Quantized CyberRealistic Ponyv7 GGUF

GGUF 文件已进行量化，CLIP 版本从此模型中提取：/model/443821?modelVersionId=1177183

有关使用技巧和设置，请参阅该链接。

该模型使用 Beginner-friendly Colab Notebook for SDXL Unet+Clip Extraction and GGUF Conversion（由出色的 old_fisherman 制作）进行量化。过程出奇地简单，仅需一个免费的 Google 账户即可完成。

量化显著减小了模型的体积，从而降低了 VRAM 的需求。如果你只有 3GB 或 4GB 的显存，这可能对你很有帮助。old_fisherman 还配套发布了一篇 Modular SDXL ControlNet Workflow for a potato PC。

对于 Q8 量化，质量损失极小，通常几乎无法察觉。

Q5_K 与完整模型相比明显较差，但差距并不大。（不过在文本生成方面表现不佳。）

你需要分别加载 VAE、CLIP-L 和 CLIP-G。我已随模型一并上传了 CLIP-L 和 CLIP-G，但你需要自行选择一个 PONY VAE。

示例图像是我使用两步 Lightning LoRa 提示词的首次尝试，因此远非该量化模型能达到的最佳效果。事实上，我挑战你用此模型生成一张更好的图片并发布出来——应该不难。