RedCraft | 红潮 CADS | Updated-JUN29 | Latest - Red-K Kontext DEV NSFW
詳細
ファイルをダウンロード
このバージョンについて
モデル説明
RedCraft**-红潮-METAFILM**
アーティストを支えるツールとして
元影智能工作室 by Ai²Anon 非人類
METAFILM Studioの創設者である袁博氏へ捧げる永遠の追悼
RED-K🧡紅桃K エディター 6/29/2025
Reveal.6 と BFL.Kontext[DEV] のマージ NSFW 解鎖
v1.2 6/29
Clothes Remover(fm00) と Reveal.6 のマージ
---
公開ライセンス
GNU Affero General Public License v3.0
GNU AGPLv3
この最強のコピーレフトライセンスの使用権は、ライセンス対象の作品およびその修正版、さらにライセンス対象作品を含むより大きな作品について、完全なソースコードを同ライセンスで提供することを条件としています。著作権およびライセンス表示は保持しなければなりません。貢献者は特許権の明示的許諾を提供します。修正版がネットワークを通じてサービスとして提供される場合、その修正版の完全なソースコードを公開しなければなりません。
https://choosealicense.com/licenses/agpl-3.0/
RED-OMNI Kontext エディター 5/31/2025
対応タスク
IP: IP-Adapter と同様、キャラクター、オブジェクト、動物をサポート。VAEベースの特徴符号化を用い、従来手法より高忠実度かつキャラクターの同一性をよりよく維持。
ID: InstantID や PuLID と同様、顔の同一性に特化。顔の忠実度は高いが、PuLID よりもモデル汚染が増加する傾向。
ヒント: 顔が過剰にツヤっぽく見える場合は、ガイダンススケールを下げてください。
Try-On: シャツ、パンツ、メガネ、帽子など、複数の衣装のバーチャル試着をサポート。学習データが限られているにもかかわらず、未見の複数衣装組み合わせやID+衣装組み合わせにも優れた汎用性を示す。
Style: Style-Adapter や InstantStyle と同様。スタイルの一貫性はやや不安定で、現在は他の条件との組み合わせは不可。改善中。
Multi Condition: ID、IP、Try-Onを組み合わせて創造的な出力生成。特徴ルーティング制約により、エンティティ間の競合や干渉を最小限に抑える。
ComfyUI: ComfyUI-DreamO によりネイティブ対応
進階用法 Advanced Usage
OmniConsistency は、Show Lab（シンガポール国立大学）がオープンソース化した一貫性を保つスタイル転送モデルとアルゴリズムの組み合わせです。同じくFLUX.1 devをトレーニングベースとしているため、テスト結果により、DreamO と OmniConsistency は ComfyUI を通じて「夢のコラボ」を実現可能です。
OmniConsistency は、シンガポール国立大学のShow Labがオープンソース化した一貫性を保つスタイル転送モデルの集まりです。FLUX.1 devをトレーニングベースとしているため、DreamO と OmniConsistency の使用方法は ComfyUI ワークフローを通じて「夢のコラボ」を実現することが確認されています。
showlab/OmniConsistency リポジトリ内のOmniConsistency LoRAと22種類の異なるスタイルLoRAを、RED-Omni (2.5DNSFW) に接続するか、または DreamO のネイティブ方式で Flux.1 dev モデル群に接続することで、参照コンテンツの自然言語編集とスタイル転送を同時に実行できます。[ さらなる活用法は、あなた自身で発見してください ]
showlab/OmniConsistency リポジトリ内のOmniConsistency LoRAと22種類の異なるスタイルLoRAを、RED-Omni (2.5DNSFW) に接続するか、または DreamO のネイティブ方式で Flux.1 dev モデル群に接続することで、参照コンテンツの自然言語編集とスタイル転送を同時に実行できます。
[ さらに多くの楽しさが、探求者を待っている ] BFL Kontext (dev) のさらなる発展を期待しています
REDEdit IC (FP8) 5/11/2025
In-Context Edit: 大規模なDiffusion Transformerにおけるインコンテキスト生成を用いた指示型画像編集を可能にする
ICEdit 多モーダルコントローラー（IC誘導による画像編集）
Flux.tools-Fill をベースに、最低6GBVRAMで動作
最近の多モーダルコントローラーは、一般ユーザーにとってますます使いにくくなっている
20〜30GB以上のVRAMを必要とし、多くのユーザーがためらってしまう
開発チームはC端ユーザーの厳しいフィードバックを受けて、公式ワークフローを積極的に提供（👍）
C端ユーザーの厳しいフィードバックを経て、開発チームは公式ワークフローを積極的に提供した
さらに、より洗練されたクライアント利用方法を提示：
編集指示を入力する前に、固定プリプロンプト「A diptych with two side-by-side images of the same scene. On the right, the scene is exactly the same as on the left but {instruction}」 を必ず追加してください。そうでないと、不良な結果が出る可能性があります！（論文でも言及されています！）Datou がComfyUIワークフローを更新しましたので、試してみてください！（Hugging FaceのGradioデモのコードにはすでにこのプロンプトが埋め込まれているため、編集指示のみを入力すれば追加設定は不要です）
入力画像の幅は512にリサイズする必要があります（高さには制限なし）
MoE-LoRAではなくNormal LoRAを使用してください。MoE-LoRAはComfyUIのLoRAローダーで正しく読み込めません
公式normal（MoE非対応）LoRA：RiverZ/ICEdit-normal-lora at main
ローカルに独立した推論環境を構築すること（または十字魚が提供する統合パッケージを利用すること）を強く推奨します
5.11 🔥 RED-Edit v1.1（ICEdit normal LoRAベース）更新：複数指示最適化
5.11 🔥 右側ダウンロードリストの Trainning data ワークフロー更新
「服を脱がす」、「サングラスをかける」、「マスクをつける」を同時に実行すると、成功率が大幅に向上🔥 画質最適化推奨ステップ数：15ステップ
プロンプト：A diptych with two side-by-side images of the same scene. On the right, the scene is exactly the same as on the left but {Women's naked,Wearing sunglasses,facemask}
進階プレイ：Flux.fill LoRasを重ねることで、より安定した編集結果を得られます
Object Removal Flux Fill v2
@xiaozhijason / Object Removal Flux Fill v2 - v2.0 | Flux LoRA | Civitai
Fill.LoRas モデル説明 by xiaozhi
これは、Flux Fill Devモデルからファインチューニングされたオブジェクト除去LoRAです。
このLoRAは、指定されたマスク領域から不要なオブジェクトを削除するためのもので、不要な要素をシームレスに消去する画像編集タスクに役立ちます。
このLoRAはObject Dropをインスピレーションとしています。Object Dropはオブジェクト除去で驚異的な結果を出しており、Flux Fillモデルで実現できないか試してみたのです。
計算リソースの制約により、このアルファ版は非常に小さなデータセットでしか学習されていません。
もし誰かが興味を持ち、計算リソースを支援したい場合は、こちらまでご連絡ください。
Fill-LoRas 制作者との連絡先
Twitter: [@Lrzjason](https://twitter.com/Lrzjason)
Email: [email protected]
CivitAI: https://civitai.com/user/xiaozhijason
ICEdit と 小志 が、再び光を信じさせてくれる
RED-Edit は RED-Fill (NSFW) のベースに ICEdit のトレーニングウェイトをマージしたもので、最低8ステップの推論で動作します
ワークフローおよびモデルファイルはダウンロードリストにあり、ワークフローは "Trainning data" という圧縮ファイルとしてパッケージされています
Gemini や GPT-4O などの商用モデルと比較しても、当手法はキャラクターIDの保持と指示の遵守という点で同等、あるいは優れています。商用モデルよりもオープンソースで、コストが低く、処理速度が速い（1枚の画像処理に約9秒）上、パフォーマンスも優れています。
謝辞：@river-zhang およびチームメンバー 浙江大学 & ハーバード大学
@article{zhang2025ICEdit,
title={In-Context Edit: Enabling Instructional Image Editing with In-Context Generation in Large Scale Diffusion Transformer},
author={Zhang, Zechuan and Xie, Ji and Lu, Yu and Yang, Zongxin and Yang, Yi},
journal={arXiv},
year={2025},
url={https://arxiv.org/abs/2504.20690},
}
REDiDream Pro (FP8) 4/28/2025
REDiDream Pro について
HiDream-I1 は170億パラメータを有するオープンソースの画像生成基礎モデルで、秒単位で業界最高水準の画像生成品質を実現します。REDiDream Proは、HiDream-I1 fullバージョンをベースに開発された高効率画像生成モデルであり、DEV / FAST バージョンの最適化と追加トレーニングにより、生成効率と安定性を大幅に向上させ、適切な範囲でNSFW能力を解鎖しました。
HiDream-I1 は170億パラメータを有するオープンソースの画像生成基礎モデルで、秒単位で業界最高水準の画像生成品質を実現します。
REDiDream Proは、HiDream-I1 fullバージョンをベースに開発された高効率画像生成モデルであり、DEV/FASTバージョンの最適化と追加トレーニングにより、生成効率と安定性を大幅に向上させ、適切な範囲でNSFW生成能力を解鎖しました。
今や、ついにGGUF量子化が登場しました：
https://huggingface.co/Sikaworld1990/Redidream/tree/main
Sikaworld1990 に感謝します https://huggingface.co/Sikaworld1990/Redidream/tree/main
sikasolutionsworldwide709 に感謝します https://civitai.com/user/sikasolutionsworldwide709
City96 に感謝します https://huggingface.co/city96
以下は、その主要な特徴と機能です：
主要特性 | Key Features
効率的生成 | Efficient Generation
REDiDream ProはHiDream-I1 fullを最適化し、生成速度はdev版とfast版の間になります。推奨推論ステップ数：15ステップ。
HiDream-I1 fullを最適化し、生成速度はdev版とfast版の間に位置。
推奨推論ステップ数：15ステップ。
安定性向上 | Enhanced Stability
DEV/FAST版の最適化により、REDiDreamはより安定した画像生成性能を提供します。
DEV/FAST版の最適化により、REDiDreamはより安定した画像生成性能を提供します。
オープンソースと柔軟性 | Open Source and Flexibility
HiDream-I1のMITライセンスを引き継ぎ、ユーザーによる追加の修正・配布を制限しません。
HiDream-I1のMITライセンスを引き継ぎ、ユーザーによる追加の修正・配布を制限しません。
商業利用に優しい | Commercial-Friendly
生成された画像は、個人プロジェクト、科学研究、商業用途に自由に使用でき、HiDream-I1のライセンス条項に準拠します。
生成された画像は、個人プロジェクト、科学研究、商業用途に自由に使用でき、HiDream-I1のライセンス条項に準拠します。
モデルパラメータ量が大きく、現在最も完全な4TE層をテキストエンコーダーとして使用しているため、モデルShiftのオフセットを適切に調整することで、より豊かなスタイル特性とNSFW解鎖能力を得ることができます。
ComfyUI 対応 | ComfyUI Support
ネイティブ対応 | Native Support
REDiDreamはComfyUI 3.30版をネイティブでサポートしており、すべての例画像はこのバージョンで生成されています。
REDiDreamはComfyUI 3.30版をネイティブでサポートしており、すべての例画像はこのバージョンで生成されています。
トレーニング環境 | Training Environment
REDiDream ProはL40s 48GBのハードウェアでトレーニングされ、ComfyUIで完成させました。
REDiDream ProはL40s 48GBのハードウェアでトレーニングされ、ComfyUIで完成させました。
性能要件 | Performance Requirements
ハードウェア要件 | Hardware Requirements
REDiDream Proの性能要件はHiDream-I1 dev版と同等で、効率的な推論に適しています。
REDiDream Proの性能要件はHiDream-I1 dev版と同等で、効率的な推論に適しています。
生成速度 | Generation Speed
生成速度はHiDream-I1 dev版とfast版の間に位置し、効率と品質のバランスを最適化しています。
生成速度はHiDream-I1 dev版とfast版の間に位置し、効率と品質のバランスを最適化しています。
ライセンス契約 | License Agreement
モデルライセンス | Model License
TransformerモデルはMITライセンスを採用。変分オートエンコーダ（VAE）はFLUX.1 [schnell]、テキストエンコーダはgoogle/t5-v1_1-xxlおよびmeta-llama/Meta-Llama-3.1-8B-Instructを使用しており、それぞれのライセンス条項に従います。
TransformerモデルはMITライセンスを採用。変分オートエンコーダ（VAE）はFLUX.1 [schnell]、テキストエンコーダはgoogle/t5-v1_1-xxlおよびmeta-llama/Meta-Llama-3.1-8B-Instructを使用しており、それぞれのライセンス条項に従います。
使用責任 | Usage Responsibility
生成コンテンツの所有権はユーザーにありますが、ライセンス条項を遵守し、違法・有害・弱者を対象としたコンテンツの生成は行わないでください。
生成コンテンツの所有権はユーザーにありますが、ライセンス条項を遵守し、違法・有害・弱者を対象としたコンテンツの生成は行わないでください。
REDiDream Pro | ライセンス継承
HiDream-I1のMITライセンスを継承し、それぞれのライセンス条項を遵守します。
HiDream-I1のMITライセンスを継承し、それぞれのライセンス条項を遵守します。
謝辞 | Acknowledgements
モデル元 | Weights Sources
HiDream-ai/HiDream-I1-Full · Hugging Face
Comfy-Org/HiDream-I1_ComfyUI · Hugging Face
GuangyuanSD/REDiDreamviaHiDreami1Uncensored · Hugging Face
コンポーネントの出典 | Component Sources
変分オートエンコーダはFLUX.1 [schnell]（Apache 2.0ライセンス）から、テキストエンコーダはgoogle/t5-v1_1-xxl（Apache 2.0ライセンス）およびmeta-llama/Meta-Llama-3.1-8B-Instruct（Llama 3.1 Community License Agreement）から取得しています。
The VAE is from FLUX.1 [schnell] (Apache 2.0 license), and text encoders are from google/t5-v1_1-xxl (Apache 2.0 license) and meta-llama/Meta-Llama-3.1-8B-Instruct (Llama 3.1 Community License Agreement).
REDiDream の命名由来：
この旅を経て、私たちはRe-Did-(a)Dream しました。
RED. UNO In-Context (FP8) 4/14/2025
REDAIGC FT Model は UNO In-Context 生成に合致させるためのもの
（F.1 dev より品質が向上）
FLUX FTベースモデルがUNOコンポーネントに適合できない問題を解決。FP8ウェイト（VRAM使用量16GB）、DiffusersおよびComfyUIの両方をサポート。
---
Diffusers スクリプト：
https://github.com/bytedance/UNO
Dit-LoRA ウェイト：
bytedance-research/UNO · Hugging Face
**ComfyUI-**nodes コンポーネント：
https://github.com/QijiTec/ComfyUI-RED-UNO
Diffusers-VAE バージョン：
https://huggingface.co/GuangyuanSD/16C_vae_Diffusers
---
この課題に対処するため、高い一貫性を持つデータ合成パイプラインを提案。このパイプラインは、ディフュージョントランスフォーマーの内在的なインコンテキスト生成能力を活用し、高一貫性のマルチサブジェクト対データを生成。さらに、UNOを導入。これは、漸進的なクロスモーダルアラインメントとユニバーサル回転位置エンベッディングから構成され、テキストから画像へのモデルから反復的に学習されたマルチ画像条件付きサブジェクトから画像へのモデルです。広範な実験により、当手法は単一サブジェクトおよびマルチサブジェクト駆動の生成において、一貫性を高めながら制御性を保証できることが示されました。
ULTRAREVEAL5 SFW 緊急リリース 3/25
ユーザーからのフィードバックにより、RevealシリーズがNSFWすぎるとの声があったため、
最初のRevealアダルトコンテンツロックイン版をリリースしました。
[ FLUX Contrast エンハンスメント トレーニング 搭載 ]
REALREVEAL5 突然リリース 3/18
F.1 DEV LoRA エコシステム 完全互換
反蒸留超高品質**（訓練可能）**
CFGを1に復元してF.1 DEVと同速度を実現
LoRA 完全互換 De-Distill UH素材（訓練可能）
[ FLUX Ultimate Realism エンハンスメント トレーニング 搭載 ]
---
Illust3Relustion PRO は Flux1-DedistilledMixTuned v3 PAP で再描画
Ultimate Realism トレーニングセットは DMT v3 PAP の再サンプリング後
2k超高精細画像をトレーニングセットとして追加
FLUX DEVバージョンの4K超高精細ベースウェイト EOR v3 を追加：
Flux.1 Dev Edge of Reality 真実のエッジ - v3 | Flux Checkpoint
---
NSFW アンロック済み
---
RedCraft RealReveal5 20ステップサンプリング用
CFG 1 | サンプラー Deis / DPM++2M / Euler | SGM_uniform
DetailDaemon サンプラーの有効化を推奨し、値を0.6–0.8に設定
---
SOTA の適応能力を すべてのF.1-LoRA に発揮！
RedCraft uncensored シリーズモデルは、NSFW非許可地域への公開を禁止します
非営利モデルのため、いかなる形での配布・拡散を禁止します [ Prohibition Against Dissemination ]
非営利モデル合成プラットフォームの所在地の法律および規制
illustriousRelustion3 更新 3/11
RETROSD / FLUX Reveal / EDGE4k を基に構築された、全人類向けリアル系 Illustrious FT
SD時代の輝かしい日々へと戻る！Returning to the glorious years of SD !
CFG 5.5 Deis / DPMM++2M | SGM Uniform / beta
サンプリングステップは約30が最適
プレビュー画像にはワークフローとプロンプトを同梱
Hyper / DMD2 / TDD などのアクセラレーターと組み合わせて使用
サンプリングステップ 25–30 が最適。Hyper/DMD2/TDD などのアクセラレーターと併用推奨
モデル設計は Hi-RES 2M（200万ピクセル）に対応
Hi-RES 2M（200万ピクセル）の解像度で設計。高解像度時はUNETスケーリングを有効化
すべてのサポートに心より感謝します！
PONYRelustion3 PRO 正式リリース 3/3
3300万リークデータセットを基に構築
91大神が支える東アジアリアル系 PONY モデル
ハッピーホースワールドの無限の創造力を支援！
unlimited creativity in PONY World!
---
CFG 5 Deis | DPMM++2M | SGM Uniform
サンプリングステップは約30が最適。詳細なパラメータは例画像をコピーしてください
Hyper/DMD2/TDD などのアクセラレーターと併用可能
---
設計解像度は Hi-RES 2M（200万ピクセル）
アスペクト比はPONYの超適応能力を継承
Aspect ratio like PONY's ULTRA adaptive ability
---
PONYワールドの成熟した高画質創作物のベースモデルを実現することを目指しています！
これまでのご支援、誠にありがとうございます！
high-quality,mature basemodel for the PONY world!
Thanks so much to everyone for all your support!
FLUX.Fill NSFW インペインティングモデルリリース 2/22
FLUX.Fill [NSFW] NewReveal F.1 inPainting モデル
F.1 FillにNSFWコンセプト要素をアンロック
NewReveal F.1モデルと組み合わせるためのFill [NSFW]
ULTRAと同様にNSFW概念要素を解放
インペインティングモデルは専用のインペインティングワークフローおよびインペインティングサンプラーで読み込む必要があります。画像にはマスクが必要です（画像編集や拡張などの専用用途用）。
【ご注意】inPaintingインペインティングモデルFill.NSFWは、専用のinpaintingワークフロー**【例画像に含む】**とインペインティングサンプラーで読み込む必要があります。画像にはマスクが必要です【画像編集または拡張の専用用途用】。
通常の作画にはこちらをご使用ください：RedCraft | 紅潮 | Commercial & Advertising Design System - 🌹NewReveal[F.1]ULTRA🌹
主に女性の解剖学的部位および人体器官の修復に使用
男性器の表現はまだ不十分です
主に女性の肢体および人体器官の修復に使用
[ 男性器の表現はまだ不十分です ]
RED.epicus BIG Movie (FP8) 2/23/2025
退屈！繰り返し！スパム！
RED[創造性] Epicus 史詩的な BIG Movie モデル
テキストから画像へのモデルの各種暗号化および蒸留技術の普及により
コミュニティの新モデル作品は次第に創造性を欠いています…
本当に写実写真が好きなら、なぜリアル撮影を依頼しないのですか？
退屈、繰り返し、無限
T2Iモデルにおけるさまざまな暗号化および蒸留技術の普及により、
F.1 コミュニティ作品は次第に創造性を欠いています
写実写真がこれほど好きなら！なぜリアル撮影を依頼しないのですか？
---
そこで、夕日紅団（Sunset Red Squad）は、反蒸留技術に基づく創造性重視のFTモデルを独自開発。
ロックされたトレーニングセットも、過学習されたスタイルもない、すべては創造性のために存在します。
拡散モデル本来の姿を再現します（失敗率は高いですが）
---
NSFW アンロック済み
---
RedCraft DRD（De-Re-Distilled） NewReveal.4M 20ステップ用
CFG 1 | サンプラー Deis / DPM++2M / Euler | SGM_uniform
"このバレンタインデーが、皆様の心に愛と喜びで満たされますように。すべての方々が愛情とかけがえのない瞬間に囲まれた一日になりますように。" 🌹🌹🌹🌹🌹🌹
Happy Valentine's Day ! 情 人 节 快 樂 2/14/2025
新 年 快 樂 Happy New Year of the Snake
すべての新作 F.1 Schnell FT モデルにご期待ください — RUSHReveal**·Schnell** 「絶情 · 抽卡機」
IL / PONY / XL / MJ / SD15 に最適なリファイナー
New Reveal ULTRA 2/08/2025
反蒸留超高品質**（訓練可能）**
CFGを1に復元してF.1 DEVと同速度を実現
LoRA 完全互換 De-Distill UH素材（訓練可能）
[ FLUX Aesthetics エンハンスメント LoRA 搭載 ]
NSFW アンロック済み
---
RedCraft DRD（De-Re-Distilled） NewReveal.4M 20ステップ用
CFG 1 | サンプラー Deis / DPM++2M / Euler | SGM_uniform
Dr Wikeeyang`s 最新研究
Flux1-Dedistilled 3.0
F.1 Distilled2PRO リーク 🏴☠️
/model/941929/flux1-dedistilledmixtuned
NewREVE[A]L 早出しリリース 1/22
F.1 DEV LoRA エコシステム 完全互換
反蒸留超高品質**（訓練可能）**
CFGを1に復元してF.1 DEVと同速度を実現
LoRA 完全互換 De-Distill UH素材（訓練可能）
[ FLUX Aesthetics エンハンスメント LoRA 搭載 ]
---
本モデルは F.1 Distilled2PRO の反蒸留「クラック版」早出し（公開済み）：
Flux1-DedistilledMixTuned V3 エスケープ版 (公開済み)
Flux1-DedistilledMixTuned - v3.0 fp8 | Flux Checkpoint | Civitai
---
FLUX DEVバージョンの4K超高精細ベースウェイト EOR v3 を追加：
Flux.1 Dev Edge of Reality 真実のエッジ - v3 | Flux Checkpoint
RED.2 [ ArtAUG ] BF16 美学ベースモデルウェイトを追加：
RedCraft | 紅潮 CADS | RED.2 BF16 (ArtAug) | Flux Checkpoint
---
NSFW アンロック済み
---
RedCraft DRD（De-Re-Distilled） NewReveal.4M 20ステップ用
CFG 1 | サンプラー Deis / DPM++2M / Euler | SGM_uniform
---
SOTA の適応能力を すべてのF.1-LoRA に発揮！
特別な感謝
SHM_AI の優れた作品：
SHM Realistic - v4.0 | Stable Diffusion Checkpoint | Civitai
HudujnikBezKisty の優れた作品：
The Super Realistic - TSR 2.0 | Stable Diffusion Checkpoint | Civitai
Astraali の優れた作品：
AstrAnime - AstrAnime_V6 | Stable Diffusion Checkpoint | Civitai
そしてSD1.5に静かに貢献されたすべての方々へ！
SD15RelustionHD リリース 1/18
Relustion1.5HD 高解像度リリース 1/18/2025
RETROSD素材とHD4Kを基にSD1.5を再構築
RETRO！SD時代の輝かしい日々へと戻る！
Returning to the glorious years of SD !
CFG 5-7 DPM++2M /EulerA | SGM Uniform
サンプリングステップは25～30ステップが最適。内蔵VAE
設計解像度はHi-RES 0.9M（92万ピクセル）
高解像度出力の場合はUNETスケーリングまたはブロックスクリプトを有効化
[ フル精度FP32で作成。初のFP16版公開 ]
RETRORelustion2 輝かしくリリース 1/16
RETROSD / FLUX Reveal / EDGE4k を基に構築した東アジア風レトロリアル系 Illustrious FT
RETRO！SD時代の輝かしい日々へと戻る！Returning to the glorious years of SD !
CFG 5 Deis | EulerA | SGM Uniform
サンプリングステップは25–30が最適。Hyper/DMD2/TDDなどのアクセラレーターと併用推奨
設計解像度はHi-RES 2M（200万ピクセル）。高解像度時はUNETスケーリングを有効化
すべてのサポートに心より感謝します！
PONYRelustion2 楽しみにリリース 1/11
FLUX Reveal / EDGE4k シリーズを基に構築した32ビット東アジアリアル系 PONY モデル
フルモデル fp32（12.92GB）、非蒸留・非汚染、BNB VRAM使用量7GB
FP32版初公開。PONYワールドの無限の創造力を実現！
ハッピーホースワールドの無限の創造力を支援！
CFG 5 Deis | EulerA | SGM Uniform
サンプリングステップは約25が最適。Hyper/DMD2/TDDなどのアクセラレーターと併用推奨
設計解像度はHi-RES 2M（200万ピクセル）。アスペクト比は超適応能力を継承
Aspect ratio like PONY's ULTRA adaptive ability
PONYワールドの成熟した高画質創作物のベースモデルを実現することを目指しています！
これまでのご支援、誠にありがとうございます！
特別な感謝
パラメータ最適化における優れた貢献に対し、感謝申し上げます！
RED.2 15.2 GB(BF16) 1/8/2025
POWERED BY FLUX Aesthetics エンハンスメント LoRA
ECNU Computational Intelligence Lab
RED.2 の美学評価は、DiffSynth-Studio で構築された「生成・理解・インタラクション」トレーニングプロジェクト ArtAug を基にしています。
**
**論文：https://arxiv.org/abs/2412.12888
モデル: ModelScope, HuggingFace
デモ: ModelScope, HuggingFace（準備中）
ArtAug のトレーニングプロセスは以下のステップから構成されています：
合成・理解・インタラクション：画像生成モデルで画像を生成後、マルチモーダル大規模言語モデル（Qwen2-VL-72B）で画像内容を分析し、改良のための提案を生成。これに基づき、品質の高い画像を再生成。
データ生成とフィルタリング：インタラクティブ生成は推論時間が長く、場合によっては品質の低い画像を生成するため、大規模な画像ペアをオフラインで生成・フィルタリングし、後続のトレーニングに使用。
差分トレーニング：差分トレーニング手法を適用してLoRAモデルを訓練。強化後の画像データセットを直接学習するのではなく、強化前後画像の差分を学習。
反復的強化：訓練されたLoRAモデルをベースモデルに統合し、統合モデルを使用してこのプロセスを繰り返し実行。インタラクションアルゴリズムがもはや顕著な改善を提供しなくなるまで継続。各イテレーションで生成されたLoRAモデルを統合して、最終モデルを完成。
このモデルは、Qwen2-VL-72Bの美的理解を**FLUX.1[dev]**に統合し、生成画像の品質を向上させました。
使用方法
CFG 1 | サンプラー Deis / DPM++2M / Euler | SGM_uniform
アクセラレーターなしで25ステップで生成
RED.2用に推奨されるアクセラレーター：RED-AIGC / TDD
ターゲット駆動型ディスティレーション：ターゲットタイムステップ選択と分離型ガイドanceによる一貫性ディスティレーション
TDDディスティレーション済みRED.2を使用してたった4-8ステップで生成
ディスティレーションアクセラレーターの重みスケーリング：0.12～0.13
[ サンプラー LCM/EulerAでリサンプリングを使用するとより良い結果が得られます ]
このリンク内のモデルは並列関係であり、バージョンアップではありません。
本リンク内のモデルは並列の平行関係であり、すべてがバージョン進化ではありません
違いについては、右側の「このバージョンについて」セクションをご覧ください。
異なるバージョンの説明は、右側の「About this version」リストにあります。
以下がモデル一覧 list of models：
TURBO Reveal2 クリスマス初公開！メリー クリスマス！
（ HOTFix v2.1 をアップロード - LoRA適応性を強化）
Reveal NSFWをベースに、さらに多くのポートレートを統合した試みです！
Reveal2 Turbo 8-10ステップ
Reveal NSFWをベースに、より多くのポートレートを統合
RedCraft | 紅潮 CADS - Reveal2 TURBO
皆様、节日おめでとうございます！Wishing everyone a happy holiday!
本モデルは、いかなる逆ディスティレーション重みも使用していません。
Does not use any De-distilled weights
PONY Relustion 冬至初公開 Winter Solstice Festival
高画質リアリスティックスタイルをベースに、創造性を優先した設計
↳ RedCraft | 紅潮 CADS - PONY Relustion
高解像度リアリスティックスタイルをベースにした創造性優先設計
前回のPONYモデル公開から7か月が経過しました：
MIST XL Hyper Character Style Model 角色スタイルモデル高速版
ご関心のある方は、世界初のHyper-PONY超高速モデルをご確認ください。
Reveal NSFW
FLUX.1 DEV仕様のFP8 FTモデルで、男女のロマンスアクションと人体アートを特徴とします：
↳ RedCraft | 紅潮 CADS - Reveal NSFW
FLUX.1 DEV FP8 FTモデル。ロマンスアクションと人体アートを強調。
Reveal3 ULTRA
（ HOTFix v3.2 - PENIS をアップロード）
FLUX.1 DEVと逆ディスティレーション技術を組み合わせた高画質バージョンの進化版：
↳ RedCraft | 紅潮 CADS - Reveal3 uncensored
Revealの逆ディスティレーション品質最適化による高画質更新版
Relustion IL NSFW
SDXL仕様のフルトレーニングモデルであるIllustrious XLのリアリスティックFT版：
↳ RedCraft | 紅潮 CADS - Relustion IL NSFW
SDXLベースのIllustrious XLのリアリスティックFT版、完全最適化
Relustion ULTRA
Relustion ILをさらに進化させた、リアリズム強化の高画質バージョン：
↳ RedCraft | 紅潮 CADS - Relustion ULTRA
Relustion ILをベースにリアリズムを強化した高画質バージョン
Relustion XL
SDXL CADS3をベースに、NSFWトレーニングセットを統合した高画質量子化モデル：
↳ RedCraft | 紅潮 CADS - Relustion XL
SDXL CADS3をベースとし、NSFWトレーニングセットを統合した高画質量子化モデル。FLUXおよびILモデルの高精細化に使用
**RASCH.**1 / 2
2つの異なるSchnell逆ディスティレーションFTモデルにRED.1スタイルを統合した高速モデル：
↳ RedCraft | 紅潮 CADS - RASCH.2
↳ RedCraft | 紅潮 CADS - RASCH.1 Forge
ReFLEX NSFW
Schnell NF4バージョンの2D絵画モデルで、構造安定性とプロンプト再現性を重視：
↳ RedCraft | 紅潮 CADS - REFLEX NSFW
異なるSchnell逆ディスティレーションFTモデルにRED.1スタイルを統合した高速モデル
プロンプト再現性を保ちつつ、De-Re-Distilled（DRD）Schnellモデルはスピードと品質の両立を実現。
また、ディスティレーションモデルは自然に肢体・画風の安定性を持ち、4bit量子化版でも優れた結果が得られます。
6～10GBのVRAM使用量、4～8ステップで画像出力、非常に高速（絵画スタイルトレーニングや建築・内装モデルに特に適しています）
De-Re-Distilled（DRD）Schnellモデルは、速度と品質を両立。
さらに、ディスティレーションモデルは自然な安定性を備えており、4ビット量子化版でも優れた結果が得られます。
VRAM使用量：6～10GB、画像出力：4～8ステップ、非常に高速（絵画スタイルのトレーニングや建築・内装モデルに最適）
以下は、RedCraftシリーズの基本美的モデル「Red.1」の紹介です。
RedCraft RED.1
BF16 CADS Commercial & Advertising Design System
現在、10ステップ以内で高速出力可能なBF16モデルの中でも、出力品質が高く、詳細が豊富な基礎モデルの一つです。
Fine Quality Steps 10-20 Model, 一部の詳細ではFluxシリーズモデルを上回り、20Bパラメータモデルに迫ります。
METAFILM AI - Commercial & Advertising Design Systemをベースに、flux-dev-de-distillをマージし、ComfyUI、Block_Patcher_ComfyUI、ComfyUI_essentials などのツールでファインチューニング。推奨ステップ：10-20。他の12Bモデルと比較して品質が大幅に向上。
ベース：
De-Distill & CADS商業素材 FP16
ComfyUI WebUIでオンライン生成に対応
10-20 STEPS Euler / DPM++2M | beta / SGM_Uniform
CFG 3-3.5
実際のCFG値を設定する必要があります（ガイドanceを無効にするか0に設定）
——————————————————————————
名前にAIO（All in one）を含むバージョンは、UNET + VAE + CLIP L + T5XXL（fp8）を統合しています。チェックポイントまたはコンパクト版とも呼ばれます。
ComfyUIでBNB NF4およびGGUF量子化を使用するには、特別なモデルローダを追加するカスタムノードのインストールが必要です：
NF4 + Loraサポート: https://github.com/bananasss00/ComfyUI_bitsandbytes_NF4-Lora
（非推奨）NF4 UNET: https://github.com/DenkingOfficial/ComfyUI_UNet_bitsandbytes_NF4
（非推奨）NF4 AIOチェックポイント: https://github.com/comfyanonymous/ComfyUI_bitsandbytes_NF4
UNETバージョンを使用するには、TEXT ENCODERSとVAEも必要です。
それらが無い場合は、以下からダウンロードしてください：
T5XXL - CLIP L: https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main
GGUF T5XXL: https://huggingface.co/city96/t5-v1_1-xxl-encoder-gguf
VAE: https://huggingface.co/black-forest-labs/FLUX.1-schnell/tree/main/vae
モデルは「models/diffusion_models」または「models/unet」に配置。テキストエンコーダは「models/clip」、VAEは「models/vae」フォルダに配置してください。
ComfyUIでは、標準的なFluxワークフローを使用するか、「Load Diffusion Model」、「DualClipLoader」、および「Load VAE」ノードを追加してチェックポイントローダーを置き換え、設定を完了してください。
Forgeでは、オプション「Diffusion in low bits」を「bnb-nf4」に設定してください。
GGUF量子化スクリプトの提供者：city96
BNB量子化スクリプトの提供者：Redditユーザ a_beautiful_rhind
——————————————————————————
大楊先生の8ビットファインチューニング版も強く推奨：
Flux1-DedistilledMixTuned-V1 - v1.0 fp8 | Flux Checkpoint | Civitai
現在、公式ベンチマークスタイルに最も近く、出力品質が最良の高速モデルの一つと考えられます。
推奨：
UNETバージョン（モデルのみ）にはテキストエンコーダとVAEが必要です。以下のようなCLIPおよびテキストエンコーダモデルを使用すると、プロンプトガイドanceが改善されます：
VAE: https://huggingface.co/black-forest-labs/FLUX.1-schnell/tree/main/vae
GGUF版：GGUFモデルサポートノードをインストールしてください。https://github.com/city96/ComfyUI-GGUF
シンプルワークフロー：以下の非常にシンプルなワークフロー。他のComfyカスタムノードは不要です（GGUF版の場合は、city96の「UNET Loader(GGUF)」ノードを使用してください）：
Thanks for:
https://huggingface.co/wikeeyang、Wikee Yang による8ビットモデルの丁寧なファインチューニングとモデル情報提供。こちらで確認できます：
wikeeyang/Flux.1-Dedistilled-Mix-Tuned-fp8 · Hugging Face
https://huggingface.co/Anibaaal、Flux-Fusionは非常に優れたミックスおよびチューニングモデルです。
https://huggingface.co/nyanko7、Flux-dev-de-distillは素晴らしい実験プロジェクトです！inference.pyスクリプトに感謝します。
https://huggingface.co/MonsterMMORPG、Furkan氏はFlux.1モデルの多数のテストやチューニングコースを共有し、逆ディスティレーションモデルの特殊テストを実施しました。
https://github.com/cubiq/Block_Patcher_ComfyUI、cubiq氏のFluxブロックパッチャーサンプラーにより、Flux.1ブロックパラメータの変化が画像生成に与える影響を多数のテストで確認できました。彼のComfyUI_essentialsにはFluxBlocksBusterノードがあり、ブロック値の調整が容易です。素晴らしい仕事です！
https://huggingface.co/twodgirl、モデル量子化スクリプトとテストデータセットを提供。
https://huggingface.co/John6666、モデル変換スクリプトとモデルコレクションを共有。
https://github.com/city96/ComfyUI-GGUF、GGUF量子化モデルのネイティブサポート。
https://github.com/leejet/stable-diffusion.cpp、純粋なC/C++ GGUFモデル変換スクリプトを提供。
国内ではModelscope魔搭コミュニティで公開済み、高速ダウンロードを体感ください！
RedCraft | 紅潮 CADS 商業・広告デザインシステム · モデルライブラリ
世界唯一、逆ディスティレーションFLUXモデルのオンライン生成をサポートするプラットフォーム（コミュニティ無料）：
AIGC 专区 - 画像生成 · 魔搭コミュニティ Model: qijitech/RedCraft-12b-10steps-FP16-AIGC
逆ディスティレーションFLUXモデルのオンライン生成をサポートする唯一のプラットフォーム（コミュニティ無料）。
Huggingface.coにも近日公開予定。
————————————————————————————————————————
テストに関する質問はコメント欄へ、ビジネス提携はプロフィールページへ +V Zyuan980
ツールとして機能し、アーティストを支援。詳細情報は以下：
————————————————————————————————————————