你可以看到它的编码相同,对应的人种不相同,那么人长得也就不一样,对吧?那么自己的身份证呢?当你这些信息都固定不变的时候,那么这个身份证就只对应一张图片,那么当我们去改变这个彩样器的时候,那么 即使他的身份信息一致,那么图像也会发生改变,也就是说这个彩阳器它就相当于一个国家,它的国家国籍变了,即使数字相守,那么对应的人也是不一样的,大家可以理解,对吧? 那么这一个调度器呢,其实就相当于韩国的那种整容院,大家能够明白吧?然后这些步数和 cfg 啊,都是这个整容院的一部分,只是说你把这个容貌整的怎么样,然后说,哎,你去 换不同的调度器,在彩阳器不变的情况下,你会发现图像会有略微的变化,就好像进行了不断的整容一样啊,这个是我们需要知道的。 然后这一个步数和 c、 f、 g 呢,就像我刚刚讲到一样,其实它相当于我们的整容,但是它会影响图片,影响的更加的直接,它在进行画图的部分就会进行到影响, 这步数呢,就是说我们在进行白色画布里面作画的时候啊,会画多少笔?比如说我步数给他二十步,那么他就一共画二十笔,给他十步,他就一共画十笔,那么这里我们就可以看到,其实给的步数越少,他画图像画出来的越不精确,对吧?除非有一些模型特定的啊,比如说有一些模型很厉害, 他只需要画四笔,他就可以画出来,那么这个步数就可以设置为四,但是这里呢,我们一般都会设置为二十,对于原声的大模型来说,那么如果说高一点呢?三十也可以,但是太高就没有必要了,因为我们一张画布的容量它是有限的,比如说 我这张画,我明明画二十步就可以画完了,然后你减到三十步、四十步,他只是增加一些无所谓的一些细节而已,这些细节其实我们根本就看不出来,所以说增加步数只会 徒劳的去损耗你生成视频的一个时间,因为它确实给你画了四十步,但是其实图片没有任何的一个变化,所以说这里我们设置为二十步,一些默认的或二十五、三十都是可以的,比较好的一些数值。然后这些 cfg 呢,是对于你 这一个输入的文本的啊,一些参考的一个权重,这个 cfg 越高,它对于你输入的文本的参考的权重就越高,那么它越低呢?也就是呃越差。那么不同的模型呢,对于这个权重是不一样的, 比如说我们的 s、 d 一 点五模型,这个 c、 f、 g 就 会在七到八之间,那么我们的 s、 d 叉 l 模型呢,它大概就会在我们的一个五到七之间。大家要记一下这些参数,这些参数都是固定的啊,有很多这些作者一起去尝试出来的, 那么如果说你来到了千万模型的话,大概这个 c、 f、 g 一 就够了,为什么?因为千万模型它的模型是很厉害的, 它对图像的训练参数非常的大,它有一百四十多亿的一个参数,那么这这个参数数量呢?里面包含的文本信息就非常非常多,并且它里面用到的 delete 的 这些文本 的模型呢,它也是非常强大的,所以它说它的 cf 并不需要很高,如果说这个 cf 超过了这个模型本来的限度,那么就会有一个过礼盒的一个状态。什么叫做过礼盒呢?就是你生成的图片饱和度会非常的高,然后锐化也会非常的强大,所以这里我是不建议 设置太高的。对于一些特定的模型来说,那么特定的模型呢?对于特定的 c、 五 g 都有要求,那么这个后面我们会慢慢讲到。然后另外这一个降噪是什么意思呢?降噪其实就是对于你整张挂布挂的图像,那么计算机去画图的时候,其实就是拿一堆噪点进行拼凑,那么 这些噪点拼凑完之后,他需要把没用的噪点给它抹除掉,然后留下有用的噪点拼成图像。所以说这个降噪在纹身图的时候必须是一, 就像一个婴儿刚出生的时候,我们需要用百分百的力气把他接待出来,但是如果说这个婴儿已经出来了,我们后续需要对这个婴儿进行一些细节上的修改,那么这个降噪就不需要太多,我们只需要赋予他一些新的条件就可以。比如说 我想要这婴儿改变一下他的衣服,那么我是不是只需要换一件衣服给他就够了?我们不需要将他把整个衣服又给他全部怎么样怎么样,对吧?会重新编制一张给他, 会过于麻烦,所以说纹身图的过程其实就是接待一个新生儿的过程,变这个新生儿的随机性非常的大,所以说我们这个降噪要给到百分之一百,那么图生图和纹身和局部同绘呢?我们可能就不太需要,那么这个时候我们后面才会讲到的, 那么本堂课呢,我们主要就了解一下我们整一个纹身图的一个流程,那么为什么说啊?这整个流程里面,我们对于 that image turbo 的 这个纹身图的 作流啊,或者说千万的纹身图的工作流,只需要懂这一个流程就可以了,因为我们来看一下 that image 的 啊,那一个纹身图的工作流是怎么样的?然后我们直接用模板去打开,那么这里会有一个操作,当你从这个模板里面打开 that image turbo 的 官方工作流之后,你可以看到只有两个节点, 其实这里有一个概念,叫做节点组的一个概念,叫做子工作流的一个概念,那么这个子工作流呢?其实它被包含在了里面,我们点开看一下,哎,这里面就是我们完整的一个工作流,对吧? 然后我们再返回到外面去看一下,那么在这个外面呢,我们就可以看到,呃,它就变成了两个工作流,那么我们如何把它释放出来呢?其实非常的简单,我们只需要按右键, 然后这里有个 appplay, 什么东西点击一下,那么它就被释放出来了,那么释放出来之后,我们看一下这个工作流跟我们原生的那一个纹身图的工作流有什么区别?那么它的区别就在于,哎,它的加载模型的方式变了,对吧?但是你还会发现它加载模型的方式虽然不是我们的切换加载器,它用到了一个叫 unet 加载器, div 加 i 器加上 v a e 加 i 器的东西,但是呢,三个点始终没变,依然是我们的模型点和 live 点跟 v a e 点,对吧?只不过不同的模型有不同的加载节点的方式,其实整个流程都是不变的,那么这里我们可以看到,呃,它没有什么,没有负面条件,对吧?为什么?因为负面条件其实它也是有连接的,为什么它这里没有负面条件的 那个文件框呢?是因为它用到了一个条件临化的一个节点。那么 that image turbo 这种大模型呢?它是不需要负面条件的啊,因为它已经把负面条件训练在这个模型里面了,所以我们只需要用到一个条件临化的节点, 然后把正面条件的这个线给到条件临化,然后让正面条件所有条件归零,然后把归零的条件给到负面条件即可,那么就等于没有负面条件,但是这个线它是必须要连进去的,这个负面条件的线如果没有这个线的话,它就会报错,大家一定要记住。 然后这里空人毯就是我们的白色画布,最后就是 b a 一 节嘛,然后出来我们的图像跟我们的纹身图那个 s d 一 点五,或者说最基础的纹身图的工作流是一模一样的啊,这里我们是需要知道的。那么本堂课内容呢?有那么多,如果你觉得大家还讲的不错的话,不要忘记一切散了,我们下期再见,拜拜。 我们接着往下讲我们的图生图跟局部重绘,也就是我们下面这两个图片生成的啊基本工作流。那么我们先看一下图生图的工作流, 其实图生图的工作流非常的简单,只是在我们的纹身图的工作流上面进行稍微的一个修改,那么既然是图生图的工作流呢,肯定就是用图片生成 图片,对吧?我们双击一下空白处,然后呢去加载一个加载图像的节点出来,那么这个加载图像的节点加载出来之后呢,我们需不需要用到一些其他的东西?是需要的啊, 因为在我们的 tripon 里面的这一个大模型里面的图像信息,它已经被编码成为了计算机的信息啊,也就是说我们的计算机看不看得懂,我们加载进来的图像信息,现在肯定是看不懂的,我们为了让它看得懂要怎么办?是不是也要让这张图 图像的我们人类看得懂的抽象符号信息,让这个计算机也看得懂,变成数字信息。所以我们要对这张图像进行什么进行编码,那么我们直接在图像的这一个点上拉出来一条线, 然后放掉它,就会有一个 v a e 的 编码器,然后用到了这个 v a e 编码器之后呢,我们需要借一部分的 v a e 功能过来,那么这里呢,我们 就把大模型里面的这一个 ve 功能给它连接过来啊,这里不小心点到了,不好意思,我们把大模型的这个 ve 功能给它连接过来,那么这样就激活了我们的 ve 编码器了,激活之后呢,它会有一个 learn 点, 那么这里我们会发现这个 learn 点在前面纹身图的时候,是不是由空 learn 去进行提供的, 那么这个空人腾呢?我们上节课也讲到过,他属于一个空画布,对吧?那么这里为什么会有一个人腾呢?是因为我们的图生图其实就是用图片生成图片,也就是说我们要做的只是在一张图片上去进行修改而已, 也就是说这张图片其实已经在画布上面了,在一张已有的画布上,画布里面已经有内容,然后我们要对画布里面的内容进行一定的修改,这个就叫做图生图。所以说这张图像上传出来的宽高五幺二乘以六四零, 就是我们这张画布的大小,我们直接把这个棱长点给它传到 k 长器里面去,那么这一个空棱长我们就可以给它去掉了。 然后现在呢,我们的图深图的工作流就搭建好了,非常的简单。那么这里我们要尝试几个问题,比如说,哎,我把这里修改一下,那么这里呢,我将我的正面条件修改为了一个女孩是红色头发,对吧?然后负面条件呢,我这里没有进行填写, 那么我直接就点击生成,我们看一下它的一个效果,那么这里呢,我会发现我生成出来的这张图像跟我的原图没有任何的关系,对吧? 不管是这个脸部的朝向,还是这个衣服的穿着,这是为什么呢?是因为我们这里会有一个参数,就是降噪。那么在上节课我们讲到我们在纹身图的时候,我们给到它的是一张白色的画布, 我们需要他在里面进行信息比对之后进行画画,画画之后,其实计算机的画画方式就是用一堆的灶点进行堆砌,但是这些灶点 他并分不清里面是有用的灶点还是没用的灶点,我们需要用到这个降噪值去将没用的灶点给他全部去掉, 然后留下有用的噪点,根据这些信息,然后最后形成我们的图像,那么这里呢,这里降噪如果始终保持为一的话,那么你就会发现它其实在这张已经有内容的白色图像上,它就相当于又盖上了一个白色的图像,并且这个白色图像的尺寸跟我们上传的这张图像的尺寸是一致的。 那么如果说我们只需要改变它的细节,就像我们上节课说到了一样,我们只需要将这个降噪值给他降低即可,比如说这里我给他降到零点六,然后我们再次点击生成,我们看一下它的一个效果。 好,那么这里呢,就可以看到这个就完全一样了,朝向对吧?衣服也是一样的,只不过这个手崩掉了,但这个无所谓啊,因为是模型比较差的原因, 因为始终是 sd 叉 l 的 一个模型嘛。那么这样子呢,我们就可以看出来,它在这张图像上面呢,它只铺了一层很浅的一个降噪点,然后这些降噪点呢,就是 这个 ai 用做重新作画的一些东西,但是由于它没有铺满,没有铺上一个新的画布,所以说它只能在原来有的内容上进行一些细节的修改,那么这个就是我们的图身图了,那么衍生衍生出来的,如 如果说这个模型我们去改变成为一个动漫模型的话,我们直接搜索一下,看有没有动漫好,这里有一个日本动漫的叉二模型,我们就用这一个,然后保持我们降噪为零点六,然后点击生成 我们看一下。好,那么这里呢,我们就可以看出图片生成出来了,我们会发现它将这张图片变成了另外一个风格的图片,所以说我们会发现图生图的妙用其实就是最基础的一个图像转柜的啊,一个流程,它可以通过你模型里面的训练参数, 比如说动漫模型训练的就是一堆动漫人物,那么他根据这个低的降噪去参考住了这个图像的构图啊,以及人物脸部的头像啊,然后在基本上不改变的情况下,将你这个变成符合我们这个大模型已经有的 这里面训练进来的一些图片参数。那么我会发现这个图片质量其实非常的差,为什么呢?因为在我们的 s d 一 点五和 s d 叉 l 的 这个模型里面呢?我前面反复说过,他们是需要输入负面条件的,他不像我们的 red image turbo 模型,就是我们上节课展示过的一样, 所以说我们为了让他的图片质量变得更高,用 sd 一 点五或者 sd 叉 l 的 时候,这个负面条件我们可以去填填一些通用的词,比如说啊高质量啊,崩坏的一些什么什么东西啊,我们把不要东西都给他,比如说低像素 崩坏的手部,对吧?然后不精确的人脸这些我们都可以给到他,然后可以提高我们图像的一个质量,但是这里呢,我们只做一个讲解就可以,因为对于这种 图深图最基本的 s d 一 点五 s d 叉 l 的 工作流我们是不需要去学的,现在我们只需要用到后面的 red emoji 模型和千万模型就可以,只不过我们现在是以小见大的,先拿这两个小模型来给大家进行讲解而已,但是它的工作流是不变的,只不过是加载模型的节点有所改变而已。 那么接下来呢,我们再讲一下我们图生图的一个衍生,也就是最重要的局部重绘,那么图生图的这一个基础工作流呢?其实并没有局部重绘的工作流那么重要,那么局部重绘的工作流呢?其实就是图生图里面对于某一个 啊一个细节的内容进行修改,那么这里呢,这个 ve 编码的节点我们就需要进行改变了,要改变成什么样的一个节点呢?就是能够识别到我们想要改变某一处的那一个节点,那么它叫做 ve 内部 编码器,我们可以连接一下,这里一样的有一个 v a e 内部编码器,那么我会发现这个节点跟我们的 v a e 编码的这个节点有什么不一样哎,它多了一个遮罩点对吧?那么这个遮罩就是能够让我们这个 ai 去精准识别我们要修改部位的一个非常重要的因素, 比如说对于这张图片,我们直接右键,右键之后往下滑动去找到我们的一个啊画布,那么这个画布在哪里呢?那么从这一串英文可以看到,这里有一个 open in mask edit, 对 吧?就是这一个,我们点开一下,哎,这里就有一个遮罩编辑器可以看到吧,我们可以用画笔简单的对这个遮罩编辑器进行 涂抹它的头发部分啊,我这里涂的比较粗糙啊,大家不要学我。好,我这里简单的涂抹完之后呢,我们点击一下保存,那么这里就可以看到它有遮罩部分了,对吧?那么有了这个遮罩部分之后呢, 同样的,我们将 v a e 的 这一个先给它连接过来,然后这里加载图像点,后面有一个遮罩点,我们给它 传输进来,然后我们再把这一个 v a e 编码的这个节点我们先往后放一下, 它已经没有作用了,那么对于这一个我们同样的,这里输入 build with redhead, 也就是我们同样的需要拍一个红色头发,对吧?但是大家不要被这个画笔的部分误会了啊,因为这个画笔只是代表了遮罩的一个区域,那么这里为了让大家更好的去 进行一个识别呢啊,我就换一个画笔颜色吧,我先把这个给它去掉啊,给它清除掉,然后这一个画笔的颜色呢,我们去把它改成黑色啊,然后给它这个颜色改深一点,然后我们再进行一下涂抹, 好,这里依然我是涂抹的很潦草啊,简单的涂抹一下就可以,然后保存一下,然后呢我们再把这一个降噪,我们把它调成零点六,看一下它的一个效果, 那么这里呢,我们会发现它并没有重绘成功,为什么?其实原因就在于这一个 v a e 内部编码器,大家一定要记住 v a e 内部编码器,它的工作原理是什么?它是在你这个遮罩的部分重新加入了一个完全空白的画布, 所以说你现在可以把它看成这是局部重绘里面的纹身图模式,也就是说在这一个蒙版的部分呢,它属于一个状态,那么我们的降噪就需要给到一, 然后我们再次点击生成,看一下他的一个效果。好,那么这里呢,我们就会发现,哎,他头发部分确实重绘了,对吧?但是你可以看到他这个头发部分怎么样? 还出现了人眼,对吧?非常的怪异,这是为什么?就是因为在这个白色画布里面呢,他这个 ai 的 自由度非常的高,他只管你,他要一个红色头发的女孩,他并不管你这个符不符合,那么为了让他变得更符合呢?我们要怎么办?是不是将这一个 纹身图的局部重绘变成图深图的局部重绘,那么它就可以参考到我原来头发的一个发型,它就不会随便生成一些东西进去, 所以说我们需要把这个局部重绘的啊,这个工作流改成图深图的局部重绘的工作流,而不是纹身图的局部重绘的工作流。那么它的优点就在于这一个 v a e 编码 组合。另外一个节点,我们可以往 lantern 点这里拉出来一条线,然后放掉它,这里有一个,它,这里会有一个设置 lantern 照波遮照的一个选项。啊,那这里没有显现出来,那么我们直接去搜索,在空白处双击,然后呢我们直接在输入框这里 搜索设置就可以,然后这里有一个设置 lantern 照波遮照,给它点击一下召唤出来这个节点, 那么这个节点出来之后呢,我们简单对这个 v a e 编码后面的轮毯,先连到设置轮毯罩波遮罩里面,然后我们把遮罩点给到这一个,然后最后再把这个轮毯点 给到我们的黑场器,那么这个 v a e 内部编码器呢,它就没用了,因为它的轮毯已经断开了,它没有信息传输的一个权利,我们给它放到这边来, 然后这里我们就可以尝试的再把这个降噪给他调到零点六,然后再次点击生成,我们看一下他的一个效果,那么现在呢,你就可以看到,哎,他这个头发就符合了,对吧?只不过呢,由于我们原来的这个大模型呢,他属于一个动漫模型, 所以说他有一个动漫的就衔接的很差,那么我们把他改成一个真实的一个模型, 那么改成真实模型之后呢,我们再次点击生成看一下它的一个效果,好,那么现在呢,可以看到效果就好了不少了,对吧?那么有同学会问,为什么他这个画的这个眉毛完全变了呢?是因为我这个遮罩画的呀,你可以看到非常的大,对吧?也就说这个遮罩其实你画的越详细,他给到的效果也就越好。 那么这里呢就是我们局部重绘的一些应用方式,那么同样的,如果你用到其他的 redemix turbo 工作流和千万的一些工作流的话,也可以用这种方式进行局部重绘,那么效果呢也是非常非常的好的,因为它的大模型非常非常大的一个参数量, 所以啊,这个就可以有一个更好的一个效果,那么本堂课内容呢?有那么多,如果你觉得大家觉得不错的话,不要忘记就散了,我们下期再见,拜拜。 那么前几节课呢,我们已经讲完了我们的纹身图,图身图跟局部重绘的一个底层逻辑搭建,我想大家应该也学的非常的快乐啊,以及也是学懂了。那么本堂课呢,我们就要摒弃掉 sd 一 点五和 sd 叉 l 的 模型,我们来看一下大宇老师经常提到的 that image turbo 以及我们的千万模型,那么千万模型呢?它分成了千万 image 模型以及千万 image eddy 模型, 那么这两个模型的区别是什么呢?我们可以这样理解,千万 image 模型只能用来纹身图片,但是千万 image id 模型,它会更像我们的极梦模型,或者说我们的豆包模型, 它可以根据你的一句话就去帮你把图片上的某个元素给它改掉,并且不需要用到一些局部重绘的一些功能,它就可以理解你的意思。 所以,哎,我们这节课先用文献图的工作流来看一下 red image turbo 模型,它主要可以拿来做什么?那么说到我们的 red image turbo 模型呢,我们就直接在 comforui 菜单这里,然后浏览模板,然后我们去把 red image turbo 的 官方工作流给它拉出来就可以了, 那么它的模型呢?都是已经自带好的了,我们可以看一下。那么跟上一节课,我给它解包出来,按住右键, 然后这里有一个 upstate 给它解包一下,然后解包出来之后,我们就可以看到这一个工作流就是我们原生的纹身图工作流了, 然后在纹身图工作流的那一节课呢,我给大家讲过,它的特殊点就在于这一个条件零化,它是把负面条件给它去掉的,但是因为 k 长期的原因,所以我们的负面条件依然需要连接到 啊,所以说就给了一个条件灵活。那么这里呢有一点我们需要注意的是啊,这里还有一个全新的节点,叫做模型彩样算法 off flow, 那 么在我们前面纹身图的工作流里面,这个节点是不存在的,那么为什么 我们的 red english turbo 需要加这一个节点呢?因为这个节点里面的偏移值可以有效的去提高我们图像的一个质量,这个也是作者在进行开发的时候,给它加入了一个特定的 节点。那么 that image turbo 的 这个模型的作者呢?就是我们的啊,千问工作室就是阿里巴巴所开发的,所以说它的模型相对来说还是非常非常好用的。那么说到我们 that image turbo 模型,在这里就不需要下载了,因为如果你用到的是端脑云的云服务器的话,我们可以直接在这里搜索 red image turbo, 可以 看到这里就有我们的 red image turbo 模型跟 red image b f 幺六模型,那么这个呢是贝子模型,基础模型,那么用到这个贝子模型呢,它就有一个缺点,就是它要用到的这一个生成速度会非常的慢,因为它里面的参数非常的多,有一百多亿的一个参数。 然后 red image turbo 呢,它只有简单的七十亿的一个参数,跟我们叉 l 模型差不多大,但是它的成像效果是比叉 l 模型好像很多的, 我们直接选择 editimage tabo 模型,那么这里我们需要注意的是, editimage tabo 模型由于是由千万工作室进行开发的,所以它输入提示词的时候可以输入中文啊,这是非常好的一点,但这里我们需要注意到的啊,我们这几个模型的加载,我们需要记一下, 比如说这一个 delete 加载器里面要加载的也是我们 editimage tabo 模型所需要加载到的 delete 的 模型, 它叫做什么呢?那么这里呢,我们要注意它叫做千问三四 b 模型。那么在之前讲到纹身图工作的时候呢,这一个 clip 点它是不需要加载模型的,为什么?因为我们的 s d 一 点五和 s d 叉 l 的 模型,一般来说呢,都会将我们的 clip 的 模型跟 v a e 模型练到 统一的一个大模型里面,所以我们只需要用到一个 shift 加载器,就可以同时加载它的上面这一个 un 模型,加上我们的 v a e 模型,也就是分开的三个点, 那么这里的可以的模型呢,我们一定不要搞错,是千万三自闭的啊,这一个模型,然后类型呢,我们要选择鲁米,然后我们再接着往下看 v a e, 我 们也是需要特定去进行加载的,那么这里的 v a e 模型呢,我们叫做 a e 模型,可以看到吗?这里有一个 a e 啊,我们选择它, 那么这样子呢,它的模型就加载完成了,我们来尝试一下去跑动这个工作流,看一下可不可以跑得动啊,我们点击生成 好,那么现在图像是生成出来了,我们可以看一下,哎,大家可以看到,为什么这张图像好像啊,很泛,看到没有,有很多杂色,这是为什么呢?因为我们的步数太多了,我们的 red image turbo 模型,它属于一个清亮模型,并且它还是一个特殊的蒸馏模型, 所以它所用到的步数其实非常低就可以,我们只需要九步即可,那么如果是九步的话,我们看一下它生成一张图片的时间有多快, 那么大概呢就是五秒钟就可以帮我们把这个图片生成出来了,非常非常的真实,对吧?那么最主要的是,为什么说到我们这个 red image turbo 模型可以拿来做我们的 ai 慢剧,那么其原因就在于 千万在训练这款模型的时候,它最主要的就是训练它的真实人物感,也就是说我们可以用这款模型去做一些真实人物的形象, 比如说我就简单的输入一行提示词,好,那么这里呢,大宇老师就输入了一行提示词,叫做一个唐代的女子,她穿着清白色的唐代古风长裙,啊,这个裙子打错了啊,我们中间输入一下,然后呢手里拿着油纸伞,然后背着竹筐,背景是一片竹林, 我们看一下这个 red image turbo 给到我们的图片得有多惊艳,当然了,这里的宽高我们得改变一下,由于我想让它生成一个啊,一个长方形的一个图片,所以这里的高呢,我就改成幺五三六。 那么我们点击生成看一下它的一个效果,那么在生成速度非常快的一个情况下呢,它的图片效果也是非常的好的,我们待会可以看到,哎,可以看到吧,对吧?是不是这个人物非常的真实,并且 非常的好看?如果说你拿这个去做真人的 a m 剧的话,那就非常非常的不得了了,那么这个模型呢,它就是专门给你用来去生成这种真实的人像的。当然了,如果说你对于这种灵感并没有很多的话,对于人物我们也可以来到我们的极梦,那么来到我们的 一梦之后呢?哎,我们可以去找一下我们所要的一些角色,比如说我就去搜索啊,古风角色,这里有一个古装美女,然后我们看一下这里有没有带给我们一些角色的灵感, 比如说我想要一个呃,角色,他就大概要长成这个旗袍的样子,或者说啊,要这种盛世长安的样子 啊,又或者说呃,要的更加仙气飘飘一点,对吧?啊,比如说这个样子,我们就把这个给他复制过来,那么复制过来之后呢,我们就直接点击生成就可以了,我们直接稍微等待一下,反正他的生成速度也非常非常的快啊。 好,那么这里呢,图片生出来了,我们看一下是不是趴在水中的这个美女,非常非常的好看,并且非常非常的真实,这是 最难能可贵的一点,对吧?但是你说它去生成其他的图片行不行呢?其实也不太行,因为它在生成真实图片方面确实非常非常的厉害,哪怕是说生成一些场景图啊,或者说 生成一些呃,产品图啊,它也是在真实感做的非常非常的足够,所以说 that image turbo 这个模型你就用吧,它又清亮 啊,生成速度又快,生成的效果又好,所以我们拿它做慢剧,可不可以?完全是可以的,那么等它再搭配我们后面讲的 千问 image id 模型的时候,那将会是绝杀,绝对是这一个开源领域能够给别人省不少钱的啊,一个东西。然后呢,我们可以继续往下看,它除了可以单单只做这种纹身图的啊,这种图片之外呢,它其实也可以做一些小小的商业案例了, 比如说你是专门做 logo 的 啊,或者说啊,做某些海报,哎,不是海报复刻的啊,我们就可以拿它做一个洗图的工作流,那么这个洗图的工作流呢,我们就得去 讲到另外一个插件呢,叫做 control net 啊,这个东西好,比如说大宇老师搭建的这个工作流啊,当然了,这个工作流并不在我们的慢剧范畴之内啊,我只是给大家先简单的看一下, 是证明呢啊,这个啊,在 the image turbo 啊,它这个模型并不是只能够生成图片的,它演的够洗图片啊,那什么叫洗图片呢?就比如说我先上传一张啊,图片给他,我随便给他来一张,看一下有没有那种产品图啊?这个, 呃,云端里面啊,都是一些很搞笑的图片,我们看一下。好,那么就比如说这张图片啊,我们给到他,我们需要根据这张图片的一些啊构图啊,或者说他的一些紧身啊,去对这张图片进行重新生成,然后达到一个构图一次性的一个效果, 然后我们点击一下,看一下他的整个流程出来的一个效果,然后我们点击一下,看一下他的整个流程,那么到了后面呢,这套工作的大衣老师也会 给大家进行一下拆解,给大家讲一下,主要呢用这套工作流就是为了教会大家如何在后面自主的去搭建你们自己想要的工作流啊,把这个底层思路给他贯彻出来。那么我们稍等片刻,看一下这个工作流的一个 功能,好,那么现在呢,可以看到图片是出来了啊,我们可以看一下原图啊,当然这后面可能有对比吧,没有搞出来,我看一下啊,没有对比,没有对比就不理他啊,看一下原图是这样子的,然后洗完之后是这样子的,对吧?那么通过这种方式呢,我们就可以把 图片变个样,反正不至于说侵权吧,对吧?光影效果什么都变掉了,但是整体构构图还是一致的,那么如果说你要一张比较有风格性的海报, 拿来自己洗一下呢?可不可以?完全是可以的,我们可以尝试一下,比如说大宇老师找到了一张这样子的图片,然后我们点击一下生成看一下,他最后给到了一个效果啊,好,那么这里呢,可以看到图 片出来了啊,这里锁定了构图,对吧?甚至连这个文字都帮我锁定了,然后我们就可以看到,哎,他这个确实已经出来了,那么文字呢,是有一点点改变的,然后这个小狗呢,也有一点点改变啊, 我们只能说,哎,我参考他这个构图,生成了一张图片,对吧?我并没有说就直接拿你的原图来用,所以这样子呢,可能就可以避免掉一些不必要的麻烦。那么本堂课呢?内容有那么多,如果你觉得还讲不错的话,不要忘记一切散喽,我们下期再见,拜拜。

ok, 今天来讲纹身图工作流的搭建流程,我们从零到一去搭建一个纹身图工作流。首先我们要理解,我们要用模型来生图的话,我们肯定要先加载模型,那么加载模型呢?我们这里选择一个加载器,鼠标双击, 在搜索框里面,我们选择 tripoy 加载器,我们这个 tripoy 加载器呢,它可以加载两种模型,常用的是 sd 一 点五跟 sd 叉 l, 当然还有其他的模型,它不同的模型所用到的加载器是不一样的,那怎么区分呢? 这里我已经给大家罗列了一些常用的加载器以及试用的模型,有需要的小伙伴可以扣六六六或者进粉丝群领取。有了这个加载器之后,我们就可以把我们的模型给加载进来, 大家可以这么理解,这个加载器相当于是一个画师的岗位,那么模型就相当于是我们请来的一个画师,这个画师叫做 sd 一 点五的简笔画大模型。 那么有了模型之后,我们需要给他提示词,提示词就通过这个黄色的 clip 这个接口拉出一个 script 文本编码器,这个编码器就是用于输入提示词用的。那么这个提示词呢?我这边已经预设了有一个提示词,我们把它拷贝一下, 然后粘贴到这里哦翻译一下看一下,这提示词是国风唯美古画插画,大家可以记住,为什么要翻译成英文?因为我们这个 s d 一 点五的模型,它只能识别英文,它无法识别中文,所以我们要翻译出来这个整个包我已经内置了中 音符 and e 的 一个插件呢,大家如果有需要也直接可以扣六六六,直接领这个包。这个我们就属于正向的提示词,我们给他标一个绿色,那么既然有正向提示词,肯定会有一个负面提示词,对吧?我们把这个文本框复制一个出来,然后把它弄成红色,这个就是负面提示词。 那么负面提示词呢?我这边也已经准备好了,我直接从原来的负面提示词给复制粘贴过来,紧接着我们给了提示词之后,我们还要从这个提示词的条件里面拉出一个 k 彩样器, 这个 k 产生器是什么呢?你可以理解成这个模型在这个画板上面去画画啊,这个 k 产生器你可以理解成是画板,那我们把这个条件负面条件也输入到画板里面去,然后这里的 crib 也连接到负面提示词,然后这里有一个模型接口, 黑窄江系也有个模型接口,那么这个也很好理解,相当于把我们的这个画师安排到这个画板上面去画画。我们从 laten 图像里面拉出一个空 laten, 这个空 laten 的 参数我们可以很轻易推断出,它其实是控制这个画板的尺寸的, 画板的尺寸我们先默认五幺二乘五幺二,画好了之后会将画的的内容进行一个输出,这边就有一个 laten 数据的输出,那么输出的时候我们选择一个 v a 一, 然后再拉出一个图像。为什么不能直接拉出一个图像呢?因为画的东西 是数据,我们看不懂,需要用解码器进行解码,解码成我们看得懂的图像,所以需要一个 ve 解码,那么 ve 解码里面它有一个 ve 接口,这个就是解码工具啊,我们要把它拉到模型这边来,那么这样子一个纹身图的工作流就基本搭建好了。 那么我们来稍微讲解一下,他为什么这个要五幺二乘幺二,因为这个 sd 一 点五的模型训练的环境,换训练的素材,他就是这个五幺二乘幺二的尺寸,所以我们要设置成跟他训练时候一样的参数,这样才能达到一个相对较好的效果。然后我们再尝试着去点击开始运行生成看看, 最终我们生成出来的效果是这样子的,相对来说会有一点不好的地方,对吧? 这是为什么呢?因为我们使用的这个模型,它是有相应的参数的,这个参数是在哪里设置呢?就是这个 k 彩样器这几个参数,这个参数在哪里呢? 一般是在模型的下载地址会有,那么我这边呢就已经提前准备好了这个参数,我就直接把它拉过来去填写,我们对照看一下,这个模型的 k 彩样器参数是欧拉 a 啊,彩样器我们这边也选择欧拉 a, 然后它的 cf 值呢是四到五,我们可以选择五, 步数是二十,我们这边也是二十,那么调度器它没有写,我们默认可以选择新朋,然后它这里还有一个是触发词,必须要添加在绘文本正向提示的后面,我们直接粘贴进去就可以了。然后我们再重新生成一遍图像, 这个时候你会发现它的图像质量比刚才会稍微好很多,而且崩的情况也比较少,我们再重新运行看看是吧?我们尝试换提示看一下 在运行,他画的全部基本都是漫画类型的,因为我们用的就是漫画类型的大模型,那么这个就是最基本的纹身图工作流,那么有些小伙伴可能会在想,我不想每次都去输入这个触发词,可以吗?是可以的,我们只要在这边 去加载一个文本连接的节点,把文本连接这个节点拉进来之后,我们在左边再加载一个文本框, 再复制一个文本框,我们把上面这个命名为提示词,在下面这边去命名为触发词, 然后我们把触发词粘贴到这里,将触发词连接到文本二,把下面的提示词粘贴到上面,作为提示词文本一连接,然后我们在这边双击搜索展示文本, 将合并的结果连接到 test 这个文本,然后运行一遍看一下,我们发现这个触发词它就自动跟在末尾了,这边前面还可以增加一个分格符,我们运行一遍, ok, 然后我们再把这个结果输入到正向提示词,这样子我们提示词更改的时候,它就自动带上这个触发词了。我们尝试去更换其他的提示词, 然后再进行一遍,你会发现他的风格也没有崩,是吧?是因为他的提示词也跟在了后面,我们这边还可以进行尝试,验证一下,他的出发词还是跟在了后面啊,这个就是提示词的一个自动输入小技巧,那么今天的纹身图工作就讲解就讲到这里。

通过上节课我们已经知道 s d x l 模型的基本应用,而之前有用过外倍镜的同学都知道,在 s d x l 中,除了基础模型以外,还有一个 reflow 模型,它是用来对图片进行二次优化的。那么我们在 comf 液中该如何调用 reflow 模型呢?首先我们要知道 reflow 模型 和我们的大模型是属于两个单独的模型,所以此时我们要按住键盘上的 alt 键不松手,再用鼠标左键拖动 checkpoint 的 加载器对它进行复制,然后在这里 选择专门的 refiner 模型来进行调用。如果你之前没有下载过这个模型,可以点击菜单栏中的管理器,再选择模型管理。在上方的搜索框中输入 refiner, 找到这个后缀为 refiner 一 点零的模型,对它进行下载,下载好了之后,刷新一下 comewire 的 界面就可以进行调用了。那么我们这个 refiner 模型同样也是需要连接对应的 refiner 文本编码器。 我们可以用鼠标右键点击空白处选择添加节点,再选择这里的高级,再选择条件,就可以在这里找到 clip 文本编码器 s d x l refiner 节点了。 将它添加到界面当中,我们可以看到在这个节点中有一个美学分数,这个参数指的就是对生成图片的质量来进行控制的, 数值越高,对图片细节的提升就会越好。但是它这里的数值也不能调的太高,一般设置在四到六之间就可以了,而它这里的宽度和高度就设置成我们最终想要生成的图片尺寸,比如我这里就将它们保持幺零二四,而下方的提示词输入框, 它这里的提示词也需要跟我们下方输入的提示词保持同步,但此时这个翻译文本中全部都是中文。 而在前面的课程中也跟大家讲过,有一个展示文本的节点,我这里就直接双击空白处搜索展示文本,找到这个节点,再将它这里的 text 的 接入口连接到翻译文本节点中的文本输出接口,再点击一下这个展示文本,点击蓝色的直行按钮, 我们就可以看到被翻译过来的提示词了。接着在框选中这段提示词,按 ctrl 加 c 键进行复制,再到上方这里的提示词输入框中按 ctrl 加 v 键进行粘贴,然后我们再将这个加载器中的 clip 输出接口连接到它这里的 clip 接入口, 同时我们这个 refiner 文本编码器中的条件输出接口也是需要连接到 k 彩样器的,因为这个时候我们的界面当中一共包含了两个模型, 所以我们这里的 k 彩样器就不能使用这个普通的 k 彩样器了。先将它进行删除,然后右键点击空白处,选择添加节点,选择这里的彩样,它这里有一个 k 彩样器高级 将它添加到界面当中,我们可以看到在这个高级 k 彩样器中,比普通的 k 彩样器多了添加噪波和开始降噪部署, 还有结束降噪部署以及返回噪波这四个参数。而我们 k 彩样器的工作原理就是在浅空间中对图片添加噪波以及去除噪波,所以它这里的添加噪波我们要选择起用,然后再将部署改为三十步, 彩样器选择 d p m 加加 r m s d e, 标注器选择 carras, 然后它这里的开始降噪部署,当它的数值为零的时候,代表 k 彩样器从一开始就对图片进行去噪了。而下方的结束降噪部署 指的是图片生成到多少步的时候就结束去噪,比如我将这里的数值改成二十,就代表当图片生成到第二十步的时候就停止对图片进行降噪。而返回噪波指的是将剩余的迭代部署传输到另一个彩样器中进行处理, 所以这个时候我们还需要再次复制出一个高级 k 采集器节点,这样才能够对剩下的迭代部署进行控制。而我们在生成图片的时候,它会通过这里的第一个高级 k 采集器添加噪波,所以我们下方这里的添加噪波我们要选择禁用。而且因为上方这里我们设置的 到第二十步的时候结束降噪,所以他这里的开始降噪部署我们也要改成二十步而结束降噪部署,因为我们这里的总迭代部署一共是三十步,所以他这里的数值也要改成三十。 并且因为我们这里是通过两个 k 采集器来对图片进行降噪的,所以上方这里的返回噪波我们也要点击起用。接着我们就要进入最关键的一步,就是对这些节点进行连接。我们很多同学在点击运行的时候都会出现各种各样的报错问题, 其中的原因主要就是因为节点与节点之间的连接出现了错误。首先我们可以看到在这两个高级 k 采集器中都分别有一个正面条件接入口 以及负面条件接入口,这就意味着我们需要对这个 refinder 文本编码器也进行复制,并将它这里的提示词全部清空,然后再对下方的负面提示词进行复制并粘贴到它这个输入框当中。同时将 前面 refinder 模型加载器中的 clip 输出接口连接到它这里的 clip 接入口。再将这两个 refinder 文本编码器中的条件输出接口 分别连接到 k 彩样器中的正面条件接入口以及负面条件接入口。同时再将 k 彩样器中的模型接入口连接到 pick point 的 加载器中的模型输出接口。而上方这个高级 k 彩样器中的 later 的 接入口。我们在连接的时候要注意,我们一定要将原本空 later 的 节点中的 later 的 输出接口和 和这个 k 彩样器中的 len 的 接入口进行相连,否则的话,如果你将它这里的 len 的 输出接口连接到了第二个 k 彩样器中的 len 的 接入口,那么最终生成出来的图片就会出现花图的情况。同时要将第一个 k 彩样器中的 len 的 输出接口连接到第二个 k 彩样器中的 len 的 接入口, 使这两个 k 采集器进行相连。然后再将下方这个 k 采集器中的模型接入口连接到我们普通的 s、 d、 x、 l 模型的模型输出接口。再将它这里的正面条件以及负面条件接入口分别连接到我们原本 x、 l 文本编码器中的条件输出接口, 同时它这里的内存的输出接口要连接到 v a、 e 解码器中的内存的接入口,这样就相当于我们图片在生成的过程当中,前二十步的迭代部署会通过 refactor 模型来进行优化,从二十步之后会传输到我们普通的 s、 d、 x、 l 模型中来进行生成。 而大家可以看到,在这个 refinder 加载器中,它这里的 ve 输出接口并没有进行连接,因为这里的 ve 解码器已经跟我们原本的 xl 模型加载器中的 ve 输出接口进行连接了,所以它这里的 ve 输出接口是不需要再次进行连接的, 我们直接点击运行,就可以看到它最终生成出来的图片人物面部的光影细节是非常细腻的,这就是通过 refinder 模型来进行优化之后的效果。而我们很多同学在点击运行之后, 在启动器的后台都会出现这样的报错提示,这就是因为你在对这些节点进行连接的时候,里面的连接顺序出现了问题, 或者是有些节点你忘记连接了,可以再仔细看一下我刚才的连接过程,确保所有节点的接口都进行了正确的连接,这样就不会出现报错了。当然我们这节课所搭建的节点稍微有点复杂,在后面的课程中也会给大家讲解如 何通过更加快捷的节点来使用 refanel 模型。这节课主要是为了给大家讲解 refanel 模型的搭建逻辑,可以让大家在后期的课程中更加容易理解。

搜索抖音号应搜不出来,搜不到对方抖音号的原因是有很多的,首先看手机网络是否正常,检查一下我们搜索的 id 有没有错,特别是 id 中有数字和字母的,哪怕是字母的大小写错误,也可能导致搜索不到。 还有一种可能就是我们搜索的 id 因为各种原因可能被封号了,违规抖音社区规则的会被封限外里,这样我们肯定是搜索不到对方的 id 的。

如何通过对方的手机号来找到他的抖音号呢?假如你去放大镜里面去搜索呀,可能你是搜不到的啊, 不要着急,接下来我教你一个小窍门,只要你学会了这个小窍门呀,我们就能快速的在我们的通讯录里面找到所有朋友的抖音号了, 同时我们也能看到他发的所有作品,是不是非常的神奇?那废话不多说,我接下来给大家上实操,你不要眨眼睛啊,担心自己看一遍记不住的小伙伴们呢,你可以点赞收藏保存下来,你方便,有时间了就跟着一块操作吧。 首先我们先把好友的电话号码添加到通讯录里面,接下来点击右下角的我,然后看到这有个添加朋友没有,我们点击打开,这上面有个通讯录,我们点击一下通讯录,好,这里面就是我 我们所有通讯录好友的抖音号,你比如说想看他发的作品,点他头像直接进他主页里面看他的作品就可以,这里还可以添加他为好友,学会了吗?还有哪里不清楚的,欢迎评论区给我留言,关注我,我是静心,每天带大家翱翔抖音的知识海洋。

你是不是也经历过,当你下定决心把对方拉黑或删除以后,还放不下,时不时通过搜索手机号、微信号,去看他的微信状态,看看对方有没有也把你拉黑或删除。你怎么知道 有一网友发了两张图片过来,左边这一张你可以看到来自手机号搜索,是一个正常的添加状态,那第二次他搜索又变成了对方通过搜索手机号添加, 那这是什么情况呢?是不是对方在我拉黑或删除他的期间,不断的通过手机号来添加我呢?好,带着这个疑问,我们来实测一下,看看是怎么形成的。 首先这是两个互相关注的微信好友,我们先把对方做一个删除的动作, 好,互相删除之后,我们通过添加朋友添加手机号的方式去加对方,好出现这个界面就是我们之前第一个图的界面,来自手机号搜索。那么我们再做多一个动作,就是加入黑名单, 出来之后,你会发现来源变了,变成了对方通过手机号添加,那么这个界面就跟我们第上面的第二张图是一样的,但是在此期间我这边没有做任何的动作,那么说明 一个问题,就是说这个状态应该是之前他加你的形式,最后一次加你的形式就是通过手机号去添加的。啊啊,这是第一种情况,那么我们看一下第二种现象,我们退出来,我们不用手机号去搜索,而是用微信号去搜索, 好,你会发现这里变化了,变成了对方通过搜索账号添加。那么这一次呢?应该是系统因为你这个举动覆盖掉了之前的一个动作,好变成了对方通过搜索账号去添加,其实明明 这边也没做任何动作,那么这次第二次显示的应该是覆盖掉了上一次的动作,这个不能作为对方有没有去搜索你的一个依据? 好了,大家觉得这样的解释合理吗?评论区告诉我,谢谢大家关注我每天教你一点实用小技巧。