Fresh Photo XL (realism 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）。目前我已不再使用 Automatic1111，因此本处示例均基于 ComfyUI。我已尽量对元数据进行了简单翻译。
这是一个基于 XL 模型的块合并模型。在达到理想的生成效果之前，我进行了大量测试。您必须意识到 SD1.5 系统与 SDXL 有巨大差异，您可以使用两个版本，但请考虑它们的区别。
这是一个检查点（Checkpoint）数据集，而非 LoRA。
由于这是合并模型，有时可能生成不适宜的内容（NSFW）。如需避免，请在负面提示中加入 “(nudes:0.1)” 或直接使用 “nudes”。
我建议您关注我的 Instagram 账户，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 PHOTO（数字与3D-eddiemauro混合）检查点：大家好，我是一名产品与汽车设计师，非常兴奋能使用 AI 进行创作，我认为 AI 是设计的绝佳工具。这是我为方便创作而开发的合并模型，同时也提供 SD1.5 版本。

v1：适用于多种摄影风格。我的目标是创建一个“通用模型”，用于生成写实图像。它有时也具有创意性，但若追求更富创意的风格，请使用 Fresh Magic 或 Fresh Draw（但会牺牲真实感）。

v1 Lightning：与 v1 相同，但我认为普通版本在质量上更优。该模型生成速度更快。仅支持部分采样器：DPM++SDE，调度器：SIMPLE，HEUN + 调度器：SIMPLE。步数：4 到 6，CFG：1 到 2。

如果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，我将非常感激：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。您可在网上查找相关教程或视频。
您需要安装该检查点模型。请将文件放入 “Checkpoints” 文件夹中。
创建图像时，请遵循以下建议，但请大胆尝试 —— XL 系统更精准、更有趣。

图像生成建议

激活词/标题：提示词中您可以自由发挥，但建议以 “RAW photo of”、“photo of” 或 “Analog photo of”（复古风格）开头。如需更真实效果，请在正向提示中加入 “realistic”、“photorealistic”；如需增强对比度，可加入 “dramatic lighting” 或 “cinematic” 等词。
我建议使用 “Wildcards” 进行提示词实验。安装任意支持 Wildcards 的 ComfyUI 节点，能为创作带来更多创意。
推荐使用文本反转（Embedding）或 LoRA 工具：您可以在 XL 系统中使用任何 LoRA 或 Embedding（正向或负向）。我的负向提示为：“low quality, worst quality, text, artifacts, strabismus, bad eyes, render”。若希望降低真实感，可在负向提示中加入反义词。由于模型合并结果，有时建议在负向提示中加入 “asian” 以减少亚洲人面部特征，但最终由您自行实验决定。若发现生成内容包含不适宜图像，请在负向提示中加入 “nudes” 或 “(nudes:0.1)”。
VAE：本模型已内置 VAE，大多数模型亦如此。如需手动使用，可搭配标准 XL VAE。
Clip Skip：建议使用 1，以获得更高真实感；若希望降低真实感、增强对比度与色彩效果，可尝试使用 2，具体取决于您的实验结果。
步数与 CFG：建议使用步数 “30-40”，CFG 值 “5-6”。
采样器：我主要使用 “DPM++SDE - Karras”，但也推荐尝试 “DPM++2S A - Normal”（更简单）和 “DPM++SDE GPU - Karras”。对于 Lightning 模型，必须使用：DPM++SDE，调度器：SIMPLE，HEUN + 调度器：SIMPLE。步数：4 到 6，CFG：1 到 2；也可尝试 DPM++SDE GPU +scheduler: SIMPLE 或 DPM++2M SDE +scheduler: SIMPLE。
批量生成：在 txt2img 中，建议将批量值设为 4，以生成多张图像并观察效果。若您有高性能显卡，可使用 “Batch size”，同时生成 4 张图像（耗时更长）；如设备性能不足，请改用 “Batch count”，它将依次生成 4 张图像（耗时更久，但更稳定）。
图像比例：建议使用以下尺寸：1024x1024，或与 768 或 1024 相关的比例（至少一侧）。例如，我常用 768x1152。然后以 1.5 倍比例进行放大。
生成大图：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 “8x-NMKD-Superscale_150000_G” 的放大模型（仅需 “.pth” 文件），下载后放入 “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：先选中 txt2img 生成的图像，切换至 img2img 模式，将尺寸至少放大 1.5 倍，denoise strength 仍设为 “0.4-0.7”。第三种方法：使用 “tiled generation”，配置与 img2img 相同，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 模型进行放大，也可使用 “8x-NMKD-Superscale_150000_G” 模型。
提升创作控制力：使用 “ControlNet” 扩展可更精确控制生成对象的形态，甚至可配合草图使用。推荐尝试 “Scribble”、“OpenPose”、“Depth” 或 “Lineart” 模式。建议安装该扩展并学习使用方法，网络上有大量相关视频教程。