Fresh Magic XL (digital-3D eddiemauro-mix)

使用前须知

您必须了解 Stable Diffusion 的工作原理。我建议使用 ComfyUI 或 Automatic1111 作为界面来启动模型。Civitai 无法读取 ComfyUI 的元数据，因此欢迎您进行实验，同时请注意 ComfyUI 系统与 Automatic1111 不同（CFG、Steps 和配置）。目前我已不再使用 Automatic1111，因此此处示例均基于 ComfyUI。我已尽力对元数据进行简单翻译。
这是一个基于 XL 模型的块融合模型。为达到理想的生成效果，我进行了大量测试。您必须意识到 SD1.5 系统与 SDXL 存在显著差异，您可使用两个版本，但请务必注意这一点。
这是一个 Checkpoint 数据集，而非 Lora。
由于是融合模型，它有时可能容易生成 NSFW 内容。建议在负面提示中添加 “(nudes:0.1)” 或仅 “nudes”，但这并非总是有效，这只是模型训练中的一部分特性。
我建议您关注我的 Instagram 账号，我将在那里分享关于 AI 图像生成的见解：https://www.instagram.com/eddiemauro.design/

简介

FRESH MAGIC（数字与 3D-eddiemauro 混合）Checkpoint：您好，我是一名产品与汽车设计师，对使用 AI 进行创作感到非常兴奋，我认为它是一个出色的辅助设计工具。这是我为便于创作而创建的融合模型，同时提供 SD1.5 版本。

v1：该模型适合用于奇幻、科幻和数字插画。它在“真实”或“中等真实”（非超写实）的视觉表现（3D 渲染）以及平面图形风格上表现良好（但该模型并非专为此类风格设计，如需平面风格请使用 FreshDraw 变体）。其设计初衷是创建一个专注于 3D 视觉与“写实”艺术表现的通用数字插画模型，通过在 Civitai 上的多个模型以“块融合”方式组合而成。

v1 Lightning：与 v1 相同，但我认为常规模型在质量上更优。该模型生成速度更快，倾向于在生成图像中加入大量细节。仅适用于特定采样器：DPM++SDE + 调度器：SIMPLE，HEUN + 调度器：SIMPLE。步数 4 至 6，CFG 1 至 2。

您可以比较 Magic 与 Draw 模型之间的差异：

https://miro.com/app/board/uXjVKvtvAYY=/?share_link_id=995366256638

若您希望支持我的工作并帮助我上传更多高质量模型，请通过以下链接捐赠，我将不胜感激：https://ko-fi.com/eddiemauro

安装

我使用 ComfyUI——Stable Diffusion 图像生成的最佳界面，建议您本地安装，或通过 Colab 等在线平台使用。您可在网上找到相关教程或视频指导。
您必须安装该 Checkpoint 模型。将文件放入 “Checkpoints” 文件夹中。
在进行图像生成时，请遵循以下小建议，但请大胆尝试，XL 系统更精确且更具趣味性。

图像生成建议

激活词/描述： 在提示词中，您可以自由输入任何内容。我仅使用对图像的描述，并在正面提示中加入 “masterpiece”。若希望更写实的表达，可在正面提示中添加 “realistic”；若希望其他风格如插画、动漫或卡通，则直接添加相应词汇。
我推荐使用 “Wildcards” 进行提示词实验。安装任何支持 Wildcards 的 ComfyUI 节点，这将为您的创作注入更多创意。
推荐使用 Textual Inversion/Embedding 或 Lora 工具： 您可以为 XL 系统使用任何 Lora 或 Embedding（正向或负向）。在负面提示中，我使用：worst quality, text, artifacts, strabismus。若想增加真实感，可在负面提示中添加相反的词。
VAE： 本模型已内置 VAE，大多数模型亦如此。若您希望单独使用 VAE，可使用标准 XL VAE。
Clip Skip： 推荐使用 2 或 1。有时使用 2 能使图像更清晰或对比度更高，但使用 1 效果也不错（1 更能生成写实风格）。
步数与 CFG： 推荐步数为 “20-40”，CFG 值为 “4-6”。
采样器： 我主要使用 “EulerA - Normal” 或 “DPM++SDE - Karras”。Euler 更简洁且具创意，DPM 更注重细节，但在 SDXL 中两者差异有时并不明显。若喜欢，可尝试其他采样器。对于 Lightning 模型，必须使用：DPM++SDE + 调度器：SIMPLE，HEUN + 调度器：SIMPLE；步数 4-6，CFG 1-2； 同样支持 DPM++SDE GPU + scheduler: SIMPLE 或 DPM++2M SDE + scheduler: SIMPLE。
批量生成： 在 txt2img 中，建议将值设为 4 以生成多张图像并观察结果。若您拥有高性能显卡，可使用 “Batch size” 同时生成 4 张图像（耗时较长）；若电脑性能不足，请改用 “Batch count”，它将依次生成 4 张图像（非同时），但总耗时更长。
图像比例： 建议使用以下尺寸：1024x1024，或与 768 或 1024 相关的比例（单边或双边）。例如，我常用 768x1152，然后以 1.5 倍比例进行放大。
生成更大图像： Stable Diffusion 有四种生成大图的方法，您可在线查阅。第一种方法 “txt2img hires.fix”，我推荐使用名为 “4x-UltraSharp” 的放大模型，点击此处下载，仅下载 “.pth” 文件，然后将其放入 “ESRGAN” 文件夹。在 hires.fix 选项中设置任意 “upscale by” 值，并将 “denoise strength” 设为 “0.4-0.7”。第二种方法：先在 txt2img 中生成图像，再切换至 img2img 模式，将尺寸至少放大 “1.5 倍”，并设置 “denoise strength” 为 “0.4-0.7”。第三种方法：使用 “tiled generation”，配置与 img2img 相同，但启用 “ControlNet” 扩展或 “Ultimate SD Upscale” 脚本的 “tile” 模式。第四种方法：将 txt2img 生成的图像传递至 “extras”，选择一个 GAN 模型进行放大，也可使用 “4x-UltraSharp” 模型。
更精细控制创作： 使用 “ControlNet” 扩展可更精准地控制您想要的形状，甚至可用草图进行测试。推荐使用 “Scribble” 或 “Lineart” 模式。建议安装该扩展并学习其使用方法，网络上有大量相关视频教程。