Animagine XL 3.1：一款强大且易于使用的动漫风格图像生成工具

最新推荐文章于 2025-05-21 14:07:46 发布

原创最新推荐文章于 2025-05-21 14:07:46 发布 · 996 阅读

CC 4.0 BY-SA版权

Animagine XL 3.1：一款强大且易于使用的动漫风格图像生成工具

animagine-xl-3.1 项目地址: https://gitcode.com/mirrors/cagliostrolab/animagine-xl-3.1

随着人工智能技术的不断发展，文本到图像的生成模型已经变得越来越流行。对于动漫爱好者、艺术家和内容创作者来说，一款能够生成高质量动漫风格图像的工具无疑是梦寐以求的。今天，我将为您介绍优快云公司开发的InsCode AI大模型——Animagine XL 3.1，这款强大的模型可以帮助您轻松生成各种动漫风格的图像。

Animagine XL 3.1是一款基于Stable Diffusion XL的扩散模型，它可以从文本提示中生成高质量的动漫风格图像。与之前的版本相比，Animagine XL 3.1在多个方面进行了改进，包括更广泛的角色范围、优化的数据集和新颖的美学标签，以便更好地创建图像。这款模型的目标是成为动漫爱好者、艺术家和内容创作者的重要资源，帮助他们生成准确且详细的动漫角色图像。

安装与使用教程

安装前准备

在开始使用Animagine XL 3.1之前，请确保您的系统和硬件满足以下要求：

操作系统：Windows、macOS或Linux
硬件：NVIDIA GPU（建议使用CUDA 11.0或更高版本）
必备软件：Python 3.7或更高版本，以及以下Python库：diffusers、transformers、accelerate和safetensors

安装步骤

首先，您需要安装必要的Python库。请在命令行中运行以下命令：

pip install diffusers transformers accelerate safetensors --upgrade

接下来，您可以从以下网址下载Animagine XL 3.1模型资源：

https://huggingface.co/cagliostrolab/animagine-xl-3.1

解压缩下载的文件，并将模型文件夹放在您的工作目录中。
现在，您可以使用以下Python代码来运行Animagine XL 3.1：

import torch
from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained(
    "cagliostrolab/animagine-xl-3.1", 
    torch_dtype=torch.float16, 
    use_safetensors=True, 
)
pipe.to('cuda')

prompt = "1girl, souryuu asuka langley, neon genesis evangelion, solo, upper body, v, smile, looking at viewer, outdoors, night"
negative_prompt = "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]"

image = pipe(
    prompt, 
    negative_prompt=negative_prompt,
    width=832,
    height=1216, 
    guidance_scale=7,
    num_inference_steps=28
).images[0]

image.save("./output/asuka_test.png")

基本使用方法

加载模型：

import torch
from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained(
    "cagliostrolab/animagine-xl-3.1", 
    torch_dtype=torch.float16, 
    use_safetensors=True, 
)
pipe.to('cuda')

生成图像：

prompt = "1girl, souryuu asuka langley, neon genesis evangelion, solo, upper body, v, smile, looking at viewer, outdoors, night"
negative_prompt = "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]"

image = pipe(
    prompt, 
    negative_prompt=negative_prompt,
    width=832,
    height=1216, 
    guidance_scale=7,
    num_inference_steps=28
).images[0]

image.save("./output/asuka_test.png")

使用指南

为了获得最佳结果，建议遵循以下提示模板：

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

Animagine XL 3.1还使用了特殊标签来指导结果朝着质量、评级、创作日期和美学方向。虽然模型可以在没有这些标签的情况下生成图像，但使用它们可以帮助您获得更好的结果。

质量修饰符

质量标签现在同时考虑分数和帖子评级，以确保质量分布平衡。我们已改进了标签以提高清晰度，例如将“高质量”改为“优秀质量”。

| 质量修饰符 | 分数标准 | |--------------|-------------| | masterpiece | > 95% | | best quality | > 85% & ≤ 95% | | great quality | > 75% & ≤ 85% | | good quality | > 50% & ≤ 75% | | normal quality | > 25% & ≤ 50% | | low quality | > 10% & ≤ 25% | | worst quality | ≤ 10% |

评级修饰符

我们还简化了评级标签，以便于理解和应用。例如，“评级：一般”现在只是“一般”，而“评级：敏感”已经简化为“敏感”。

| 评级修饰符 | 评级标准 | |---------------|-----------| | safe | 一般 | | sensitive | 敏感 | | nsfw | 有争议 | | explicit, nsfw | 明确 |

年份修饰符

我们还重新定义了年份范围，以便更准确地指导结果朝着特定现代或复古的动漫艺术风格。此更新简化了范围，专注于与当前和过去时代的关联。

| 年份标签 | 年份范围 | |-----------|-----------------| | newest | 2021至2024年 | | recent | 2018至2020年 | | mid | 2015至2017年 | | early | 2011至2014年 | | oldest | 2005至2010年 |