wereanimal_2.0
詳細
| モデルタイプ | LORA |
| ベースモデル | SD 1.5 |
| 公開日 | 4/5/2023 |
| トレーニングワード | werenaimal コピーしました! werecreature コピーしました! Humanoid コピーしました! weredog コピーしました! weresloth コピーしました! weredeer コピーしました! werebird コピーしました! werelizard コピーしました! wereshark コピーしました! werecat コピーしました! werewolf コピーしました! weretiger コピーしました! werefox コピーしました! wereAxolotl コピーしました! werelion コピーしました! weremouse コピーしました! wererabbit コピーしました! werefrog コピーしました! werepanthers コピーしました! wereSideburns コピーしました! weresheep コピーしました! wereraccoon コピーしました! werebear コピーしました! weresnake コピーしました! werehorse コピーしました! wereCaterpillar コピーしました! werepig コピーしました! wereLeopard コピーしました! |
ファイルをダウンロード
このバージョンについて
バージョン1.0と比較して、種類と解像度が向上
犬、トラ、猫などの一般的な種類を使用する場合、トリガー語を必ずしも使用せず、種類名を追加するだけでよい。
しかし、性別や毛虫など、特定のデータをより正確に呼び出すには、トリガー語を使用すると効果的です。
以下の種類があります:
-- were_\(dog\), were_\(male-dog\), were_\(female-dog\), weredog, dog,
-- were_\(bird\), were_\(male-bird\), were_\(female-bird\), werebird, bird,
-- were_\(lizard\), were_\(male-lizard\), were_\(female-lizard\), werelizard, lizard,
-- were_\(shark\), 上記と同様………
-- were_\(cat\), 上記と同様………
-- were_\(wolf\), 上記と同様………
-- were_\(tiger\), 上記と同様………
-- were_\(fox\), 上記と同様………
-- were_\(salamander\), 上記と同様………
-- were_\(lion\), 上記と同様………
-- were_\(mouse\), 上記と同様………
-- were_\(rabbit\), 上記と同様………
-- were_\(frog\), 上記と同様………
-- were_\(ox\), 上記と同様………
-- were_\(Chimpanzees\), 上記と同様………
-- were_\(horse\), 上記と同様………
-- were_\(weasel\), 上記と同様………
-- were_\(Caterpillar\), 上記と同様………
-- were_\(deer\), 上記と同様………
-- were_\(pig\), 上記と同様………
-- were_\(sloth\), 上記と同様………
StableDiffusionチェックポイントを読み込み中
フォルダ 10_cat-female_BD_1: 72枚の画像が検出されました
フォルダ 10_cat-female_BD_1: 720ステップ
フォルダ 10_wolf_male_BD: 75枚の画像が検出されました
フォルダ 10_wolf_male_BD: 750ステップ
フォルダ 11_tiger_male_BD: 73枚の画像が検出されました
フォルダ 11_tiger_male_BD: 803ステップ
フォルダ 125_ox_femail_BD: 6枚の画像が検出されました
フォルダ 125_ox_femail_BD: 750ステップ
フォルダ 125_rabbit_male_BD: 6枚の画像が検出されました
フォルダ 125_rabbit_male_BD: 750ステップ
フォルダ 12_cat-male_BD1: 66枚の画像が検出されました
フォルダ 12_cat-male_BD1: 792ステップ
フォルダ 13_fox-female_BD: 58枚の画像が検出されました
フォルダ 13_fox-female_BD: 754ステップ
フォルダ 13_fox-male_BD: 58枚の画像が検出されました
フォルダ 13_fox-male_BD: 754ステップ
フォルダ 150_pig: 1枚の画像が検出されました
フォルダ 150_pig: 150ステップ
フォルダ 16_salamander_BD: 49枚の画像が検出されました
フォルダ 16_salamander_BD: 784ステップ
フォルダ 20_lion-male_BD: 38枚の画像が検出されました
フォルダ 20_lion-male_BD: 760ステップ
フォルダ 20_mouse_male_BD: 38枚の画像が検出されました
フォルダ 20_mouse_male_BD: 760ステップ
フォルダ 20_rabbit_female_BD: 40枚の画像が検出されました
フォルダ 20_rabbit_female_BD: 800ステップ
フォルダ 21_bird-female_BD_1: 36枚の画像が検出されました
フォルダ 21_bird-female_BD_1: 756ステップ
フォルダ 23_mouse_female_BD: 33枚の画像が検出されました
フォルダ 23_mouse_female_BD: 759ステップ
フォルダ 23_werefrog: 33枚の画像が検出されました
フォルダ 23_werefrog: 759ステップ
フォルダ 250_hippo-female_BD: 3枚の画像が検出されました
フォルダ 250_hippo-female_BD: 750ステップ
フォルダ 25_lizard-female_BD: 30枚の画像が検出されました
フォルダ 25_lizard-female_BD: 750ステップ
フォルダ 25_tiger_female_BD: 30枚の画像が検出されました
フォルダ 25_tiger_female_BD: 750ステップ
フォルダ 26_Leopard_male_BD: 29枚の画像が検出されました
フォルダ 26_Leopard_male_BD: 754ステップ
フォルダ 26_Sideburns_female_BD: 29枚の画像が検出されました
フォルダ 26_Sideburns_female_BD: 754ステップ
フォルダ 27_werejellyfish: 28枚の画像が検出されました
フォルダ 27_werejellyfish: 756ステップ
フォルダ 29_shark_female_BD: 26枚の画像が検出されました
フォルダ 29_shark_female_BD: 754ステップ
フォルダ 29_wolf_female_BD: 26枚の画像が検出されました
フォルダ 29_wolf_female_BD: 754ステップ
フォルダ 30_Leopard_female_BD: 25枚の画像が検出されました
フォルダ 30_Leopard_female_BD: 750ステップ
フォルダ 33_deer-male_BD: 23枚の画像が検出されました
フォルダ 33_deer-male_BD: 759ステップ
フォルダ 33_sheep_male_BD: 23枚の画像が検出されました
フォルダ 33_sheep_male_BD: 759ステップ
フォルダ 357_sloth_BD: 2枚の画像が検出されました
フォルダ 357_sloth_BD: 714ステップ
フォルダ 375_Leopard_female_panthers_BD: 2枚の画像が検出されました
フォルダ 375_Leopard_female_panthers_BD: 750ステップ
フォルダ 40_lion-female_BD: 19枚の画像が検出されました
フォルダ 40_lion-female_BD: 760ステップ
フォルダ 44_raccoon_male_BD: 17枚の画像が検出されました
フォルダ 44_raccoon_male_BD: 748ステップ
フォルダ 50_bear_BD1: 15枚の画像が検出されました
フォルダ 50_bear_BD1: 750ステップ
フォルダ 50_raccoon_female_BD: 15枚の画像が検出されました
フォルダ 50_raccoon_female_BD: 750ステップ
フォルダ 50_sheep_female_BD: 16枚の画像が検出されました
フォルダ 50_sheep_female_BD: 800ステップ
フォルダ 58_Sideburns_male_BD: 13枚の画像が検出されました
フォルダ 58_Sideburns_male_BD: 754ステップ
フォルダ 68_snake_BD: 11枚の画像が検出されました
フォルダ 68_snake_BD: 748ステップ
フォルダ 69_Leopard_male_panthers_BD: 11枚の画像が検出されました
フォルダ 69_Leopard_male_panthers_BD: 759ステップ
フォルダ 75_ox_male_BD: 10枚の画像が検出されました
フォルダ 75_ox_male_BD: 750ステップ
フォルダ 7_dog-male_BD: 124枚の画像が検出されました
フォルダ 7_dog-male_BD: 868ステップ
フォルダ 84_Chimpanzees-male_BD: 9枚の画像が検出されました
フォルダ 84_Chimpanzees-male_BD: 756ステップ
フォルダ 84_horse-female_BD: 9枚の画像が検出されました
フォルダ 84_horse-female_BD: 756ステップ
フォルダ 84_weasel_female_BD: 9枚の画像が検出されました
フォルダ 84_weasel_female_BD: 756ステップ
フォルダ 84_wereCaterpillar: 9枚の画像が検出されました
フォルダ 84_wereCaterpillar: 756ステップ
フォルダ 8_bird-male_BD_1: 103枚の画像が検出されました
フォルダ 8_bird-male_BD_1: 824ステップ
フォルダ 94_deer-female_BD: 8枚の画像が検出されました
フォルダ 94_deer-female_BD: 752ステップ
フォルダ 9_dog-female_BD: 90枚の画像が検出されました
フォルダ 9_dog-female_BD: 810ステップ
フォルダ 9_lizard-male_BD: 86枚の画像が検出されました
フォルダ 9_lizard-male_BD: 774ステップ
フォルダ 9_shark_male_BD: 89枚の画像が検出されました
フォルダ 9_shark_male_BD: 801ステップ
max_train_steps = 108081
stop_text_encoder_training = 0
lr_warmup_steps = 0
以下のコマンドは参考用です。実行されません:
accelerate launch --num_cpu_threads_per_process=2 "train_network.py"
--pretrained_model_name_or_path="D:/ai/stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned.safetensors"
--train_data_dir="D:\ai\test\image\100_wereanimal"
--resolution=768,768 --output_dir="D:/ai/test/model"
--logging_dir="D:/ai/test/log" --network_alpha="128"
--save_model_as=safetensors --network_module=networks.lora
--text_encoder_lr=5e-5 --unet_lr=0.0001
--network_dim=200
--output_name="7_wereanimal_1v5_768_0001BD5e_NR128NA128off"
--lr_scheduler_num_cycles="3"
--learning_rate="0.0001"
--lr_scheduler="constant"
--train_batch_size="1"
--max_train_steps="108081"
--save_every_n_epochs="1"
--mixed_precision="bf16"
--save_precision="bf16"
--seed="1234"
--caption_extension=".txt"
--cache_latents
--optimizer_type="AdamW8bit"
--max_data_loader_n_workers="1"
--clip_skip=2 --bucket_reso_steps=64
--xformers
--bucket_no_upscale
モデル説明
最初のバージョン:wereanimal_1.0 はウェブサイトから削除されたようです。
これは動物人間用のLORAです。
ウェイトを0.2〜0.8に設定すると、より良い結果が得られます。
以下のチェックポイントモデルを使用すると、より安定した動作が期待できます:
/model/11718/dungeons-n-waifus-new-version-22
- 実際の動物のRolaモジュールを組み込むことで、さらにリアルな効果が得られます。
- ポーズコントローラーを使用すると、成功率が著しく向上します。
このモジュールを使って作品を作成されたら、ぜひ私と共有していただけると嬉しいです!




















