Fresh Draw XL (anime-manga 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 作为界面来运行该模型。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、步数和配置可能不同）。目前我已不再使用 Automatic1111，因此此处的示例均基于 ComfyUI。我已尽量对元数据进行了简单翻译。
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。您需要意识到 SD1.5 系统与 SDXL 差异巨大，但您可同时使用两个版本。
这是一个检查点（Checkpoint）数据集，而非 LoRA。
由于这是融合模型，它有时可能容易生成 NSFW 内容。请在负向提示中添加 “(nudes:0.1)” 或仅 “nudes”，但请注意这并非总是有效，这只是模型训练中的一部分特征。
我建议您关注我的 Instagram 账号，我将在那里分享有关 AI 图像生成的见解：https://www.instagram.com/eddiemauro.design/

简介

FRESH DRAW（动漫-漫画-eddiemauro 混合）检查点：大家好，我是一名产品和汽车设计师，对使用 AI 感到非常兴奋，我认为它是设计的绝佳工具。

v1：该模型由 Civitai 上多个模型融合而成，融合了动漫、漫画与绘画风格，非常适合艺术绘画（2D）表现。它继承了我“Fresh Mix 系列”模型的某些线条风格。与“Magic”模型的区别在于：Magic 模型更擅长生成数字与 3D 风格、人体比例更真实的图像，而非卡通风格；而 Draw 模型则更适配以动漫为中心的 LoRA，无论在比例还是风格上都表现更佳。

v1 Lightning：与 v1 相同，但我认为普通版质量更优。该模型生成速度更快，且倾向于在生成中加入更多细节。它仅适用于部分采样器：DPM++SDE + 调度器：SIMPLE，HEUN + 调度器：SIMPLE，步数 4 至 6，CFG 1 至 2。

您可在此比较 Magic 和 Draw 模型的差异：

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，请点击此处捐赠，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，因此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安装说明或视频教程。
使用前需安装检查点模型，请将文件放入 “Checkpoints” 文件夹中。
图像生成时请遵循以下建议，但请大胆尝试，XL 系统更精准且有趣。

图像生成建议

激活词/提示词： 在负向提示中加入 “realism”，这是最重要的词。在正向提示中，可添加与绘图风格相关的词汇，例如 “Illustration style”、“Drawing style” 或 “Sketching style” 等，可参考此 Miro 表格中的风格示例：MIRO STYLE EXAMPLES。正向提示中可自由填写任何内容，我通常仅使用对图像的描述，并加上 “masterpiece”。
我建议使用 “Wildcards” 进行提示词实验。请安装支持 Wildcards 的 ComfyUI 节点，这将为您的创作注入更多创意。
推荐使用文本反转/嵌入或 LoRA 工具： 您可在 XL 系统中自由使用任何 LoRA 或嵌入模型（正向或负向）。我的负向提示为：“worst quality, text, artifacts, strabismus, realistic, bad eyes, nudes”。如需增强真实感，可在负向提示中加入相反词汇；如需增加色彩，可使用 “monochrome” 等词。
VAE： 本模型已内置 VAE，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。这有助于更好地捕捉动漫风格的图形特征。有时使用 1 效果也不错，但总体而言 2 更优。
步数与 CFG： 建议使用步数 “20–40”，CFG 缩放值 “4–6”。
采样器： 我主要使用 “EulerA - Normal” 或 “DPM++SDE - Karras”。Euler 更简洁且富有创意，DPM 会添加更多细节；但在 SDXL 中，二者差异有时并不显著。您可尝试其他采样器。对于 Lightning 模型，必须使用：DPM++SDE + 调度器：SIMPLE，HEUN + 调度器：SIMPLE，步数 4 至 6，CFG 1 至 2；也可使用 DPM++SDE GPU +scheduler: SIMPLE 或 DPM++2M SDE +scheduler: SIMPLE。
批次（Batch）： 在 txt2img 中，建议设置为 4，以生成多张图像并观察效果。若您的显卡性能良好，可使用 “Batch size”，一次生成 4 张图像，但会增加生成时间；若电脑性能不足，请改用 “Batch count”，将逐张生成 4 幅图像（非同时），生成时间会相应延长。
图像比例： 推荐使用尺寸：1024x1024，或与 768 或 1024 相关的图像比例（至少一个边为此尺寸）。例如，我常用比例为 768x1152，然后以 1.5 倍进行超分。
生成更大图像： Stable Diffusion 中有四种生成大图的方法，您可在网上查询。第一种方法 “txt2img hires.fix”，我推荐使用名为 “4x-AnimeSharp” 的超分模型（仅需 “.pth” 文件），安装后放入 “ESRGAN” 文件夹。在 hires.fix 选项中设置任意 “upscale by” 值，并使用 “denoise strength” 为 “0.4–0.7”。第二种方法：先选择 txt2img 生成的图像，再切换到 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”，配置同 img2img，但需启用 “ControlNet” 扩展或 “Ultimate SD Upscale” 脚本的 “tile” 模式。第四种方法：将 txt2img 生成的图像送入 “extras”，选择 GAN 模型进行缩放，您也可使用 “4x-AnimeSharp” 模型。
更精细控制创作： 使用 “ControlNet” 扩展可更精确地控制图像形状，甚至可使用草图进行测试。推荐使用 “Scribble” 或 “Lineart” 模式。我建议您安装该扩展并学习使用方法，网上有大量相关视频教程。