ZootVision - Eta

这是什么？

我会这样描述它：这是一个异常多才多艺的 SD 1.5 模型，其所有自定义训练均 exclusively 在 1024px 及更高分辨率下完成（得益于“分桶”技术）。该模型通过 CivitAI 方便的在线 LoRA 训练器，以干净、逐步、迭代的方式持续构建。它可以处理从美丽的风景到基于 hardcore booru 标签的 NSFW 内容，几乎涵盖任何风格。它并非专为动漫、写实或半写实风格设计的特定检查点，而是你希望它在任何时候呈现哪种风格，它就能成为哪种风格。所有展示图均为直接生成，未使用任何细节增强或超分辨率处理（即使用时应将其视为 XL 模型），并包含完整元数据。

如何使用它？

你可以使用自然语言或 booru 标签（用空格分隔，而非下划线）。我通常同时使用两者，即用基本连贯的语句，但其中许多词和短语是真实存在的具体标签。请参阅展示图库获取各种示例。就分辨率而言，在我看来，使用此模型时，任何低于 768x768 的分辨率都是完全无意义的（因为我的全部训练都在 1024px 下进行，从未进行过降采样或裁剪）。

我个人从不低于 1024x768 或 768x1024 的分辨率生成图像，在非正方形图像中，我更常使用 1216x832 和 832x1216。对于正方形图像，我坚持使用 1024x1024。再次强调，你可以下载我展示图像的原始分辨率版本（含完整元数据），以更好地了解这个模型的能力——因为它还训练于一些较不常见的“异形”宽高比/分辨率。

此外，如果你在提示中追求 2D 风格图像，此模型确实能识别大量“by whoever”风格的艺术家标签（部分效果更强），因此若有你想到的标签，不妨直接尝试。

提示：总体而言，若追求写实效果，SDE 采样器在此模型上表现更优。我个人非常偏好 DPM++ 3M SDE GPU Exponential，CFG 值设为 4.0 - 4.5 左右。而对于非写实风格，你也可以尝试 Euler Ancestral（偶尔用 DPM++ 2M Karras），CFG 值设为 7.0 左右。

“masterpiece, best quality, high quality, worst quality” 等关键词在本模型中有效吗？

是的，但它们对图像的影响在追求写实或半写实时显著减弱，其影响最明显地体现在 2D 风格图像上。不过，detailed background 和 simple background 这两个关键词，在各类图像中均具有你预期的明显效果。

V7.0 Eta 详情：

写实效果和提示一致性达到了前所未有的最佳水平。我对这个版本非常满意。VAE 一如既往已内置。

V6.5 Zeta Plus 详情：

它尚未完全达到 Zootvision V7 Eta 的目标，但仍带来了一些不错、或许较为细微的改进。这次我在展示图库中更加强调了模型的深度表现力。VAE 一如既往已内置。

V6.0 Zeta 详情：

实际上，几乎所有方面都得到了改进。我实现了我在评论中提到的所有内容，还做了更多。为了更充分展示这个模型的能力，我还特意生成了一些相当怪异的展示图，哈哈。VAE 一如既往已内置。别忘了，本模型确实精通大量 by whoever 格式的 booru 艺术家标签，不只是我之前提到的那几个！

V5.0 Epsilon 详情：

在 v4.0 Delta 基础上，针对多种主题（包括写实、NSFW 和动漫）额外训练了 10,000 步。此版本还引入了 Ideogram 风格数据集，可通过在任何提示中使用 'by ideogram' 来触发。请参阅展示图库中的示例。我认为这比 Delta 有显著进步，希望你喜欢！VAE 一如既往已内置。

V4.0 Delta 详情：

合并了两个新增数据集（一个用于进一步提升人像与场景的摄影图像，另一个用于实验性“复杂提示”丰富标注），二者均基于 V3.0 Gamma 训练，累计达 9040 步。VAE 一如既往已内置。所有新摄影数据集中的图像均标注了 photo \(medium\)，以强化模型对这一标签的现有理解。这无疑是迄今为止最好的版本，希望你喜欢！

V3.0 Gamma 详情：

合并了 1000 张图像的“美学”数据集（基于 V2.0 Beta 训练 10,000 步）。你可在提示中任意位置使用短语 very aesthetic 来增强该数据集的效果。此版本已如常内置 VAE。

V2.0 Beta 详情：

合并了 1000 张图像的“NSFW 增强器”数据集（基于 V1.0 Alpha 训练 10,000 步）。所有图像在至少一侧的分辨率不低于 1024px，最高达 1216px（包含大量 XL 风格的 832x1216 竖图与 1216x832 横图）。

V1.0 Alpha 详情：

这是我尝试构建一个真正通用、专注于高分辨率的 SD 1.5 模型的（未完成）努力，涵盖从美丽风景到基于 booru 标签的 hardcore NSFW 内容。

目前上传至 CivitAI 的主要目的，仅是为了利用其 LoRA 训练器，以训练并合并我后续需要的几个 1000 张图像的数据集。尽管如此，你仍可自由尝试（它认识许多角色，例如展示图中的 Jinx），但请注意，其结果与后续/最终版本相比会有显著差异。

通用（始终相关）说明：

请勿盲目假设 Clip Skip 2 对此模型总是“正确”的，它并非传统上源自 NAI。我更推荐你在找到某个你基本满意但尚未完美的种子时，分别尝试 Clip Skip 1 或 2 —— 在我的测试中，两者在不同情境下均能产生良好效果。