Chef's Matrix Chair
详情
下载文件
模型描述
问候各位厨师！
点击下方的“显示更多”以阅读使用本模型的完整指南和技巧。
我是 Promptnanimous，而“厨师矩阵椅”是我首次公开发布的混合模型。
我已为期一个月细致地测试了这个混合模型，以发掘它的秘密，现在是时候与你们分享了！希望你们能玩得开心，并请与我们分享你们的发现！
如果你喜欢我的指南和模型，请考虑关注我、与朋友分享这个模型，或为我买一杯 ko-fi。未来我将发布更多模型、指南和示例图像！
“厨师矩阵椅”示例图像
我的示例图像几乎全部使用 txt2img 和 hires.fix 生成，未使用任何 lora/lycoris/loha 或 control net。这是为了让你最准确地了解模型的能力。
以下是我使用该模型生成超过2000张图像后，基于其在多种媒介、主题和风格下的观察总结出的模型特性。你可能会发现它在某些方面表现得比我列出的更好或更差。无论如何，都请告诉我，让我可以学习并调整！
优势：
人物
皮肤细节（需借助特定提示——请参考示例图像，并选择负面 TI：CyberRealistic Negative 与 SkinPerfection Negative v1.5 组合使用）
各个年代（90年代、70年代等）
艺术家风格
风格融合
半写实风格
媒介（照片、Cinestill 800、海报、手绘插图、卡通、CGI 等）
视角（俯视、全身、肖像等）
美丽女性（你们中的一些人不会感到无聊）
表现尚可：
写实风格
Danbooru 标记
贴纸（需恰当提示——参见示例图像）
面部特征多样性
姿势（如需更好效果，可始终使用 ControlNet）
某些电影和电视节目的风格（参见示例图像中的已知例子）
动漫风格
室内与家具（有时好，有时不行）
弱点：
手部（你可以先使用你喜欢的提示，再叠加 good hands beta lycoris）
持物能力
动物（表现不稳定，“dog” 不行，但“great dane” 可以）
真正的摄影级写实——有许多优秀模型在写实方面表现更佳。这个模型能做些酷炫的事，但我不会宣称它是最好的！
与部分动漫/手绘 lora 的兼容性（并非完全不兼容，但可能出问题）
有时人物面部会出现奇怪线条或印记，取决于提示——我喜欢用 adetailer 来清除这些烦人的东西
NSFW 行为（你可能需要使用专业 lora 或嵌入，但结果因人而异）
请务必查看推荐资源，并参考示例图像，了解我是如何使用的。
如果你无法获得与我类似的效果，请尝试以下方法：
确保你的设置与图像元数据中的完全一致，包括 VAE、Clip Skip、放大器、去噪强度和标记组合设置。
确保你没有意外启用任何额外扩展/插件，如 ControlNet 等。
如果你希望在改变场景或角色等细节时保留“风格”，请不要过度更改提示词顺序。通过最小编辑，你可以在保持风格的同时，使用不同角色和场景生成相似图像。
如果主要差异在面部，你可能选中了我使用 adetailer 的图像，请确保启用它（如未安装请先安装），并复制图像元数据中的 adetailer 额外设置。
我使用了 xformers，这意味着即使使用相同种子，我的生成结果在某些细微处也是非确定性的。如果你的图像几乎一致，仅在极细微处有差异，这便是原因。无法解决，这是 xformers 的运作方式。
如果以上均无效，请给我发消息，我会尽力帮助你。
常用生成设置
为在速度与质量间取得良好平衡，我使用以下设置快速迭代新提示：
VAE：vae-ft-mse-840000-ema-pruned.safetensors
Clip Skip：1
采样器：UniPC
步数：40
高度：512
宽度：768
CFG：6 至 8 之间
hires.fix：是（如追求更快生成，可选“否”，但会牺牲细节清晰度）
hires 步数：20
去噪强度：0.45 - 0.55（取决于我的耐心程度——数值更低可稍快）
放大倍数：1.5
放大器：Latent（双三次抗锯齿）OR 4x_fatal_anime_500000_G OR 4x_foolhardy_Remacri
标记合并比率：0.5
为追求极致质量（但速度较慢），我在上述设置下找到一批较优结果后使用：
VAE：vae-ft-mse-840000-ema-pruned.safetensors
Clip Skip：1
采样器：DPM++ SDE Karras
步数：25
高度：512
宽度：768
CFG：6 至 8 之间（部分提示可更高，以获得更震撼效果且无异常瑕疵）
hires.fix：是
hires 步数：20
去噪强度：0.45 - 0.55（0.45 偏“柔和”，0.55 偏“锐利”）
放大倍数：2
放大器：Latent（双三次抗锯齿）OR 4x_fatal_anime_500000_G OR 4x_foolhardy_Remacri
标记合并比率：0.5
推荐尝试的实验方向
我未花太多时间实验以下项，你可能通过尝试新设置获得有趣或惊喜的结果：
除 vae-ft-mse-840000-ema-pruned.safetensors 外的其他 VAE
除 UniPC、DPM++ SDE Karras 和 DPM++ 2M Karras 之外的其他采样器
角色与动作 LORAs
更宽的 CFG 范围（效果也取决于你选择的采样器和步数）
Clip Skip 设为 2（或其他非 1 的值）
随机小贴士
如前所述，我在迭代与批量高质量生成时会采用不同设置。速度与质量之间需要权衡。缓慢实验是糟糕的，但如果我确信超过 50% 的批量结果符合预期，我并不介意等待。
我有时会加入 good hands beta lycoris，或在需要时添加 detail tweaker lora。由于 loras 会降低生成速度，我在迭代时尽量避免使用，除非专门测试某个 lora 的能力。
使用本模型生成优质结果通常不需要负面 TI，但我常使用某些，它们能带来极佳效果。我特别喜欢将 CyberRealistic Negative 与 SkinPerfection Negative v1.5 组合，用于推动人物写实效果。我还常用其他多个负面 TI 组合，包括 verybadimagenegative v1.3、bad-hands-5、aid28、badv5、deformityv6、bad_pictures、bad-picture-chill-75v 等，可能还有几个我漏掉了。
如果你发现某些负面 TI 包含字符 "en_"，它们来自一套尚未发布的自定义负面 TI。若需求足够，我会尝试说服创作者发布，或代为发布。
在负面提示中使用 “greyscale” 并结合不同注意力，可控制颜色。
在负面提示中使用 “symmetry” 可获得更有趣的效果，我喜欢设为 1.3 的注意力。
在负面或正面提示中使用 “plump” 可控制主体的丰满度。
面部特征——如果你生成的面部都长得一模一样，很可能你无意中使用了影响面部外观的某个或多个标记。对此你几乎无能为力，只能花大量时间找出“锁定”面部特征的标记，然后通过提示编辑延迟这些标记，例如 [token:0.3]。
以上同样适用于 loras（提示编辑那部分不适用）。有时 loras 会超出其设计意图，影响其他生成内容。如果你的生成结果出现非预期的特性，且负面提示无效，问题可能出在你使用的 lora 上。某些 lora 可能无法“修复”这些不想要的特性。
尽量减少提示中的标记数量。这不是硬性要求，但有助于稳定。使用大量标记也能获得很棒的结果，只是更难平衡，且由于标记以75个为一组送入 UNet 的分块逻辑，标记越多，结果可能越不稳定且出现意外变化。
关于我
我已每日使用 Stable Diffusion v1.5 模型和 Automatic1111 约八个月，期间生成了超过五万张图像，并通过快速迭代不断学习提示技巧与设置。
我的专注领域是仅通过 txt2img 和 hires.fix 获取模型的最佳效果，不使用 img2img 和修复等其他技术。我喜欢通过找到优秀设置实现简洁高效的高质量图像生成。我也尽量避免使用 loras，因为它们会拖慢生成速度，但为获得特定风格或使用“修复型”lora（如 good hands beta 和 detail tweaker）时，我会酌情使用。
如果你喜欢我的指南和模型，请考虑关注我、与朋友分享这个模型，或为我买一杯 ko-fi。
未来我将发布更多模型、指南和示例图像！