Stable Diffusion【二次元模型】：超级出色的动漫大模型

AI极客菌

已于 2024-12-29 21:45:51 修改

阅读量1k

点赞数 18

文章标签： stable diffusion 人工智能 AIGC SD AI绘画 SD教程 AI

于 2024-12-16 10:14:59 首次发布

本文链接：https://blog.youkuaiyun.com/2401_85688943/article/details/144499218

版权

今天给大家介绍的是一个动漫风格的大模型Animagine XL 3.1。

Animagine XL 3.1 基于 Stable Diffusion XL
构建，旨在通过生成准确而详细的动漫角色，成为动漫迷、艺术家和内容创作者的宝贵资源。

Animagine XL 3.1 是 Animagine XL V3 系列的升级更新，增强了之前的 Animagine XL
3.0版本，经过升级改进，可以生成更高质量的动漫风格图像。它增强了手部解剖结构能力、改进了概念理解和提示词解析能力。

一.Animagine XL 3.1模型使用指南

在C站官网给出了该模型的使用指南，这里我们梳理一下重点，以便加强对这个模型的理解和使用。

1. 结构化的提示词模版

Prompt：1girl/1boy, character name, from what series,
everything
else in any order.

提示词：1男孩/1女孩，什么角色，来自哪个系列，其他描述词

例如：

Prompt：1girl, tifa lockhart, final fantasy

提示词：女孩，蒂法·洛克哈特，最终幻想

当然我们也可以不参照官方的提示词模版，直接自己写提示词。不过最好还是按照官方的结构化提示词模版来写，这样效果最好。

2. 特殊标签

Animagine XL 3.1
利用特殊标签来指导最终生成图片结果的质量、评级、创建日期和美观。虽然模型可以生成没有这些标签的图像，但使用它们可以帮助获得更好的结果。

（1）质量标签：用于控制图片的质量

质量标签通过给标签评分，以确保平衡的质量分布。改进了标签以提高清晰度，例如将“高质量（high quality）”更改为“优质（great
quality）”。

Quality Modifier	Score Criterion  
masterpiece（高质量）	        > 95%  
best quality（最好的质量）	> 85% & ≤ 95%  
great quality（优秀的质量）	> 75% & ≤ 85%  
good quality（高品质）	        > 50% & ≤ 75%  
normal quality（正常质量）	> 25% & ≤ 50%  
low quality（低质量）	        > 10% & ≤ 25%  
worst quality（最差质量）	≤ 10%

为了简单和清晰，简化了评级标签，旨在建立可应用于不同模型的全局规则。例如，标签“评级：一般（rating:
general）”现在只是“一般（general）”，“评级：敏感（rating: sensitive）”已压缩为“敏感（sensitive）”。

Rating Modifier	    Rating Criterion  
safe	            General  
sensitive	    Sensitive  
nsfw	            Questionable  
explicit, nsfw	    Explicit

（2）年份标签

重新定义了年份的范围，以更准确地区分是特定的现代艺术风格还是复古动漫艺术风格。

Year Tag	Year Range  
newest（最新）	        2021 to 2024  
recent（最近）	        2018 to 2020  
mid（中期）	        2015 to 2017  
early（早期）	        2011 to 2014  
oldest（最老）	        2005 to 2010

（3）美学标签

通过美观标签增强图片的画面美观程度，根据视觉吸引力完善内容分类。这些标签源自专门的
ViT（Vision
Transformer）图像分类模型所做的评估，该模型专门针对动漫数据进行了训练。为此，使用了模型shadowlilac/aesthetic-
shadow-v2，它在接受训练之前评估内容的美学价值。这确保了每条内容不仅相关且准确，而且具有视觉吸引力。

Aesthetic Tag	                    Score Range  
very aesthetic（非常美观）	       > 0.71  
aesthetic（审美）	               > 0.45 & < 0.71  
displeasing（令人不愉快的）	       > 0.27 & < 0.45  
very displeasing（非常令人不愉快的）     ≤ 0.27

上面介绍的推荐标签，大家在写提示词的时候注意一下这些关键词的描述即可。

3. 推荐设置

（1）正向提示词

为了获得更高质量的结果，在正向提示前添加以下关键词

masterpiece, best quality, very aesthetic, absurdres

* 1

(2) 反向提示词

为了引导模型生成高美观的图像，使用负面提示词

nsfw, lowres, (bad), text, error, fewer, extra, missing, worst quality, jpeg artifacts, low quality, watermark, unfinished, displeasing, oldest, early, chromatic aberration, signature, extra digits, artistic error, username, scan, [abstract]

* 1

（3）该模型推荐的参数设置：

采样器：Eular a
采样迭代步数：低于30
CFG：5-7

（4）分辨率

该模型支持生成以下尺寸的图像

Dimensions	Aspect Ratio  
1024 x 1024	1:1 Square  
1152 x 896	9:7  
896 x 1152	7:9  
1216 x 832	19:13  
832 x 1216	13:19  
1344 x 768	7:4 Horizontal  
768 x 1344	4:7 Vertical  
1536 x 640	12:5 Horizontal  
640 x 1536	5:12 Vertical

4. 局限性

（1）以动漫为中心 ：此模型专为生成动漫风格的图像而设计，不适合创建逼真的照片。

（2）提示词复杂性
：此模型可能不适合希望通过简短提示词获得高质量结果。该模型的重点是概念理解而不是审美细化，因此可能需要更详细和更具体的提示词才能实现想要的效果。

（3）提示词格式 ：Animagine XL 3.1 针对 Danbooru
风格的标签而不是自然语言提示词进行了优化。为了获得最佳结果，鼓励用户使用适当的标签和语法来格式化提示词。

（4）解剖学和手部渲染 ：尽管在解剖学和手部渲染方面做出了改进，但仍然存在模型在这些领域产生次优结果的情况。

（5）数据集大小 ：用于训练 Animagine XL 3.1 的数据集包含大约 870,000 张图像。与上一次迭代的数据集（120
万）相结合，总共训练的数据约为 210 万张图像。尽管数据集大小很大，但对于“终极”动漫模型来说，该数据集大小仍可能被认为是有限的。

（6）NSFW 内容 ：Animagine XL 3.1 旨在生成更加平衡的 NSFW
内容。然而，值得注意的是，即使没有明确提示，该模型仍然可能产生 NSFW 结果。

Animagine XL
3.1的目标是为用户提供透明度并设定符合用户实际需求的模型。尽管存在这些限制，我们相信该模型代表了动漫风格图像生成的重要一步，并为艺术家、设计师和爱好者提供了强大的工具。

二.模型下载地址和使用体验地址

模型下载地址

C站：https://civitai.com/models/260267

Huggingface : https://huggingface.co/cagliostrolab/animagine-
xl-3.1/tree/main

TensorArt ：

https://tensor.art/models/706485991197825616

模型使用体验地址

**Huggingface：**https://huggingface.co/spaces/cagliostrolab/animagine-xl-3.1

SeaArt.ai ：https://www.seaart.ai/zhCN

三.模型对比

1. Animagine XL 3.1 与Animagine XL 3.0

正向提示词：best quality, 1girl

反向提示词：worst quality, low quality, nomal quality, bad anatomy, NSFW

Animagine XL 3.0

Animagine XL 3.1

强光源、露出耳朵的发型、逆光感等主要特征依然存在，但Animagine XL
3.0特有的长缝眼睛和粉红脸颊不再明显，曝光度也有所降低。另外，在Animagine XL
3.0中，虽然有一种皮肤有光泽的感觉，但这种感觉也有所减弱，整体感觉更加平静。

此外，Animagine XL 3.1 中的线条比 Animagine XL 3.0 中的线条更细、更清晰，而且感觉不那么厚重和立体，使其更加平坦。

2. Animagine XL 3.1美学标签比较

从上面图片可以看出，美学标签对于图片中线条的清晰度和颜色的变化会产生一些影响。如果使用质量低的标签，手指可能会看起来断了。

3. Animagine XL 3.1年份标签比较

年份标签中年份长（oldest）并不意味着品质就会下降，可以根据自己需要的风格来使用。

红润、狭长、锐利的眼睛是newest、late才有的特征，而mid以下则较为自然。

4. Animagine XL 3.1年份标签和美学标签的效果比较

针对各位初学者，这里列举了一条完整的学习计划，感兴趣的可以阅读看看，希望对你的学习之路有所帮助，废话不多说，进入正题：目标应该是这样的：

第一阶段（30天）：AI-GPT从入门到深度应用

该阶段首先通过介绍AI-GPT从入门到深度应用目录结构让大家对GPT有一个简单的认识，同时知道为什么要学习GPT使用方法。然后我们会正式学习GPT深度玩法应用场景。

-----------

GPT的定义与概述
GPT与其他AI对比区别
GPT超强记忆力体验
万能GPT如何帮你解决一切问题？
GPT表达方式优化
GPT多类复杂应用场景解读
3步刨根问底获取终极方案
4步提高技巧-GPT高情商沟通
GPT深度玩法应用场景
GPT高级角色扮演-教学老师
GPT高级角色扮演-育儿专家
GPT高级角色扮演-职业顾问
GPT高级角色扮演-专业私人健身教练
GPT高级角色扮演-心理健康顾问
GPT高级角色扮演-程序UX/UI界面开发顾问
GPT高级角色扮演-产品经理
GPT高级技巧-游戏IP角色扮演
GPT高级技巧-文本冒险游戏引导
GPT实操练习-销售行业
GPT实操练习-菜谱推荐
GPT实操练习-美容护肤
GPT实操练习-知识问答
GPT实操练习-语言学习
GPT实操练习-科学减脂
GPT实操练习-情感咨询
GPT实操练习-私人医生
GPT实操练习-语言翻译
GPT实操练习-作业辅导
GPT实操练习-聊天陪伴
GPT实操练习-育儿建议
GPT实操练习-资产配置
GPT实操练习-教学课程编排
GPT实操练习-活动策划
GPT实操练习-法律顾问
GPT实操练习-旅游指南
GPT实操练习-编辑剧本
GPT实操练习-面试招聘
GPT实操练习-宠物护理和训练
GPT实操练习-吸睛爆款标题生成
GPT实操练习-自媒体爆款软件拆解
GPT实操练习-自媒体文章创作
GPT实操练习-高效写作推广方案
GPT实操练习-星座分析
GPT实操练习-原创音乐创作
GPT实操练习-起名/解梦/写诗/写情书/写小说
GPT提升工作效率-Word关键字词提取
GPT提升工作效率-Word翻译实现
GPT提升工作效率-Word自动填写、排版
GPT提升工作效率-Word自动纠错、建议
GPT提升工作效率-Word批量生产优质文章
GPT提升工作效率-Excel自动化实现数据计算、分析
GPT提升工作效率-Excel快速生成、拆分及合并实战
GPT提升工作效率-Excel生成复杂任务实战
GPT提升工作效率-Excel用Chat Excel让效率起飞
GPT提升工作效率–PPT文档内容读取实现
GPT提升工作效率–PPT快速批量调整PPT文档
GPT提升工作效率-文件批量创建、复制、移动等高效操作
GPT提升工作效率-文件遍历、搜索等高效操作
GPT提升工作效率-邮件自动发送
GPT提升工作效率-邮件自动回复
GPT接入QQ与QQ群实战
GPT接入微信与微信群实战
GPT接入QQ与VX多用户访问实战
GPT接入工具与脚本部署实战

第二阶段（30天）：AI-绘画进阶实战

该阶段我们正式进入AI-绘画进阶实战学习，首先通过了解AI绘画定义与概述，AI绘画的应用领域，PAI绘画与传统绘画的区别，AI绘画的工具分类介绍的基本概念，以及AI绘画工具Midjourney、Stable Diffusion的使用方法，还有AI绘画插件和模板的使用为我们接下来的实战设计学习做铺垫。