Raehoshi illust XL
详情
下载文件
关于此版本
模型描述
Raehoshi Illust XL
基于 Illustrious XL 模型的增强迭代版本。旨在通过解决原模型的一些局限性(如过度饱和和伪影噪声)来提升视觉风格。尽管这些问题并未完全消除,但已取得显著改进。目标是在保持基础模型优势的同时,提供更精致、更平衡的输出。
为什么提供早期访问?
早期访问有助于维持项目持续发展。我没有自己的 GPU,所有训练均通过租用的云 GPU 完成,成本相当高昂。通过获取早期访问权限,您直接支持了我的模型开发,并帮助我持续改进它们。如果您想进一步支持我,也可以在 Ko-fi 上请我喝杯咖啡! 每一份帮助都意义重大,并能推动未来更新的持续推出。
V-pred 版本仅在 SeaArt 提供
推荐设置
正向提示词:
masterpiece, best quality, absurdres
负向提示词:
bad quality, worst quality, poorly drawn, sketch, multiple views, bad anatomy, bad hands, missing fingers, extra fingers, extra digits, fewer digits, signature, watermark, username
步数:25+
CFG:5-7
采样器:euler a
标准分辨率:
832 x 1216, 1216 x 832, 1152 x 896, 896 x 1152, 1344 x 768, 768 x 1344, 1024 x 1024
高分辨率:
1024 x 1536, 896 x 1536, 1536 x 1024, 1536 x 896
Hires.fix 设置:
高分辨率步数:10-15
去噪强度:0.1-0.3
特殊标签
质量标签:
masterpiece
best quality
good quality
average quality
bad quality
worst quality
评分标签:
general
sensitive
nsfw
nsfw, explicit
训练详情
该模型采用两阶段微调流程开发。第一阶段引入新系列和角色;第二阶段专注于修复问题并提升整体风格以优化输出。
第一阶段
数据集:v1-31k, v2-37k, v3-34k, v4-60k, v5_v5.1-18k, v6-15k, v7-39k, v8-41k
硬件:2x A100 80gb,v3、v4、v5、v5.1-2x H100 80gb,v7、v8-RTX PRO 6000
批次大小:32
梯度累积步数:2
学习率:6e-6
文本编码器:3e-6
迭代轮数:15
第二阶段
数据集:v1-2.5k, v2 和 v3-2.3k, v4-2.5k, v5-2k, v5.1-1.8k, v6-1.5k, v7-1.7k, v7.1、v8-4.1k
硬件:1x A100 80gb,v7_v7.1、v8-RTX PRO 6000
批次大小:48
梯度累积步数:1
学习率:3e-6,v5.1-2.5e-6,v6-自适应
文本编码器:关闭
迭代轮数:15
新训练系列/角色列表:
《Zenless Zone Zero》角色截至2025年10月
《Wuthering Waves》角色截至2025年10月
《Honkai: Star Rail》角色截至2025年10月
《原神》角色截至2025年10月
《碧蓝航线》角色截至2025年10月
《明日方舟》角色截至2025年10月
《Fate/GO》角色截至2025年10月
《Dandadan》
《让女主角太多》
《药屋少女的呢喃》
《Hololive》来自 justice 和 dev is
独立虚拟主播 Dooby、Yuuki Sakuna、Nimi Nightmare 和 S***
《100个真心爱你的女朋友》
《请收下我吧,高峰先生》
《Alina Clover》
《NIKKE:面包与小美人鱼》
关于角色提示词,请参考 Danbooru 网站获取准确标签与参考资料。
许可证
每个版本基于不同的基础模型,因此许可证可能相应不同:
v1, v2, v2.1 → 基于 Illustrious v0.1 → Fair AI Public License 1.0-SD
v3 → 基于 NoobAI → Fair AI Public License 1.0-SD,附加限制:禁止商业用途
v4, v5.1, v6 → 基于 Illustrious v1.1 → 原始 SDXL 许可证
v7 及更高版本 → 基于 Illustrious v1.1 → 原始 SDXL 许可证,附加条款:若您将其用于模型融合或微调,请务必保留模型链接或注明,此为强制要求。
特别感谢 Joe 对我作品的支持
特别感谢 Juno 对我作品的支持以及作为早期测试者的帮助






