（2025年10月21日）：是时候展望未来了……

本模型将不再主动更新。SDXL 太……过时了，它发布于两年前（2023年6月）。

为什么不尝试新模型呢？它们拥有更新的架构、更好的性能，且效率更高。例如：Lumina 2。如果你刚听说 Lumina 2，快速了解下：

• 发布于2025年1月。开源，Apache License 2.0。

• 采用 DiT 架构（目前最流行的架构，与 Flux.1 等相同）。

• 小巧高效，仅20亿参数。完整（fp16）模型仅5GB，Q8模型仅2.5GB，意味着你甚至可以在GTX 1050上加载并运行它，且不损失画质。

• 使用与 Flux 相同的16通道VAE，数学上比SDXL的4通道VAE性能提升4倍。

• 使用 Google Gemma 2 2B 作为文本编码器（是的，它本身就是一个功能完整的LLM聊天模型）。比SDXL中老旧的CLIP强大1000倍——CLIP仅能理解标签，而Gemma 2不仅支持英语，还支持中文、日语……它对提示的理解和遵循能力有多强？你可以直接通过提示实现（注意：这是单张图像，非四张，完整图像和提示见此处，灵感来自此处）。

• Neta Lumina 是基于Danbooru和e621数据集训练的动漫风格微调模型。

• NetaYume Lumina 是进一步微调版本。

我训练了一个"增强包" LoRA。名称已更改，更准确，但数据集不变。

另外，我认为Civitai不会支持Lumina 2。我也已将模型上传至TensorArt。你可以在这里找到我，并在线尝试Lumina 2模型——如果你没有本地配置的话。

题外话个人看法：

Chroma 的图像质量优于 Lumina 2。毕竟它是10B的Flux.1模型，搭配5B的T5文本编码器（分别是Lumina 2的5倍和2.5倍）。但它不擅长动漫风格。

AuraFlow 很别扭。7B模型，不够小。整体表现不如Flux.1，效率也不如Lumina 2。我试过原始v0.3模型，图像质量与原始Lumina 2相当，但提示理解能力明显更差。（Gemma2远优于pile-T5）

Qwen很棒，但太大了，除非你愿意租用H100，否则连最微小的LoRA都无法训练。

---

（2025年10月21日）：Noobai v-pred v0.280a

• 特别版本，“a”代表动漫。带有默认2D动漫风格，因此如果你不想手动指定风格，使用起来更简单。否则仍推荐v0.271，因为它更具创造性。

• 此外，数据集变化很大，整体效果可能与之前版本截然不同。

---

---

Stabilizer

一个基于7000张图像微调的小型模型。

• 侧重创意，而非固定风格。数据集非常多样，因此该模型不包含限制其创意的默认风格（偏差）。

• 仅使用自然纹理、光照和 finest 细节。无塑料感、高光AI风格。每张图像均由我亲自挑选。我知道使用AI图像训练会放大某些夸张效果，但我并不喜欢。

• 更好的提示理解能力。使用自然语言描述进行训练。

• （v-pred）更佳且均衡的光照，无溢出与过度饱和。在同一张图像中，甚至在同一位置，想要纯黑（0）和纯白（255）？没问题。

为何没有默认风格？

• “默认风格”是什么？如果一个模型有默认风格（偏差），意味着无论你如何提示，模型都必须生成构成该默认风格的相同元素（人脸、背景、氛围）。

• 优点：使用简单，无需再提示风格。

• 缺点：但你也无法覆盖它。如果你提示的内容不符合默认风格，模型会忽略它。如果你叠加多个风格，默认风格总会叠加/污染/限制其他风格。

• “无默认风格”意味着无偏差，你需要通过标签或LoRAs明确指定想要的风格。但本模型不会造成风格叠加或污染。你能完全准确地实现你叠加的风格。

为何这个“微调基础模型”是一个LoRA？

• 我不是Gigachad，也没有数百万张训练图像。微调整个基础模型并不必要，一个LoRA就足够了。

• 我只需上传，你只需下载一个仅40MiB的小文件，而不是7GiB的庞大检查点，节省99.4%的数据和存储空间，因此我可以频繁更新。

• 这个LoRA虽小，却很强大。因为它采用NVIDIA新架构DoRA，比传统LoRA更高效。

那么，如何获得这个“微调基础模型”？

很简单：

预训练基础模型 + 本LoRA = 微调基础模型

只需在预训练基础模型上以全强度加载本LoRA，预训练模型就会变成我生成所有封面图的微调基础模型。详见下方“使用方法”。

禁止使用本模型进行模型融合。 顺便说一句，模型内嵌有隐藏触发词，用于打印不可见水印。水印与检测器均由我自行编写。我本不想使用，但保留此能力。

本模型仅发布于Civitai和TensorArt。若你在其他平台看到“me”和这句话，均为伪造，你所使用的平台是盗版平台。

请在评论区留下反馈，以便所有人看到。不要在Civitai的评价系统中反馈——该系统设计极差，几乎没有人能找到或看到评价。

---

如何使用

最新版本：

• nbvp10 v0.271（适用于NoobAI v-pred v1.0）。

  • 色彩精准、细节极致。这是目前最佳模型。

  • 这是一个v-pred LoRA，仅适用于NoobAI v-pred v1.0。对eps模型无效。

• nbep10 v0.273（适用于NoobAI eps v1.0）。

  • 与v-pred模型相比饱和度和对比度更低。因标准epsilon（eps）预测存在“小设计缺陷”，限制了模型达到更广色彩范围。因此后来我们才开发了v-pred。

• illus01 v1.198（在Illustrious v0.1上训练）。

  • 注意：目前多数标为“illustrious”的动漫基础模型实际上都是NoobAI（或主要基于NoobAI）。建议两者都试一试，看哪个更好。

请先将本LoRA加载到你的LoRA堆栈中。

本LoRA采用NVIDIA的DoRA新架构，比传统LoRA更高效。但与传统LoRA的静态修补权重不同，DoRA的修补权重是根据当前加载的基础模型权重动态计算的（当你加载其他LoRA时，权重会变化）。为最小化意外变化，请首先加载本LoRA。

两种使用方式：

1）作为微调基础模型使用（推荐）：

若你希望获得极致自然的细节，并完全掌控你想要的风格组合。

只需以全强度在预训练基础模型上加载本LoRA，预训练模型即会变为我生成所有封面图的微调基础模型。

2）作为LoRA应用于其他微调基础模型。

毕竟，它就是一个LoRA。

常见问题解答：

封面图是原始输出，来自预训练模型，分辨率为1MP。没有神奇插件，没有放大，没有手部/面部修复，甚至没有负面提示。有些用户说无法复现，那是技术问题。（基础模型不匹配或叠加了过多“优化”）

若即使在低强度（如<0.5）下也破坏了你的基础模型，那是你的基础模型的问题。你的模型已合并过此LoRA（且你重复合并了两次），导致权重相乘并坍塌。警惕假冒基础模型创作者——即窃贼。一些“创作者”从未训练过模型，只抓取他人模型，合并它们，清除所有元数据和署名，然后当作自己的基础模型出售。

---

数据集

最新或近期版本

总计约7000张图像。不算庞大（相较于那些喜欢用数百万图像微调模型的Gigachads），但也不小，且每张图像均由我亲自挑选。

• 仅包含正常美观的内容。无无法描述的极端艺术风格。

• 无AI生成图像。我绝不允许。

• 仅高分辨率图像。整个数据集平均像素为3.37MP，约1800x1800。

• 所有图像均配有Google LLM生成的自然描述。

---

其他工具

一些原本计划或曾作为Stabilizer一部分的功能，现已拆分为独立LoRA，以提高灵活性。合集链接：https://civitai.com/collections/8274233。

Dark：偏向暗环境的LoRA，适用于修正某些基础模型的高亮度偏差。在低亮度图像上训练。无风格偏差，故无风格污染。

Contrast Controller：手工打造的LoRA，可像调节显示器亮度一样控制对比度。与其他训练的“对比度增强器”不同，该LoRA效果稳定、数学线性，对风格无任何副作用。

当你的基础模型存在过度饱和问题，或你想要非常鲜艳的效果时，非常有用。

示例：

Style Strength Controller：或称过拟合效应减弱器。可数学上减弱所有类型的过拟合效应（如对象、亮度等偏差），或按需放大。

Stabilizer 与之区别：

• Stabilizer 在真实世界数据上训练，仅能通过“补充”纹理、细节和背景来“减弱”过拟合效应。

• Style Controller 并非基于训练，更像是“撤销”基础模型的训练，使其更少过拟合。可数学上减弱所有过拟合效应，如亮度、对象偏差。

---

旧版本：

更多信息请参见“更新日志”。请注意，旧版本效果可能截然不同。

主要时间线：

• 现在 ~：自然细节与纹理，稳定的提示理解，更多创意。不再局限于纯2D动漫风格。

• illus01 v1.23 / nbep11 0.138 ~：色彩更生动的更好动漫风格。

• illus01 v1.3 / nbep11 0.58 ~：更好的动漫风格。

---

更新日志

（2025年10月21日）：Noobai v-pred v0.280a

• 特别版本，“a”代表动漫。带有默认2D动漫风格，如果你不想手动提示风格，使用起来更简单。此外，数据集变化很大，效果可能与之前版本显著不同。

（2025年8月31日）NoobAI ep10 v0.273

此版本从NoobAI eps v1.0开始训练。

与之前的illus01 v1.198相比：

• 在极端条件下亮度更佳且均衡。（与nbvp v0.271相同）

• 纹理和细节更好。在高SNR时间步上进行了更多训练。（illus01版本为兼容性跳过了这些时间步。现在所有基础模型均为NoobAI，无需再跳过。）

（2025年8月24日）NoobAI v-pred v0.271：

与之前v0.264相比：

• 极端条件下光照更佳、更均衡，偏差更少。

• 高对比度，同一图像中甚至同一位置可实现纯黑（0）和纯白（255），无溢出和过度饱和。现在你可以同时拥有这一切。

• （旧版v0.264会尝试将图像限制在10~250之间以避免溢出，但仍存在明显偏差，整体图像可能过暗或过亮）

• 与v0.264一样，建议使用高或全强度（0.9~1）。

（2025年8月17日）NoobAI v-pred v0.264：

• 首个在NoobAI v-pred上训练的版本。

• 提供更好的光照，减少溢出。

• 注意：建议使用高或全强度（0.9~1）。

（2025年7月28日）illus01 v1.198

主要与v1.185c相比：

• “c”版本终结。虽然“视觉冲击力”强，但存在兼容性问题。例如，当你的基础模型已具备类似对比度增强时，叠加两个对比度增强效果极差。因此，不再使用极端后期效果（如高对比度和高饱和度等）。

• 相反，增加更多纹理和细节。电影级光影效果。更好兼容性。

• 此版本更改了许多内容，包括数据集全面重构，因此效果将与之前版本大不相同。

• 为那些想找回 v1.185c 疯狂效果的用户：你可以在本页面 /model/1777579?modelVersionId=2060407 找到纯粹且专注的艺术风格。如果数据集足够大以训练一个 LoRA，我可能会训练一个。

(2025年6月21日) illus01 v1.185c：

与 v1.165c 相比。

• +100% 清晰度与锐度。

• -30% 过于混乱（无法准确描述）的图像。因此，你可能会发现此版本不再能提供疯狂的高对比度效果，但在正常使用场景中应更加稳定。

(2025年6月10日): illus01 v1.165c

这是一个特殊版本。 这不是 v1.164 的改进版。“c”代表“色彩丰富”、“富有创意”，有时也代表“混乱”。

数据集包含大量视觉冲击力强的图像，但有时难以描述，例如：色彩极其鲜艳、高对比度、复杂的光照条件、到处都是物体和复杂图案。

因此，你将获得“视觉冲击力强”的效果，但代价是“自然感”降低。可能影响柔和色调等风格。例如，此版本无法像 v1.164 那样完美生成“铅笔画”纹理。

(2025年6月4日): illus01 v1.164

• 更好的提示理解能力。现在每张图像都有三个来自不同视角的自然描述，Danbooru 标签由 LLM 检查，仅提取重要标签并融合进自然描述中。

• 防过曝。新增偏差，防止模型输出达到纯白色 #ffffff。多数情况下，#ffffff 代表过曝，会导致大量细节丢失。

• 调整了部分训练设置，使其更兼容 NoobAI，支持 e-pred 和 v-pred 两种预测模式。

(2025年5月19日): illus01 v1.152

• 持续改进光影、纹理与细节。

• 增加了 5K 张图像和更多训练步数，因此效果更强。

(2025年5月9日): nbep11 v0.205:

• 快速修复了 v0.198 的亮度与色彩问题。现在不应再像真实照片那样剧烈改变亮度和色彩。v0.198 并不差，只是过于“有创意”，甚至太过了。

(2025年5月7日): nbep11 v0.198:

• 增加了更多暗色调图像，减少身体变形，背景在暗环境下的表现更自然。

• 移除了色彩与对比度增强。因为不再需要。请改用 Contrast Controller。

(2025年4月25日): nbep11 v0.172

• 与 illus01 v1.93 ~ v1.121 相同的新特性。摘要：新增照片数据集 “Touching Grass”——更自然的纹理、背景与光影，角色效果减弱以提升兼容性。

• 更好的色彩准确性和稳定性。（与 nbep11 v0.160 相比）

(2025年4月17日): illus01 v1.121

• 回退至 illustrious v0.1。illustrious v1.0 及更新版本是故意使用 AI 生成图像训练的（约占数据集 30%），这对 LoRA 训练并不理想，直到我阅读其论文后才意识到。

• 降低角色风格效果，回归至 v1.23 水平。此 LoRA 生成的角色细节更少，但兼容性更好。这是权衡取舍。

• 其他内容与下方（v1.113）相同。

(2025年4月10日): illus11 v1.113 ❌

• 更新： 仅当你的基础模型基于 Illustrious v1.1 时才使用此版本，否则请使用 illus01 v1.121。

• 基于 Illustrious v1.1 训练。

• 新增数据集 “Touching Grass”——更自然的纹理、光影与景深效果，背景结构稳定性更强，减少变形背景（如变形的房间、建筑）。

• 使用 LLM 生成的完整自然语言描述。

(2025年3月30日): illus01 v1.93

• v1.72 训练过度，因此整体降低了强度，兼容性应更好。

(2025年3月22日): nbep11 v0.160

• 与 illus v1.72 内容相同。

(2025年3月15日): illus01 v1.72

• 使用与下方 ani40z v0.4 中相同的新型纹理与光影数据集——更自然的光影与纹理。

• 新增约 100 张图像的数据集用于手部增强，专注于不同任务的手部（如拿杯子、玻璃等）。

• 从数据集中移除所有“简单背景”图像，共 -200 张。

• 训练工具从 kohya 切换为 onetrainer，LoRA 架构改为 DoRA。

(2025年3月4日) ani40z v0.4

• 基于 Animagine XL 4.0 ani40zero 训练。

• 新增约 1k 张专注于自然动态光影与真实世界纹理的数据集。

• 更自然的光影与纹理。

ani04 v0.1

• Animagine XL 4.0 的初始版本，主要用于修复 Animagine 4.0 的亮度问题，提升对比度与清晰度。

illus01 v1.23

nbep11 v0.138

• 为平衡数据集，新增了一些毛茸茸/非人类/其他图像。

nbep11 v0.129

• 无效版本，效果太弱，忽略即可。

nbep11 v0.114

• 实现“全范围色彩”功能，自动将图像调整至“正常且美观”的状态，类似于大多数图像编辑工具中的“一键照片增强”按钮。此优化的缺点：会抑制色彩偏差。例如，你希望 95% 的图像为黑色、5% 为高亮，而非 50/50。

• 增加少量真实数据，提升细节、光影表现，减少平涂色彩。

illus01 v1.7

nbep11 v0.96

• 增加更多训练图像。

• 后续在小型“壁纸”数据集（真实游戏壁纸，我能找到的最高质量，约100张）上进行微调，细节（如皮肤、头发）和对比度进一步提升。

nbep11 v0.58

• 增加更多图像，调整训练参数以尽可能接近 NoobAI 基础模型。

illus01 v1.3

nbep11 v0.30

• 增加更多图像。

nbep11 v0.11: 基于 NoobAI epsilon pred v1.1 训练。

• 改进数据集标签，优化 LoRA 结构与权重分布，稳定性更高，对图像构图影响更小。

illus01 v1.1

• 基于 illustriousXL v0.1 训练。

nbep10 v0.10

• 基于 NoobAI epsilon pred v1.0 训练。