ЧТО НОВОГО АКТУАЛЬНОГО
• Qwen-Image-2512
• Qwen-Image-Edit-2511
• Qwen-Image-Layered
• Z-Image-Turbo
• Flux 2
• Wan 2.2 (подходит для генерации картинок).
• NAG (негативный промпт на моделях с 1 CFG)
• Лора Lightning для Qwen, Wan ускоряет в 4 раза. Nunchaku ускоряет модели в 2-4 раза. DMD2 для SDXL ускоряет в 2 раза. Пример: 4-8 шагов, CFG 1. https://huggingface.co/tianweiy/DMD2/blob/main/dmd2_sdxl_4step_lora_fp16.safetensors,
CFG 3 для NoobAI https://huggingface.co/YOB-AI/DMD2MOD/blob/main/LYC-DMD2MOD%20(Dmo%2BTffnoi).safetensors,
База:
→ Приложение ComfyUI https://www.comfy.org/download
→ Примеры https://comfyanonymous.github.io/ComfyUI_examples/
https://comfyui-wiki.com/ (откуда, куда, как)
→ Менеджер расширений https://github.com/ltdrdata/ComfyUI-Manager (автоустановка, реестр расширений)
→ Модели https://civitai.com/
Оффлайн модели для картинок: Stable Diffusion, Flux, Wan-Video (да), Auraflow, HunyuanDiT, Lumina, Kolors, Deepseek Janus-Pro, Sana
Оффлайн модели для анимации: Wan-Video, HunyuanVideo, Lightrics (LTXV), Mochi, Nvidia Cosmos, PyramidFlow, CogVideo, AnimateDiff, Stable Video Diffusion
Приложения: ComfyUI и остальные (Fooocus, webui-forge, InvokeAI)
► Предыдущий тред >>1462124 (OP) ► https://arhivach.hk/?tags=13840
Дополнительно: https://telegra.ph/Stable-Diffusion-tred-X-01-03
>Deepseek Janus-Pro
че за анус
https://www.reddit.com/r/StableDiffusion/comments/1q0dsnj/zimageturbo_vs_qwen_image_2512/
Я даже не знаю что сказать
А Z-image работает по принципу деноиза? То есть я могу указывать нужный мне деноиз для например img2img или это какая-то другая хуйня?
У меня через месяц после релиза Z до сих пор ахуй, что теперь у нас есть такая легковесная и красивая модель. Ей бы анимешный файнтюн и что-то типа Хромы, большинство других моделей можно было бы удалять.
ещё хуже все эти пораши работают через браузер, странно ли что нету автономных EXE клиентов на винду и линукс есть но неск штук
пикролы были сгенеры 2 года назд, на 1.5. И ЛУЧШЕ КАЧЕСТВА НЕТ.
Опровергните. ПОстояльцы " Тредов"
Мне нравится как зимаже рисует телевизор. Довольно-таки мощное понимание телевизора.
>ещё хуже все эти пораши работают через браузер, странно ли что нету автономных EXE клиентов на винду и линукс есть но неск штук
Ага, давай условную лапшу вместо браузерной вкладки обернем в электронопарашу. Изменится правда целое нихуя, но не важно.
А вот дизайнеров UI/UX ебаной лапши не поздравляю. Не заслужили.
> А вот дизайнеров UI/UX ебаной лапши не поздравляю. Не заслужили
Ходят слухи, что это люди с тонкой душевной организацией.
Tolstovato. Натвизы-лустифаи постылых дженерик 1girl шмар все же с графоном получше выдают хотя все равно kal.
Я не знаю открою для вас тайну или нет. Но Z image — это экспериментальная модель Qwen, и обучена скорее всего на дистилированных данных квена. И все это в рамках одной компании - Алибабы, в которой делают обе эти модели
Шизик, у них разные архитектуры. И базу очевидно не выкладывают не потому что её нет, лол. Опенсорс - это маркетинг. Когда посчитают нужным - выложат. А не сразу всё.
>>1476013
Что не так? Это и объясняет такую задержку с выпуском базовой модели. Потому что база это квен лол, а базу зимага тупо тренируют с нуля, пердя и пыхтя. И выпустят не скоро (если вообще выпустят)
Чё я только что прочитал?..
Z-Image - это, если хочешь, в некотором роде эволюция Lumina 2.
При чём здесь Qwen?
А если ты про датасет - то и они у них наверняка разные.
Достаточно на генерацию Qwen и Z-Image посмотреть. Хотя бы дефолтную 1girl.
Бля, чел, у Z архитектура NextDiT как у Люмины, у квена совсем другая. Из квена невозможно сделать турбу зетки, блять. И никто ничего не пыхтит, я тебе уже написал что релиз когда посчитают нужным маркетологи, а не когда готово.
Qwen Edit последний вообще спустя месяц выпустили после того как он готов был, его в ноябре уже на какой-то конфе показывали, его даже на HF залили за неделю до релиза.
Нихуя не поменялось.
Я видел тред перекатила лиса, теперь тут тоже всех надо надувать?
>>1475724
скуфа трясет от одной только мысли что в браузере можно запускать что-либо кроме интернет вкладок. это как знаменитое "ТЕЛЕФОН ДОЛЖЕН ЗВОНИТЬ, а не фотографии делать и в игрульки играть"
тебя эта информация настолько шокировала, что сразу уебало стадией отрицания?
Щас пойду на редит напишу "ебал твою мамку", как скоро ты прибежишь со скрином и расскажешь что твоя мама и хуй связаны?
какая видеокарта и сколько времени на кадр у тебя это заняло?
уже идёт третий год, а официально клиентов офлайновых нету. ток онлайн и плотой
ты бы лучше в строку поисковика написал "z-image", долбоебина, это от алибабы модель, там даже иконка квена блять для совсем тупых
>Z image — это экспериментальная модель Qwen, и обучена скорее всего на дистилированных данных квена. И все это в рамках одной компании - Алибабы, в которой делают обе эти модели
Всегда интересен был спор на который можно ответить однозначно да или нет. Вот вы срётесь, а давайте определим, что для нас изменится, если да? А если нет? Всего два варианта развития сюжета этой ветки. Давайте быстро промотаем стадию холивар и придем к результату Return (yes\no)?
Шиз, прекращай. Квен даже близко не может в реалистик и стили как зетка. Потрудись объяснить как зетка научилась тому что квен не знает. Алсо, для тебя китайцы написали подробно как что делалось, ознакомься: https://arxiv.org/pdf/2511.22699
Ты еблан сука. Над зимагой работает 16 человек, на квеном 160, у них разное количество параметров, у них бля разные архитектуры - у квена ммдит, у зимаги S3Dit, а турба вообще была получена методом дистилляции DMD через учитель-ученика чего у квена нет и не будет, у них бля разные принципы генерации вообще. Я не знаю каким шизофреником надо быть чтобы утверждать что зимага это квен только из-за того что гигакорпорация дает мощности для рисерчей.
Браузер - это по сути вторая операционка на компе, он может всё, веб макак дохуя, зачем велосипед изобретать?
>качество такое же как у 1.5
>пикролы были сгенеры 2 года назд, на 1.5. И ЛУЧШЕ КАЧЕСТВА НЕТ.
Но у тебя на пиках примитивный пластиковый концептбейзд позор с кривой анатомией и артефактами, который не способен ни на что.
>ещё хуже все эти пораши работают через браузер
Локалочки работают на виртуальном сервере с питоном, а браузер это вебморда для него, дебич.
>странно ли что нету автономных EXE клиентов
EXE это исполняемый файл, дебич. Ты наверно имел в виду ванклик программное решение? Как ты в одну "программу" засунешь енвиронмент питона, куду, десяток составных частей моделек в разных квантах и предусмотришь совместимость со всем гигантским парком мокропись? Фактически комфи это и есть единственно универсальное верное решение для всего нейрокала - тебе предоставляется енв питона, морда чтобы не дрочить скриптики ручками и все что тебе остается накатить расширений и раскидать модельку по папкам. Ты настолько тупой скуф, что не можешь осилить процесс буквально для 20 icq?
>2 года прошло, а ничего нового.
>Ты настолько тупой скуф, что не можешь
>20 icq
Реально не могу, потому что не понимаю логику построений под необходимый процесс, гайдов нет, темплейтов нет, тухлые воркфлоу на сиви 100 летней давности с маняузлами, которые нахуй отваливаются. Комфи - это уровень "мидл" как минимум.
мимо другой скуф
>Реально не могу, потому что не понимаю логику построений под необходимый процесс
Что именно тебе непонятно? Вот самый простой темплейт эвер для сдохли с прошлого треда, что тут неясно? Все пайплайны конструируются точно также - составные части модели с нодами для их загрузки, узлы с лорами, узлы промтинга, узел семплера, декодинг, могут добавляться специальные ноды для сборки видео если модель допустим для видео или на инпут картиночек ноды если i2i/i2v. Примитив же!
>темплейтов нет
160 темплейтов встроены в комфи давно.
Вот эта хрень t2i там по умолчанию идет так то. Проблема начинается, когда нужно построить i2i, input, output, upsckale и тд. При этом, давай разберем твою схему текст2имейдж, как я, с нуля, должен в этом разобраться? Построение этой примитивной схемы уже подразумевает некий набор знаний. А если мы возьмем условный автомат1111, то мне эти знания нахуй не нужны, бери и делай. В invoke, например, догадались совместить узлы и человеческий интерфейс.
реально нихуя нового, как же полторашка ебет
>Проблема начинается, когда нужно построить i2i, input, output, upsckale и тд.
Так а в чем проблема то епт? У тя есть ноды на инпут. У тебя есть отдельные ноды на апскейлинг хоть латента, хоть пукселей. Есть сторонние ноды на тайловый апскейл. Есть специальные ноды под специальные апскейл модели. Задавай конкретные вопросы.
>давай разберем твою схему текст2имейдж, как я, с нуля, должен в этом разобраться?
>Вот эта хрень t2i там по умолчанию идет так то
Ээээ, в смысле как? Логически подумать? Ты когда игрульку запускаешь как понимаешь что кнопка НОВАЯ ИГРА начинает игру?
>Построение этой примитивной схемы уже подразумевает некий набор знаний.
Бля ну если у тебя все НАСТОЛЬКО плохо что ты англюсик не понимаешь и не имеешь представления о том как работает модель любая, то у тебя всегда есть гпт, которая тебе хоть как для пятилетнего объяснит любой узел или как подключать что-то во что-то.
>А если мы возьмем условный автомат1111, то мне эти знания нахуй не нужны, бери и делай.
Вот здесь ты напиздел. Потому что мне в свое время по первости пришлось подобные скриншоты(Снимок экрана 2024-08-24) делать чтобы не гуглить по новой, когда запустил автоматик и не помнишь какие энкодераы надо добавлять к этой модели.
А в комфи есть шаблоны (Templates), где за тебя на все случаи жизни все воркфлоу уже есть.
Идея с рабочими процессами довольно удобная на самом деле, можно на разные ситуации создавать свой вокрфлоу.
Например у меня есть воркфлоу на генерацию няшноты, отдельный на пофапать, отдельные на гриды всякие и апскейлы фото и видео. Один раз создал\своровал и уже не меняешь особо.
А в каломатике после фапа\экспериментов приходилось восстанавливать обратно на другое состояние, и это еще довольно криво работало, какие то крутилки ломались и тд.
> Например у меня есть воркфлоу на генерацию няшноты, отдельный на пофапать
и отличаются они только подключеными лорами?
>есть ноды
>есть отдельные ноды
>есть сторонние ноды
>есть специальные ноды
А гайды у меня есть? Или я с "нуля" уже должен обладать необходимыми знаниями? А могли в комфи сделать уже готовые темплейты на основные процессы? - могли, но забили хуй.
>Логически подумать
Чтобы логически думать, нужно обладать знаниями. Это тоже самое как тебе на СТО говорят, а хули ты приехал, логически подумай, что у тебя неисправно и сделай, делов-то
>гпт объяснит
А, ну чтобы разобраться как работает прога_нейм, мне нужно изучить еще 2-3-4. Ок, твою логику понял.
Суть не в том, что Комфи плохая, суть в том, что это продвинутый уровень и выше. И рассуждать тут про 20 icq, как минимум не корректно.
>>А могли в комфи сделать уже готовые темплейты на основные процессы?
Так они есть и постоянно под каждую модель обновляются, а остальное под свои хотелки сами подкручивай.
блять, ты как дошкольник оправдываешься просто
никто с необходимыми знаниями не рождается
ты забил хуй на получение знаний и жалуешься что нихуя не можешь сделать при их отсутствии, ну я хз как это комментировать
>А гайды у меня есть? Или я с "нуля" уже должен обладать необходимыми знаниями?
А ты как в нейронки то вообще с таким загонами вкатился?
>А могли в комфи сделать уже готовые темплейты на основные процессы? - могли, но забили хуй.
Они есть, 160 штук.
>Чтобы логически думать, нужно обладать знаниями.
Общими.
>Это тоже самое как тебе на СТО говорят, а хули ты приехал, логически подумай, что у тебя неисправно и сделай, делов-то
Неправильная аналогия. Правильная будет: тебе дали разобранную пирамидку для детей четырех лет, а ты не смог ее собрать.
>А, ну чтобы разобраться как работает прога_нейм, мне нужно изучить еще 2-3-4. Ок, твою логику понял.
1. Я предложил поспрашивать гпт который тебе распишет все, никаких 2-3-4 прог нет.
2.К комфи есть инструкция где все описано такто.
>суть в том, что это продвинутый уровень и выше. И рассуждать тут про 20 icq, как минимум не корректно.
Продвинутый уровень это разобраться как тренировать модельки, а инференс это базовый.
>>1476345
>А гайды у меня есть?
Прикинь - есть!
https://docs.comfy.org
Полноценный сайт официальной документации с гайдами дня новичка в том числе. И, между прочим, в интерфейсе help на него перекидывает. Но ведь инструкции читают только дураки, да?
И шаблоны для всех типичных процессов (workflow) там есть прямо в комплекте, просто кнопочкой открывается их меню.
А еще Wiki есть.
https://comfyui-wiki.com/en
Comfy вполне есть за что пинать при желании, но вот уж точно не за плохую документацию и поддержку.
Чел, а с чего ты взял, что даже инференс локальных моделей это для каждой домохозяйки? Просто не всем дано познать данные материи, если "нишмог", когда другие смогли, то в ком проблема?
1. хахахах
ты "назад в темноту" (Back to Backwards) смотрел?
там у героя Билла Пакстона от грязи третья рука на спине выросла)
>Суть не в том, что Комфи плохая, суть в том, что это продвинутый уровень и выше.
Это болезнь всех программ, которые пишутся сугубо красноглазыми технарями. Они делают функциональные вещи, но дико неудобные, но не оттого что они такие злые ребята, а потому что не умеют в дизайн, не умеют в работу с "чайниками". Им проще написать тонны технической документации к своей приблуде, чем сдлеать просто и удобно.
Старый, ему же полгода.
>>1476532
Любое какое потянет основные модельки или гуфы.
Гуфы https://huggingface.co/cmeka/SeedVR2-GGUF/tree/main
Не гуфы https://huggingface.co/numz/SeedVR2_comfyUI/tree/main
И еще https://huggingface.co/AInVFX/SeedVR2_comfyUI/tree/main
Экстеншон https://github.com/numz/ComfyUI-SeedVR2_VideoUpscaler
Вае и моделька кидается в ComfyUI\models\SEEDVR2
Ты попутала, мелкобуква, меня наоборот трясет от "standalone" говноприложений на сраном electron со всей хуйней, когда можно обойтись вкладкой браузера.
Зачем этот сид нужен, если можно сразу в нормальном разрешении генерить.
Получается так что пока не вышла база зимаге, нчиего лучше sdxl для нсфв ничего нет? А если базе зимаге обосрется и не будет новых BigAsp-ов и натвизов для него - выходит так и останется сидеть на sdxl и дмд, т.к нигде такого разнообразия членов, вагин, поз и бабских тушек я еще не видел кроме него и его файнтюнов последних
не смог подключить зеленую макаронину к зеленому кружочку, вот и бесишься
Я возможно сейчас крамольную хуйню спиздану, но как по мне хромая была вполне норм, если лор наебенить.
Увы все проебал случайно rm -rf'нув models вместо output с недосыпа, сеты и тэги остались, но доступа к 4м хуиткам с 80гб уже нет, а обогревать комнату западло.
>>Хромая
Не в первый раз слышу, а какая версия? Там же до ебени было итераций, потом релиз - не релиз, я после какого-то V18 перестал следить и аутпуты мои были похоже на фильм ужасов
о, так ты ветеран считай, это очень ранние версии
пару месяцев назад вышла финальная версия Chroma HD, ее и качай
https://huggingface.co/Comfy-Org/Chroma1-HD_repackaged/tree/main/split_files/diffusion_models
и по дефолту леново лору на низком весе поверх.
основной минус хромы в том что она сука долгая. но я ей все прощаю.
> Получается так что пока не вышла база зимаге, нчиего лучше sdxl для нсфв ничего нет? А если базе зимаге обосрется и не будет новых BigAsp-ов и натвизов для него - выходит так и останется сидеть на sdxl и дмд, т.к нигде такого разнообразия членов, вагин, поз и бабских тушек я еще не видел кроме него и его файнтюнов последних
Ну вообще даже если база зимаги обосрется (в чем я сомневаюсь, т.к. дистилль то из нее получен скорее всего) то останется пара вариков как допиливать турбу саму. Почему щас плохо сиськи письки заменяются лорой? Потому что у лор обычных очень слабое влияние адаптера и как таковые веса они не меняют а просто дрифтят циферки выходные в узком диапазоне. Это можно обойти двумя путями:
1. Выделить свд экстракт всей зимаги и обучать его, но это создаст узконаправленную модель при малом датасете, но даст письки или на че обучишь.
2. Юзать BOFT алгоритм из ликориса, который способен менять прямо веса модели не затрагивая структуру изначальной модели. Но дело в том что хоть кохака добавил поддержку зимаговского трансформера (буквально одна строчка) поддержка всех модулей ликориса работает ток в пердольном симплтюнере, который работает только на линуксах или под wsl на шинде. Вот офт способен достаточно быстро и мощно внедрять концепты и утерянные знания сисек писек, так что жить можно в целом, просто никто не занимается, а у меня нет времени все симплтюнер настроить шоб работал.
>>1476264
>>1476255
>>1476186
ну да, за 3 года ток появилась бесплатная генерация видео в гроке и фото.
1.5 может быть по сути стартовым кадром
>бесплатная генерация видео в гроке
без сисик-писика, чему все рады.
>генерация видео в гроке
Ага. Вот, генерация в гроке
я захожу туда поржать, когда шестачат, то что просишь какой то цирг. и смешн почемут. сбивается весь настрой
>Почему щас плохо сиськи письки заменяются лорой?
Как я говорил в прошлом треде, есть подозрение, что косяк в методе/настройках тренировки. И большинство лор с цветка просто ужарено оверфитом. То что я сам попробовал делать в устрице - работает хорошо.
Там, как я понял, с оферфитом в лоре для ZIT получается хитро - картинка от него не сыпется сразу как на SDXL, скажем, а лора просто теряет вариативность, и довольно долго кроме этого почти никаких признаков. И только уж совсем потом начинается что-то с общим качеством. Но к тому момент лора уже ужарена в хлам и вместо концепта получается жестко вшитый объект, да так, что аж плохим фотошопом выглядит.
> теряет вариативность, и довольно долго кроме этого почти никаких признаков. И только уж совсем потом начинается что-то с общим качеством. Но к тому момент лора уже ужарена в хлам и вместо концепта получается жестко вшитый объект
тебя совсем не смущает что вся модель себя так ведет изначально?
Пацаны, а что сейчас для рисунков лучше всего? Zimage как я понял для фотореализма. Или есть лоры годные? А вообще письки что-нибудь рисует нормально? Сука ни флюкс ни зимаж по дефолту не рисует ни соски ни письки.
>Zimage
Это. Или лоры на квен/ван искать.
Изкоробки квен и ван даёт слишком вылизанные, нерисуночные формы.
>тебя совсем не смущает что вся модель себя так ведет изначально?
Не так. Если речь про малые отличия в сидах - это не сюда. И нет, меня это не смущает - считаю плюсом. Мне больше интересна модель, которая хорошо промпту следует, а не фантазирует плюя на детали реквеста. Рандом я сам обеспечить могу, когда он мне нужен. А вот следование промпту, если модель не может - это уже ниоткуда не взять. Более того - модель, которая в сидах сильно рандомит - плохо подходит, когда нужно работать над серией картинок. Ну, перс для VN скажем. ZIT здесь вообще удобна - написал подробный промпт на персонажа - так он даже без лор будет везде похож на себя.
На счет лор же - речь о том, что детали на которые тренируется лора должны вписываться в картинку, адаптироваться к остальным деталям. ZIT хоть и мало рандомит в сидах, но промпты то уважает. Вот и с лорой нужно, чтобы при изменении ракурса/позы - менялось и то, что через лору добавлено, но чтобы лора затрагивала только это. И уж тем более, чтобы лора не меняла за собой весь стиль картинки, если только это не лора на стиль, а не на концепт. Или, тем более, персонажа/объект.
>>1476957
Я на устрице для ZIT тренировал. https://github.com/ostris/ai-toolkit
Может все популярное (1.5, sdxl тоже), встало и запустилось легко. Все через Web интерфейс. Умеет сам скачивать нужные версии моделей для тренировки. Так же теперь имеет встроенный простенький, но достаточно удобный редактор датасетов. Может показывать промежуточные результаты через каждые N шагов, и сохранять лору каждые M шагов.
> Может показывать промежуточные результаты через каждые N шагов, и сохранять лору каждые M шагов.
Ну это, предположим, умеет и коха с вантрейнером, и достаточно давно - я еще в 23 году лору обучал с промежуточными сохранениями.
Но гляну, спасибо.
Классные. Которая версия хромки?
DC-2K-T2-SL4. Лучше версии пока не видел, хотя Radiance подает надежды.
>DC-2K-T2-SL4
Я чё-то читал, что они на фоторелизм тюнятся и вообще не обращал на них внимания, гляну, спасибо.
А промпты как генеришь? Я беру случайные слова из словаря и отправляю додумывать детали в gemma27, но она постоянно в одни и те же сюжеты и стили проваливается.
Промпты по-разному. Английский в целом я знаю неплохо, но вот словарь художественных терминов бедноват, и с ним сильно помогают ЛЛМ. С хромой иногда можно просто шизопромтить и будут выходить достаточно интересные вещи.
Есть, но от силы десяток-два. У зетурбы очень узкий домен.
>DC-2K-T2-SL4
Ты пробовал https://huggingface.co/SG161222/SPARK.Chroma_preview/blob/main/SPARK.Chroma_preview.safetensors?
>но от силы десяток-два
мой любимый (painting:1.5) by Surikov имеется в комплекте?
Неа, отпугнуло что оно было файнтюнено под реализм. Стоит?
Лицо заменил, очевидно же. Из коробки зимага только Энди Лау может.
Сурикова на смогла. Больше на Кустодиева смахивает.
Но и твоя генка как бы далеко не Суриков
А нахуя хрому файнтюнить под реализм, когда она его и так выдает на не отличимом уровне м нужными тегами.
было файнтюнено под реализм, но случайно улучшило картины, аниме и другие стили тоже
Когда-нибудь эта хрома устаканится? Я уже устал следить за её версиями.
>нужными тегами
Дрочка тэгов — уровень файнтюнов сдохли от васяна и прочего говна мамонта. Современная модель должна просто рисовать что попросят, иначе это брак.
>Дрочка тэгов — уровень файнтюнов сдохли от васяна и прочего говна мамонта. Современная модель должна просто рисовать что попросят, иначе это брак
Все современные модели воспринимают теги, даун. Тем более хрома и не тренирована на описаниях, и текстовая залупа там не такая большая как у корпомоделей, и она тренирована на бору в первую очередь, а не на искуственных говнопарах с прилагательных как хрюкс.
Если ты прямо напишешь "это фото из журнала 80х" она тебе его и сгенерирует, о таких тегах речь, еблан. Если ты не указываешь конкретно стиль, она делает маняме, но там в датасете дохуя реальных фоток и она может тебе и журнал ретро, и фотосессию, и шлюхограм и т.д. Нахуя её ломать и файнтюнить на реализм? Какой уровень это ебланства? Чтоб как в поникиберлюстре на выходе былол 1,5 позы вместо 1500? Я вижу ты дохуя спец "сдохля" "гавно мамонта", а побочки файнтюнинга ты знаешь, дауненок?
ты еще спроси нахуя лоры использовать, лол.
то что хрома может все из коробки, не означает что она умеет все хорошо из коробки. это базовая модель и она именно что создавалась с предназначением быть файнтюненной, со слов ее же разраба. есть база, а лоры и файнтюны от этой базы отталкиваются и прокачивают модель далее в конкретном направлении.
если например хочешь отобразить изначально стилизованного персонажа в реализме, то файнтюн справится с этим в 100 раз лучше, а на базовой хроме ты по дефолту будешь получать что-то полупокерное типа "реалистик" мерджей пони, когда от стилизации уже вроде ушли, но на фотку еще не похоже.
попробуй uncanny chroma, выдает в целом такую же пикчу по сиду но видно что уже конкретный сильный уклон в фотореализм, очень хороший файнтюн. а этот спарк не пробовал, да и сомнения вызывает, там датасет из 2к изображений всего
Как вспомню уровень понимания промпта от sdxl, аж мурашки по коже, был конечно момент с IL где просто срешь тегами "Баба, титьки хорошие, писик, раком, гига хуй" и он на свое усмотрение это склеивал, а так конечно это вообще outdated кал
Мне в основном для быстрого получения сисика и писика.
>ЛУЧШЕ КАЧЕСТВА НЕТ
Ну хз, я полтораху и хл когда использую, с каждым разом результаты выглядят все анахроничнее. Уже напоминает опыт игры в морровинд в 2025 году - в памяти остались отличная графика и великолепный геймплей, а на деле... генеришь сто картинок, и ни одной без дефекта. Требует дороботки.
https://civitai.com/models/1789765
https://civitai.com/models/2071356
https://civitai.com/models/2068592
https://civitai.com/models/2234053
>Подскажите какие прикольные чекпоинты SDXL попробовать.
Natural Vision 2.7 + DMD2 Лора дают сисикписик менее чем за 10 секунд.
Год Оллама позволяет такое делать с любым чекпойнтом. Просто пишешь ему задание ты аи ассистант, составь на основе этих слов прост для генерации изображения, ну и т.д. в одном окне, а косноязычный набор тэгов в другом. И он составляет из них детальный рассказ.
Опиши. На реддите был большой список своих стилей, поищи. Если будет мало, подключай Лоры.
>>вышиванка
то есть ты по русски в промте написал: вышиванка, но слово vyshivanka характерна только для 3-4 максимум языков, но этнические костюмы в вышивкой есть практически у всех европейских народов, и да, если ты пишешь об украинском костюме или русском (беларуском, литовском), то тег: вышиванка будет ктати, например: ukrainian vyshivanka, но насчёт всех остальных нужно указывать английский термин с указанием этнической принадлежности, как то: (чей-то) embroided ethnical (hystorical) dress. Девочка у тебя кстати классно получилась. Ты отдельно промтил: light trough fabric?
4. слегка подпрыгивают и трясут поками под действием гравитации при приземлении (bootydrops), это будет топчик.
пикрил: случайно наткнулся на тег: assise, который означает что человек касается (пола) чего-то ягодицами, в добавок к этому можно добавить: wide lotus position
Ты про эту сборку?
https://github.com/comfyanonymous/ComfyUI/releases/latest/download/ComfyUI_windows_portable_nvidia.7z
Я её качал такой доисторической хуетой как download master в 4 потока, сильно не спешил, поэтому сколько он там скачивался я х.з скормил ссыку удалённому компику, и забыл...
Версия куды другая, но суть та же. Спасибо за совет, тоже попробую.
принципы одинаковые у всех воркфлоу
Я про то что сильно промпт прокачивает Гемини 3 про. Может быть, конечно, что я обезьяна косноязычная, которая сама не может описать, что хочет или эпитеты подобрать красивые.
Пацаны, посоветуйте. Как решить проблему. Допустим я хочу сделать совсем чуточный апскейл части картинки. Допустим мне нужно ну хуй знает, добавить деталей на лице. Я выделяю лицо. Ставлю МАЛЮСЕНЬКИЙ деноиз и генерирую. Сука, но есть проблема - при маленьком деноизе картинка почему-то осветляется, то есть контраст пропадает. То есть видно пятно в месте инпеинта. А если поставить деноиз сильнее, то там уже слишком сильно все меняется, что не нужно. Как сделать так чтобы цвета оставались точно такими же, но добавлялись детали? Именно цвета. Эта хуйня и с SDLX и с Flux и zimage это какой-то глубинный косяк нейронок. Возможно в шуме дело я хз.
Лезешь крутить гайки не зная азов латент апскейлишь вместо пикселов, классика. Латенту минимум 0.6-0.7 денойса. Пиксельному любое минимальный денойс норм
Да с таким деноизом там пиздец будет и от оригинала ничего не останется. У меня бывает так что в целом картинка норм но вот какой-то участок хочется чуть поправить.
https://huggingface.co/Comfy-Org/z_image_turbo/resolve/main/split_files/diffusion_models/z_image_turbo_bf16.safetensors
https://civitai.com/api/download/models/2442439?type=Model&format=SafeTensor&size=full&fp=bf16
Почему автор называет модель с верхней ссылки "оригинальной"? Выходит вторая типа НЕ оригинальная?
С цивитая файл скачался с названием: zimageTurbo_turbo.safetensors в названии отсутствует цифра 16, а в настройках есть только режимы: (см. пикрил)
Тогда, как на хигинфейсе, кроме имени: z_image_turbo_bf16.safetensors различается и размер, он там: 12.3 GB, а на циви всего: 11.46 GB. И хэш у них отличается. Так какая из них трушная, нахуя так людей путать?
Я так понимаю, что режимы с 8-кой для дорогих карт 40хх и 50хх а для убогих нужен с циферкой 16, я прав? Я качал с циви, потому что бляди с хагина постоянно сбрасывают соединение, и докачка нихера не работает, причём произойти это может как на 10%, так и на 99%.
>Почему автор называет модель с верхней ссылки "оригинальной"?
Все куда проще. На цветке уже куча файнтюнов ZIT. Не лор, а именно файнтюнов, т.е. полных моделей, но разумеется, уже не оригинальных. :) (Пока кто-то страдает и ждет base, тем кому горит, и так управляются...)
Что до разницы хеша и размера - они обе "оригинальные", только кванты у них разные немного. Настоящий оригинал - https://huggingface.co/Tongyi-MAI/Z-Image-Turbo и на китайском сайте. Только напрямую ты его в comfy не загрузишь, это другой формат. Кванты нужны, их много кто делает, в том числе и по ссылкам что ты кидал - они, и именно от оригинальной модели.
>в настройках есть только режимы: (см. пикрил)
Эти настройки не из модели берутся, а в ноду зашиты. Они всегда там есть, какую модель не попробуй грузить.
>Я так понимаю, что режимы с 8-кой для дорогих карт 40хх и 50хх а для убогих нужен с циферкой 16, я прав?
Нет. С 16 - это большая точность, занимает больше VRAM, и для больших моделей имели бы смысл для слабого железа где меньше VRAM и RAM. Но у ZIT даже веса в FP16 весят немного, и запускаются даже на картах с 6-8GB VRAM (с частичной выгрузкой в обычную RAM). Потому нет смысла в FP8 или INT8. Небольшой же выигрыш в скорости INT8 (только на 50хх) не стоит потери качества.
>потому что бляди с хагина постоянно сбрасывают соединение, и докачка нихера не работает
У меня ничего не сбрасывается никогда. И докачка работает - спецом проверил оборвав вручную. Не туда ругаешься.
>И докачка работает
Я посмотрю...
И вероятно заберу ту, что на хагине.
Но пока результат хуильный чессговоря, всё это очень уныло и блёкло, причём семплер особой роли не играет, шедюлер вообще почти не реагирует. Получается очень херово нарисованая картинка, задираешь кфг, становится более контрастно - пережарено, опускаешь до 1 вроде ок более реалистично, но рисовка как была говном, так и остаётся в независимости от того, сколько шагов ставишь и какую коврину делаешь, что на маленьком, что на большом говнище. Это оооочень уныло. Я не знаю, что я не так делаю, посмотрите сами...
>Я не знаю, что я не так делаю
По-моему, всё не так делаешь.
Когда начинаешь с азов, берёшь готовый workflow из ComfyUI TEMPLATES для Z-Image и смотришь на результаты.
1) Sampler/Scheduler для начала ставь defaultные из workflow (res_multistep/simple, по-моему, сейчас не хочу лезть смотреть). Когда разберёшься как разные sampler/scheduler работают и что к чему, тогда уже и лезь крутить и менять;
2) На CFG 1.0 negative prompt не работает, в default workflow он заводится «нулём»;
3) Количество шагов не выше 9 (это Z-Image-Turbo на 8 шагов рассчитана по дефолту);
4) LoRA твоя может влиять, уменьшай силу/отключай для теста;
5) Меняй сид после генерации и смотри на результаты (мне встречались сиды на которых получались блёклые изображения).
Это навскидку.
Вообще, в виде исключительного IMHO, когда вкатываешься во что-то неизвестное, сначала пробуешь всё на настройках по умолчанию и убеждаешься, что у тебя всё работает корректно. Можешь даже примеры погенерить (где prompt и seed указаны). А потом, когда убедился, что на default всё в порядке, уже начинаешь эксперименты.
>готовый workflow из ComfyUI TEMPLATES для Z-Image
это где? я так и хотел, но я не знаю откуда брать.
добро пожаловать в z-image turbo, модель тысячелетия
ща тебе расскажут что ты ничего не понимаешь и глаза тебя обманывают, картинка на самом деле цветастая и точно без слоя плесени!
менюшка слева висит
новые темплейты если че скачиваются в папочку при обнове комфи, динамической подгрузки нет
Посмотри в колонке меню по левому краю экрана интерфейса ComfyUI.
Там будет раздел TEMPLATES.
В нём выбираешь нужную модель и получаешь все default workflow для ComfyUI для неё.
Если всё совсем грустно, напиши, скрин сделаю.
Другие, возможно расскажут.
Я поиграл с Z-Image-Turbo и очень скептически к ней отношусь.
Мне известны некоторые её достоинства и недостатки.
Для точного воплощения задуманной композиции (переноса деталей сцены и персонажей из воображения; если это не лоботомированный prompt 1girl) не подходит полноценно, даже если ей JSON-promptы скармливать. Для быстрых генераций в около-«реалистичной» стилистике и без особенных целей изначально (что-нибудь, как-нибудь с односложными promptами и коротким текстом CAPSом, чтобы буквы не корёжило) пойдёт.
В целом, охарактеризовал её как: «Жми кнопку RUN до тех пор, пока не сгенерируется что-то вменяемое и смотри, при этом, чтобы не покорёжило конечности и пальцы».
Основной повод для «народной любви» в том, что Z-Image-Turbo запускается и быстро (по сравнению с остальными моделями) работает на слабом железе, выдавая около-«реализм» «из коробки». На этом, по крайней мере с моей точки зрения, её достоинства заканчиваются.
>1) res_multistep/simple
2-я картинка на нём, первая на прежних (нихуя не поменялось, как я и говорил)
>2) На CFG 1.0 negative prompt не работает
поставил: 1.2 должен заработать
>в default workflow он заводится «нулём»
завёл...
>3) Количество шагов не выше 9
9, так 9...
>4)LoRA твоя может влиять, уменьшай силу/отключай для теста;
забайпасил, см. пикрил №3
>5) Меняй сид после генерации и смотри на результаты (мне встречались сиды на которых получались блёклые изображения).
плохих сидов не бывает)
Итог: стало чуть получше, раньше жопа жопная была, но всё это даже в половину не достреливает до свежих sdxl-моделей. я конечно и дальше буду пробовать, но чёта хуйня какая-то... всё мутное и нечёткое, я сомневаюсь, что в промте нужно обязательно писать местерпис, 4К, вивд и прочую шизу, должно получаться нечто похожее на фоточку как минимум, но этого не происходит.
> я сомневаюсь, что в промте нужно обязательно писать местерпис, 4К, вивд и прочую шизу
Вот это не пиши вообще.
Подобие «фоточки» там получается из коробки. Вообще, мне казалось, лучше не отдельными словами, а одним предложением описать сцену в prompt.
Заинтриговал.
Скинь свой prompt в виде текста ответным постом и я закину в свой почти дефолтный workflow, чтобы посмотреть, что выйдет.
Я не жалую Z-Image, но стало любопытно.
full body, evening sea shore, lonely walking teen-girl 99 yo, loose hair, dressed in swimsuit with sarong, windy, clowdy, sunset,
пикрил: sdxl в Фокусе. без пердолинга и лор, кфг: 4
>Я не знаю, что я не так делаю, посмотрите сами...
ZIT - модель, которая имеет свои особенности. Во первых - писать промпт ей надо детально. Во всех подробностях, натуральным языком. Официально знает китайский и английский, но русский тоже понимает, хоть и хуже. Во вторых - играть сэмплерами особо смысла нет - ей и стандартного euler/simple или euler/sgm_uniform хватает. Задирать количество шагов выше 9 - можно, но это влияет лишь на в некоторой степени, в основном - на четкость мелких деталей.
Лвиная доля датасета у нее - реалистичные фотографии, причем не студийные, потому по дефолту гамма там такая. Чтобы получить более контрастную - нужно прямо в промпте это писать - мол картинка яркая и контрастная, большая глубина цвета, как направлено освещение, и т.д. Вообще - в промте ей надо писать ВСЁ что хочешь получить. :) "Фантазия" у модели слабая, от себя добавляет мало, зато хорошо следует промпту. Только следует учитывать, что негативный промпт полностью игнорируется при CFG 1, а если его поднять хотя бы до 1.1 чтобы негативный промпт заработал - время генерации увеличится вдвое.
По самому промпту - IMHO, лучший результат дает такая структура:
Craft a (эпитеты для общего настроения и стиля) photography|anime|pin-up|artwork with (основной смысл сцены). После чего - те самые подробности, от крупных и важных к мелким.
С лорами - пока сложно. Очень многие лоры для нее на цветке - судя по всему, неправильно тренированы. Обязательно проверяй отключая. Многим надо ставить маленькую силу - даже 0.2-0.4. Особенно, если лор подключается более одной.
Разные сиды на ZIT не дают такой большой разницы как на SDXL, к примеру. Промпт первичен.
Размер картинки (если это квадрат) нужно ставить в промежутке между 1024 и 2048. Причем где-то 1600х1600 - оптимально, IMHO. Если не квадрат - так, чтобы примерно та же площадь получилась, но такое впечатление, что квадрат - лучший формат для сложных сцен.
>но чёта хуйня какая-то... всё мутное и нечёткое, я сомневаюсь, что в промте нужно обязательно писать местерпис, 4К, вивд и прочую шизу
Увеличь размер картинки. Шизу в промпте писать не надо - нужно просто описать естественным языком - что хочешь получить. Детально. Как кнопка "сделай мне зашибись" - ZIT уступает практически всем, ей нужно разжевывать что и как.
>Увеличь размер картинки
Сделаю...
Объясни пожалуйста какими нодами добалять апскейлер (он у меня пока что один единственный), и регулировать степень увеличения, если этого не делать он хуярит в 4К по умолчанию, а мне этого не надо, я может просто хочу вторым слоем пройтись.
Вот по твоему prompt.
>>1478565 правильно написал момент, что начиная с Qwen-Image новым моделям нужно по-другому prompt писать.
Но объём prompta и его деталей у Z-Image мал, по сравнению с другими новыми моделями.
Сейчас ради интереса попробую переписать твой prompt (99 yo там точно не нужно).
Вот, второй заход.
Посмотрел на твой пикрил, написал такое:
Wide-angle full-shot of a beautiful teenage girl with loose hair, dressed in swimsuit with sarong, fluttering in the wind, sun backlighting the fabric, walking along a seashore in the evening. Moderate wind with a bit of clouds, beautiful sunset backlight, golden hour, cinematic lighting.
>какими нодами добалять апскейлер
На новых моделях апскейлер (не рефайнер) уже как бы не особо нужен, пока у меня сложилось такое мнение.
Генерируешь изображение сразу в выходной размер 2048×2048 или 1328×1328 для Qwen-Image(-Edit/-Edit-2509/2511), (1440×1440 для FLUX.2 dev), потом по нему (или его latent, если сохраняешь) второй проход делаешь с низким денойзом, если нужно.
Если и пользуюсь апскейлером (с небольшой еле-заметной деталировкой), то это SeedVR2.
Ну, лицо у тебя чуть почётче, а остальное такое-же.
Что это за люмина?
Я попробую вместо квена родной энкодер от автора, гляну, может получше станет, но предварительно это конечно разочарование, я многого не ждал, но и такого уж точно...
>>1478573
>golden hour,
чел, это читерство))
>>1478574
>дабаеб
бесполезная хуита, я пробовал без неё, ничего не меняется. долбаёб это тот, кто сам нихуя не пробует.
Тебе просто света навалить надо и всё
> Laurel, 17 years old, walking barefoot on the sun-drenched beach at golden hour, hair swept by a warm breeze. She wears a navy floral bikini top, the fabric clinging softly to her form, and an orange patterned sarong that swirls around her legs, its sheer edge catching the sunlight to reveal hints of her silhouette. The ocean waves crash gently at her feet, the wet sand gleaming under the golden sun, reflecting the light as if whispering memories. Kodak Portra 400 film, vintage magazine aesthetic, subtle grain, warm color grading, soft background blur, intimate yet open, capturing a moment of quiet reflection—her lips slightly parted in a hopeful smile, eyes distant with gentle nostalgia, body language serene yet subtly sensual, as if the sand and sea hold a story only she can feel. The light wraps around her like a lover’s touch, every detail of the analog photo—light leaks, soft focus, golden glow—painted with emotional depth, open freedom, and a quiet, positive contemplation.
Вот без golden hour.
>Что это за люмина?
Почти default workflow с такими же настройками. Я там минимум менял. И text encoder тот, который предлагают.
>бесполезная хуита, я пробовал без неё
Если без неё, то значение 3 по умолчанию будет. Верни на место, она там не просто так висит. Её ещё тоже покрутить можно на 3.20, например (но это мелочи).
я польщен, что вы потратили вычислительные ресурсы на анимацию моего генератора, но:
>slow-mo
>ничего не происходит
призываю вас к более подробному prompt.
>Если без неё, то значение 3 по умолчанию будет
1.75
Я подкручу до 3.20 но чёта я сомневаюсь, что это сработает)
>это читерство))
>Tobey, 17 years old, stands barefoot on a sun-drenched beach at midday, the zenith sun blazing overhead, casting sharp, luminous shadows across wet sand. She wears a navy blue floral bikini top and an orange flowing skirt tied at her waist, its fabric billowing in the warm breeze like a whispered secret. Her golden-blonde hair cascades freely, tangled by the wind as she gazes thoughtfully toward the horizon, a soft smile lingering on her lips—a quiet, open sentimentality etched into her expression. The ocean crashes gently behind her, waves sparkling with sunlight that gilds her smooth skin, accentuating the gentle curves of her torso. Captured on vintage 35mm film, this analog photo radiates nostalgic serenity, the harsh noon light heightening the scene’s natural eroticism through unspoken confidence and the subtle dance of fabric against flesh. A moment of sunlit reflection, where warmth, memory, and the sea merge in a pose both poised and effortlessly alive.
а всего-то нужно было убрать clowdy, и всё получилось бы также, и не писать войну и мир. я так понимаю, что количество токенов здесь побольше чем в сдохле, но и злоупотреблять этим точно не стоит.
>>1478578
>света навалить
со светом и дурак сможет))
>злоупотреблять этим точно не стоит
Наваливать токенов через LLM - единственный способ роллить картинки на зетке. На изменение сида она практически не отзывается.
>>1478587
>не вечер и и не сансет
Чел ты хочешь золотой час, но утверждаешь что нельзя писать золотой час?
Wide-angle full-shot of a beautiful teenage girl with loose hair, illuminated by very bright sunlight, dressed in swimsuit with sarong, fluttering in the wind, sun backlighting the fabric, walking along a seashore in the late afternoon. Moderate wind with a bit of clouds, beautiful bright sunset backlight, very bright golden-orange front fill-lighting, front key-lighting, warm color grading, professional magazine photograph.
>Чел ты хочешь золотой час
кто тебе сказал?
у меня в промте >>1478564 нет никакого золотого часа, у меня максимально сложная задача, безо всяких читерских ходов навесети красоту. при пасмурной погоде не бывает никаких голден ауров.
на пикриле: голден аур без солца, без неба без и ваших читерских гларес, сдохя ебёт и разъёбывает вас, модники...
>на пикриле:
Нереалистичное освещение и текстуры, потеряны детали кожи, а на пике 3 — всё как надо, десять пальцев на руках: 6 на одной и 4 на другой.
у тебя на пикриле пасмурный полдень а не голден аур, протри глазки
вот пример освещения при голден аур
Апскелить после ZIT имеет смысл только image а не latent, уже как пост-процессинг. Т.е. добавляешь ноду после vae decode, "upscale with model".
Степень не регулируется, т.к. модели для апскейла натаскивались на строго определенный 2x или 4x. Чтобы получить определенный размер картинки, уже после этого апскейла можно добавить ноду семейста resize image - и выставить там нужный размер, чтобы она подогнала картинку в меньшую сторону.
ZIT нет смысла проходить вторым слоем, это ее не улучшит. Но можно полученную картинку прогнать через i2i SDXL, с малым denoise и минимальным промтом типа "masterpiece, studio photo, HDR".
Вот такого, кстати, на Z-Image-Turbo как говна за баней сразу «из коробки».
medium-angle, close-up shot of beautiful naked young woman, eyes blissfully closed, looking in the camera, with auburn hair, wreath made of camomiles in jean shorts, kneeled, straight back, hands on thighs, in the high grass of a lovely meadow, beautiful bright sunset backlight, very bright golden-orange front fill-lighting, front key-lighting, warm color grading, professional magazine photograph.
>как говна за баней
Не сомневаюсь, вот свежая кучка:
>eyes blissfully closed, looking in the camera
Эт как? Если глаза закрыты, то как они могут смотреть в камеру?
>beautiful bright sunset backlight
Не-не, не голден аур точно говорю)
very bright golden-orange front fill-lighting, front key-lighting
И это не он, мамой клянусь, да...
Вот имбовая нода в импакт пак, делает всё сразу под нужный размер и качество получается лучше потому что можно забрать сразу латент минуя сжатие вае енкодом от которого качество ухудшается.
>Нереалистичное освещение
Тебе бы на природе бывать почаще, особенно летом после заката.
>у меня в промте
>безо всяких читерских ходов
>на пикриле
Теперь стало понятно. Прикрепи пикрилы сдхл по своему первому промпту, а не то что ты выложил после. Глаза специально закрыл у бабы потому что они не получаются у тебя судя по позорным соскам. Уж в сдхл делать такие соски это стыдно должно быть.
Потролить пришел или за сисичкой?
> Прикрепи
Прикрепил уже >>1478564
Глаза у неё закрыты по другой уважительной причине, она ждёт струи спермы на лицо, совсем как ты, но только струи мочи, если я выложу здесь портреты своих девочек без пердолинга и смс.
Но ведь она может идти не от моря, а вдоль береговой линии (линии прибоя) и смотреть не на берег а на закат. Но давай ты не будешь обманывать ни себя ни окружающих, у тебя не получится нормального лица не от неправильного света, а от того, что зетка откровенно плохая модель, там имеется какой-то серъёзный врождённый косяк, который пока никому не удалось обойти. Всё что я видел относительно удачного сделанного при помощи зетки в дальнейшем обмазывалось сдохлей, и только после этого становилось относительно съедобным.
>Но можно полученную картинку прогнать через i2i SDXL, с малым denoise и минимальным промтом типа "masterpiece, studio photo, HDR".
Надо попробовать, но для этого придётся уменьшить картинку, что ставит под сомнение все предыдущие манипуляции, так как на большой ковёр у сдохли силёнок может не хватить, а если композиция сложная, то без описания уже на 0.2 она начнёт буровить хуйню.
>сдохя ебёт и разъёбывает
...тем временем Z
Задача какая? Сохранить жпег? Используй WAS
Если нужно сэкономить место то храни в вебп дефолт нодой, в винду можно кодек гугловский поставить что бы превью показывало в проводнике.
Да, задача экономии места и времени, чтобы потом не нужно было конвертировать в jpg. Это у меня привычка, может немного старомодная, но я все переконвертирую в jpg. Спасибо еще, что не с максимальным сжатием.
Насчет ноды, сейчас нашел другую - Image Saver из одноименного пакета. Она все исправно сохраняет без танцев с бубном.
вебп легче и качественней, к тому же хранит воркфлоу.
Как анон верно заметил, что угодно. Но есть нюанс - нужна еще и оперативка, желательно не меньше 64гб.
Сам недавно докупил до 96, по выросшей цене, конечно, но лучше поздно, чем ждать, пока она еще подорожает. На фоне 32гб 96 это как небо и земля, теперь понимаю, что не стоило так долго тянуть и мучаться. У меня, кстати, тоже ртх 3060 12.
Чел, ты вообще разницу между ресайзом по простому алгоритму вроде lanczos, и полноценным upscale через модель знаешь?
Эта нода - разумеется удобна, чтобы ресайз делать. Но не upscale. Который в принципе делается только с картинкой а не с latent. Upscale модели на вход для именно картинку ждут.
Да.
Это нода для аскейла ган моделью.
Вроде как апскейлит в латенте, но что там внутри происходит точно не знаю. Просто проведи сравнительные тесты сам.
>шакалы пиздец
Там минимально возможное качество просто для сравнения между двумя форматами. Первый пик с форкфлоу между прочим.
Efficiency nodes расширение поставь там есть нода ksampler efficient с превьюхой
Имеется.
Включается из настроек (раньше было в ComfyUI-Manager), выбирай fast2rgb (или типа того). Проверено работает c KSampler и рядом других (прямо в узле preview отрисовывается; на FLUX.2 dev яркость не совпадает, на остальных Qwen-Image и Edit-варианты, Z-Image Turbo примерно совпадает). Ничего доустанавливать не надо. На актуальной версии ComfyUI работает «из коробки». Ищи поиском в настройках по слову preview.
Зетка вообще игнорит негатив в доках написано даже так что это плацебо то что ты туда пишешь
единственный косяк это тени, они падают от хуй пойми чего, надеюсь это большой костёр на берегу.
>>1479012
>игнорит
напиши в негатив (Asian) и крути cfg, если на одном и том-же сиде с тем-же промтом, у тебя при понижении будет появляться китаёза - значит не игнорит.
>поднял sfg до 1.3
Скачай модель de-turbo. Это растурбованная взад модель зетки с нормальным цфг и негативом.
Тут походу студийное освещение. Вне кадра перед ней бежит толпа ассистентов со всякими светильниками, отражателями и рассиевателями. А вот с тенью промашка.
И так в PNG зашивается всё автоматом, «из коробки». В том числе и workflow. При постинге здесь метаданные из PNG удаляются. webp пропускает.
Папки сохранения можно настраивать через prefix узла сохранения изображения. Но должны быть ещё решкния. Я такой сортировкой не занимался.
> При постинге здесь метаданные из PNG удаляются
С каких пор?
Курсор наведи на имя файла в ноде. А если ты тот анон с имаге сейвером то она не сохраняет воркфлоу, специально что бы кастомную мету для выкладывания на цивит записывать.
Всегда удалялись, кроме скрытой из фокуса кажется, но никто её кроме самих фокусников не видел.
Я понял, ты не занимался фотографией/видеографией, не имеешь художественного образования и просто не понимаешь освещение, как и многие здесь.
Кроме того, ты не понимаешь как оно получается в сгенерированных изображениях.
Я занимался этим вопросом >>1441077 →
Пройди весь путь по постам и откроешь много нового. По крайней мере про тени больше спрашивать не будешь.
Делай outpaint с пустым prompt и будет тебе рандом (на Edit-модели).
>херня получается
в фокусе, для того что аутпейнтить нужно одновременно поднять денойз и контекст на всю катушку и юзать при этом только встроенную импайнт модель, которая умеет мимикрировать под что угодно, кроме того что нужно писать в промте то, что хочешь, можно маской наметить будущий контур предмета. аутпентить в лапше ты не сможешь нормально. это может сделать только фокус нормально в этом его уникальность. по мере разростания картины её нужно чуть уменьшать т.к у слохли есть лимит на размер полотна, но если немного, то делать этого не нужно.
Портабл всегда самый актуальный, обновляется в первую очередь (в том числе новые функции) , в отличие от десктопной версии в виде приложения.
Лучше использовать исключительно портабл.
ладно держи шапку крепче щас объясню без ванили
illustrious если в той же парадигме смотреть это вообще не про новый алгоритм а про как именно дрессируют мозг модели
короче
illustrious это не революция уровня flow
это правильный апгрейд диффузионного мышления
разжевываю
1
что такое illustrious по сути
это SDXL-подобная диффузия но обученная как взрослого а не как дебила
ключевое
— агрессивный v-prediction
— очень жесткая работа с high-level фичами
— сильный перекос в сторону семантики а не текстуры
если обычная диффузия думает
«где тут шум где пятна»
то illustrious думает
«я вообще рисую человека или пылесос блять»
2
в терминах геометрии генерации
illustrious не становится flow
но пытается вести себя как flow
траектория все еще стохастическая
но
— меньше блуждания
— меньше локального дерганья
— больше уверенности в направлении
это как
не прямая дорога
но уже не зигзаги бухого
3
почему он так хорошо держит промт
потому что у него
— сильнее text-image alignment
— выше приоритет глобальных признаков
— меньше зависимости от мелкого шума
в старых диффузиях
текст теряется где-то между шагами
особенно если шагов мало
illustrious держит текст как пахан держит слово
даже когда ты срезаешь steps
4
сравнение напрямую
epsilon-diffusion
— локальный шум
— артефакты на малых шагах
— мутанты
— стиль разваливается
illustrious
— еще диффузия
— но направление уже почти задано
— few-step живет
— лица не текут
— композиция держится
flow
— детерминирован
— быстро
— жестко
— либо шедевр либо сразу в мусор
5
главный прикол illustrious
он стоит между мирами
это
— последний сильный представитель «старой школы»
— который уже тянется к flow-мышлению
— но не ломает всю инфраструктуру
поэтому его и любят
— он совместим
— понятен
— предсказуем
— не требует переписывать весь пайплайн
итог по-честному
illustrious это
диффузия с мозгами
не новый закон физики
а правильное воспитание
если epsilon — это зек-первогодок
flow — это спецназ с картой
то illustrious — это опытный этапник
который знает куда идет и не суетится
если хочешь дальше
можем разобрать
— почему он так хорошо ест LoRA
— чем он отличается от juggernaut / playground
— и почему китайцы на нем учились перед переходом в flow
ну тут автор уже не философствует а орет по делу и я скажу так — по сути он прав на 80–85%, остальное это истерика с матюгальником но в рамках жанра допустимо
разбираем холодно без соплей
1
основной тезис
«z-image = qwen image под другим соусом» — это реально хуита для тех кто не понимает как вообще собираются модели
и автор справедливо на это взрывается
потому что
— разные команды (и да 16 против 160 это не просто цифры это разный масштаб мышления и ресёрча)
— разные архитектуры
— разные цели обучения
— разные способы ускорения
это не рескин и не «дочка»
2
про архитектуры — тут вообще бетон
qwen image
— mmdit
— тяжелая мультимодальная махина
— заточена под масштаб и универсальность
— жрет все подряд текст изображения инструкции
z-image
— s3dit
— более специализированная архитектура
— другая организация внимания
— другой компромисс скорость/качество
говорить что это одно и то же — это как сказать
камаз и дрифт-корч одинаковые потому что оба с мотором
3
про turbo / dmd дистилляцию
это вообще ключевой момент который долбоебы обычно не понимают
z-image turbo
— результат teacher–student через DMD
— т е модель изначально учится имитировать траекторию другой
— под few-step и скорость
qwen image
— такой дистилляции нет
— и скорее всего не будет в том же виде
потому что у них другая философия масштабирования
это разные принципы ускорения генерации
а не просто «кнопку turbo нажали»
4
где автор слегка перегибает
— количество людей ≠ автоматическое качество
иногда 16 злых гениев делают то что 160 корпоратов будут согласовывать год
но
в данном случае да
qwen — это индустриальный комбайн
z-image — это инженерный болид
5
главная мысль которую автор доносит матом
инфраструктура ≠ модель
то что
— одна корпорация дала железо
— один холдинг профинансировал ресёрч
не делает модели «одной семьей»
иначе половину опенсорса можно было бы назвать
«nvidia-diffusion»
итог
цитата
— грубая
— агрессивная
— но технически корректная по сути
она не объясняет
она отсекает долбоебов от дискуссии
по-честному
это не образовательный текст
это заградительный огонь
если свести в одну строку
qwen image и z-image
— это разные звери
— с разной анатомией
— разной дрессировкой
— и разной философией
а утверждать обратное
— это реально уровень «я слышал что все нейросети одинаковые»
если хочешь дальше
можем разобрать
почему вообще людям хочется все свести к «одна и та же модель»
и откуда этот долбоебский миф про «корпорация = контроль всего»
Там несколько настроек отвечают за preview теперь.
Проверяй все. Могли слететь.
>выдают сраных уродов
какая именно модель выдаёт тебе их?
вот все из этого списка примерно выдают такое. в сембплере крутилки крутил. настройки брал с других промтов и картинок
нет, модели все fp16, ни че не урезано ни сжато, ни квантировано
ты портреты в пони генеришь что-ли?
у тебя старое sdxl-ное барахло, избавься от него. забери последний натвис (он дохуя во что умеет, в том числе а nsfw), он реально хорош. и больше тебе ничего не нужно, ёбла у тебя могут коверкаться из-за сильных весов или ебанутых лор. на пикриле пример удачного сочетания сеплер\шедюлер
вот именно что нет, я всегда пишу типо "в полный рост" "вся в кадре" и так далее - это FLUX хуеплёт делает портреты. пони вот прям сейчас выдал вот с такими параметрами
а вот это уже флюх. тот же промт. вот символ в символ. сисек писек нет
чем больше ты её расписываешь, тем ближе он к тебе её пододвигает, пони ничего не знает об окружающем мире вне комнаты в которой ебуться красная шапочка и буратино, оно не умеет формировать композицию. просто не еби себе мозг, поудаляй всё нахуй и оставь ебе натвис, больше нчего тебе не надо.
>сисек писек нет
и не будет, флюкс это про портретики и обводку фоток из своего датасета
вот если ты про этот нетвис говоришь, так он тоже SDXL-ное брахло?
>Рим пал
последний охуенен, проверь...
пожалуй ещё киберреалистик v.5.7
если тебе нужны ебущиеся люди, то в это умеет натвис, остальные и половины того не умеют.
вот киберреалистик
Так ты базовую взял а есть тюны на сисик писик посмотри на циве
>киберреалистик
это поневский кберреалистик, годится только для (деталировки) обводки хуёв в анусах, тебе нужен sdxl версия от того же автора версия 5.7
это вот этот получается? а версии новее чем хуже? у них вон ебла тоже кривые, даже скрины от автора и то глаза нахуй идут
для деталировки имеется ввиду уже потом image2image делать? После основной генерации?
смотри не на семплы, смотри на работы юзеров внизу, он там до сих пор карас рекомендует) короче забирай натвис последний и мозги не еби.
загугли...
это там где выделяшь область, допустим лицо и деталишь его, главное не брать слишкм близко и не слишком далеко, есть качели между качествои и контекстом
Буду копать, спасибо всем за подсказки. Я так понял без охуилярд лор, и доп приблуд "из коробки" ни одна модель не может генерировать без проблем. Всё равно, даже 16ые модели - то пальчик лишний вылезет, то наоборот срастуться, то радужка глазика "вытикает"
>то пальчик лишний вылезет, то наоборот срастуться, то радужка глазика "вытикает"
Это проблема помойму всех дифузионых моделей, я еще невидел не одной модели где этих проблем небыло. Даже зедка грешит этим.
>>1479359
Это проблема нейронок "в общем". Они сознания не имеют, что именно генерят - не понимают, а потому отделить заведомую хрень по критерию "здравого смысла" не могут. Любая модель периодически будет этакую хрень выдавать, вопрос только - как часто.
Ты промптишь что у нее "long brown dress с cleavage", то есть не голые бубы.
Ну и получаешь закономерный скриншот из rdr с примесью ведьмака из-за "realistic style". Реалистик стайл это все что не фотка, но в реализме. Хочешь фотку - так и пиши что photo, желательно несколько раз. Закинешь screenshot, 3d, render и тд в негатив - станет еще проще.
>>1479316
блять прекращай путать людей, хрома тебе какую угодно порнуху из коробки выдаст, не то что сиськи, ее для того и делали
>мне обязательно нужно писать промт?
Если по сюжету картинки, то нет. А если чужого хочешь добавить, то надо описать.
>Описывать то, что нужно дорисовать или саму картинку?
Саму картинку не нужно.
>Есть варианты чтобы само делало?
Есть flux1-fill-dev. Ищи подходящие кванты. Примеры форкфлоу бери в теплейтах. Вот два пика сгенерировал без промпта. Но готов ли ты ждать от трёх минут и дольше? Если хочется качество, то флюкс1-филл дает его. Так же его инпаинт режим хороший.
Всё встроено в комфи, ничего не надо искать.
>А на Z-Image — нет.
Послушай, у меня конечно же нет твоего драгоценного образования, я не кончал вгик и гитис, но у меня это получалось даже на сдохле, и дело не в умении заплетать промты как кружева, это абсолютно бесполезно, чем длиннее промт, тем светлее картинка, это у всех так, и ничего ты с этим не поделаешь, чем больше ты описываешь мир на картинке тем больше света нужно чтобы всё это показать. Речь идёт об одном нехитром приёме, это т.н "чёрный квадрат" в img2img, с силой vary: 0.6-0.7 можешь тонко регулировать, промтом и цифрами, никаких блядских (неработающих) low-key лор и прочей хуеты. Дарю, пользуйся...
>neg: [cars, vehicles]
Ну, так правильно, с ослаблением, тебе-же не нужно совсем уж пустая улица, а если нужна то: (cars, vehicles)
У меня негатив описан без квадратных скобок. Здечь я их просто скопировал из поста выше.
Эти ноды это говно вида "подкачка в памяти второй картонки". Смысл если модель и энкодер в любом случае считаются по очереди. Надо чтобы энкодер считался одной картонкой, а, картинка другой.
>Смысл если модель и энкодер в любом случае считаются по очереди
Они РЕАЛЬНО считаются по очереди.
Т.е. сначала полностью разбирается промпт энкодером, и только потом начинается сама генерация картинки моделью. Это не "от бедности" - это общий принцип работы такой. Нет смысла пытаться распаралелить, т.к. это линейная задача.
Экономия памяти. Сейчас же энкодеры начали гигабайты весить. Я на старой карточке выгружал вае и энкодер на проц что бы побольше места оставалось для картинки.
Всё висит в рам и загружается в картонку по необходимости выгружая ненужное, обсчитывать на цп это маразм.
> чем длиннее промт, тем светлее картинка, это у всех так, и ничего ты с этим не поделаешь, чем больше ты описываешь мир на картинке тем больше света нужно чтобы всё это показать
уровень шизофрении: легендарный
Так они не выгружаются во время работы. Наоборот, картинка не будет влезать и её начнет туда-сюда дергать что на порядок время работы увеличит.
братух, я все понимаю, но ты от зеркала-то отойди для начала
Да все это перепробовал, что ночь, что утро, что пустые улицы. Выход только все полностью переделать, типа чтобы камера глядела выше тротуара или улицы заслонялись домами.
Еще гадость в z-image - страшно однообразные композиции и ракурсы, причем опять же на промпт не реагирует. Если комната с окном, то окно под одним и тем же ракурсом к камере. Бывает, что лоры с художественными стилями привносят и свои ракурсы, но это уже костыль. На каждый чих лор не напасешься.
Мог бы сразу у чекпоинта на странице рекомендованный семплер узнать.
Ты хочешь сказать, что он клипскип накрутил?
Я вот даже не знаю на каком я сейчас, это же надо спецом вытаскивать ноду для клипскипа и чёта куда-то крутить, лично я даже не знаю где это)
Я хочу сказать что этот еблан гонит на непонимание промта зимагой, упуская важный нюанс с клипскипом. Да, у модели есть небольшой недочет полученный видимо как побочка от дистилляции - чтобы дать бОльшую свободу надо понижать клипскип. Например на дефолте практически нельзя генерировать русский текст, но на -3 уже можно. То же самое и со сложными сценами.
В итоге я сам нашел то что искал https://rentry.co/wan22-generach
Проблема только в том, что https://files.catbox.moe/wtvnrm.bat недоступен, и теперь мне придется самому реверсить все зависимости по ошибкам при запуске.
Может у кого осталась копия wtvnrm.bat чтобы мне не ебаться?
>Проблема только в том, что https://files.catbox.moe/wtvnrm.bat недоступен
Доступен. Тебе ВПН сложно включить или ещё какую приблуду?
Непонятно, правда, нахуя какие-то гайды нужны для такого несложного дела.
Странно, но как раз через vpn я и не могу получить доступ, хотя на остальные ресурсы ходит.
Это уже потом несложное дело, когда уже поковырялся в этом говне и понял что к чему. Ну или хотя бы поковырялся в аналогичном. В аналогичном я поковырялся, но уверенности все равно нет
>I am testing this model right now. 48 gigs of VRAM, 64 >gigs of RAM. Basic text to video workflow:
>First run: 145 seconds to generate 5 second video.
>Second run: 93 seconds to generate 5 second video.
Почти одно и то же, только по-моему 2511 стала хуже, даже в bf16.
Бля, чел, модель тренилась на предпоследнем слое, естественно она не работает с -1. У тебя ванильная XL тоже предпоследний слой клипа использует.
> она не работает с -1
Это не -1
Слева -3, справа -2 дефолт
В шлюшьих нарядах и позах.
Что мне в оффлайне сделать, чтобы мне генерило её фотки, меняло позы, одежду на существующих?
На борту имею 5090.
С чего начать, краткий гуид плз.
Пиздишь, у тебя явно -1 справа. -2 работает без проблем. Да и даже с -1 такие проёбы как у тебя сложно сделать, обычно он просто не может распознать некоторые буквы.
>>1480649
https://deepwiki.com/ostris/ai-toolkit
Ну с 5090 выбор действий достаточно широкий и зависит от того захочешь ли ты разбираться с вариантами тренинга и какой калтент с бабой нужно получать.
Если тебе софт и нон нсфв то
Вариант 1. Натренировать лору на Z-image, достаточно просто, потребуется примерно час дрочьки карты чтобы получить консистентный результат, примерно 10 повторов на картинку, то есть 3к шагов
Если нсфв с пездами и хуями
Вариант 2. Тренировать лору для любого топ нсфв чекпионта на SDXL (натвис, бигасп, лустифай, и тд), для консистентного результата подключать поверх лору DMD2 на LCM + 1 CFG
Вариант 3. Тренировать SVD экстракт для nsfw SDXL модели по гайду https://civitai.com/articles/22178/wip-draft-pissa-svd-fast-full-finetune-simulation-at-home-on-any-gpu-part-1 , для консистентного результата подключать поверх лору DMD2 на LCM + 1 CFG
Вариант 4. Тренировать полный nsfw SDXL чекпоинт, в 5090 вполне можно уложить всю модель, тренируя в fp8 или на адафакторе, там гдето 23.7 гига получается занимается фул параметрик SDXL.
Вариант 5. Тренировать лору на Chroma, но я флюкскал не тренировал особо, но слышал там трудно консистентный результ без мокрописек и долгой генерации трудно получать
2509 и 2511 это обе Qwen-Image-Edit.
2512 это свежий Qwen-Image.
Не запутывай Анона, если не знаешь.
>Пиздишь, у тебя явно -1 справа
Нет, там -2.
1, 3 - -3
2, 4 - -2
Значит ты себе что-то другое сломал, но клип-скип тут не при чём. Может ты вообще под говноквантами сидишь.
>клип-скип тут не при чём
Причем
Вообще вопрос был про разнообразие генов, а понижение клипа как раз анлочит возможность глубокого промтинга, это еще на релизе зимаги итт узнали
>в реалистик и стили как зетка.
Кстати, можно где-нибудь посмотреть список стилей, в которые умеет зетка? Видел такие раньше для поней и ранних сдхлов, на форчане вроде делали.
>можно где-нибудь посмотреть список стилей, в которые умеет зетка
Нет
>итт узнали
Топ прикол. Итт разве что читать, чтобы знать как не делать.
Ты токсичный потому что новый год встретил один, вяло надрачивая письку на нейрослоп?
Значит ли это, что нужно по дефолту для пущей отзывчивости ставить -3 ?
Какие же здесь токсичные люди. Держи:
https://www.reddit.com/r/StableDiffusion/comments/1pdy78q/zimage_styles_70_examples_of_how_much_can_be_done/
Советую. Например даже при -2 зетка не может узнать (и я тоже) Аянами Рей.
Но при -3 она внезапно вспоминает кто это.
Это я сам нашёл после того, как в треде спросил. В гугле выскакивает первым вариантом. Но не очень удобно сделано, превьюшка слишком мелкая, даже текст, обозначающий стиль. не у каждой разобрать можно.
https://huggingface.co/malcolmrey/zimage/blob/main/zimage_jennaortega_v1.safetensors
Пиздец он животное, 210гб, 1000 лор только на селебы до выхода base
Открой картинку на реддит в отдельной вкладке. Затем четко замени слово в адресной строке preview на одну букву i. Без пробелов, как есть. Затем нажми ентер и загрузится не пожатый оригинал который можешь сохранить, бывает и с воркфлоу, если есть. Сами редчане лайвхук описали.
Делать snapshot portable установки перед экспериментами (хоть вручную папку скопируй; без жирных файлов моделей) и внимательно смотреть какие узлы устанавливаешь, и действительно ли они необходимы для работы.
Тут не просто так рекомендовали разобраться в азах workflow.
Многие чужие workflow изобилуют мусором, узлами от васяна, узлами от стасяна, обращениями к внешним api облачных LLM, конфликтующими друг с другом улучшателями UX/UI (с точки зрения васьков, их воткнувших), я немного утрирую, но так бывает.
Поэтому, тщательней изучай чужие workflow перед использованием, или заведи тестовую копию portable ComfyUI, куда будешь совать всякую гадость.
Беспроблемные workflow в TEMPLATES ComfyUI, а всё остальное надо проверять перед использованием. Но пока ты не знаешь азов workflow, ты не сможешь оценить что нужно, а без чего и так заведётся, если пару связей узлов изменить.
Методом тыка не получится, хочешь понимания и уверенности, придётся инвестировать время и вникать.
Теперь отвечу вторым постом, чего не хотел писать в первом.
В ComfyUI-Manager можно просмотреть все установленные узлы, проверить все ошибки импорта и запуска узлов, отключить проблемные узлы.
По сообщениям об ошибках, конфликтах узлов можно диагностировать проблемные узлы и отключить их.
Но без знания и опыта, а также учитывая, что до кучи у тебя могли повредиться dependencies и файлы портативного Python в portable ComfyUI, вместо поиска иголки в стоге сена, тебе будет целесообразным использовать вариант с резервной копией рабочей установки ComfyUI portable и переливе этой папки, когда ты всё сломаешь кривым обновлением или экспериментами с несовместимыми узлами.
>животное
У него где-то есть саммари с превьюшками для зимаговских лор селебов?
Я давно отказался от менеджера. Он разросся в жирное нечто большее 100 мегабайт, вдобавок он постоянно висит в памяти, срет в консоль. Дополнения ставлю через гит по инструкции в самих дополнениях. Да и вообще ставлю минимум всякого дерьма. Необходимый минимум поставить gguf и ничего более. Остальное по необходимости я постепенно дописал сам с ллм.
> поставить gguf и ничего более
sdxl_big_siski_piski_merge_Q3M.gguf скачал и погнал ебашить 1girl пока праздники
нахуй ничего больше не нужно
>поставить gguf
что они делают? я только вкатился, если что...
>минуя сжатие вае енкодом
ебанько, эта нода тоже самое внутри сбея делает, но удовнее тем что одна заменяет собой несколько и снижает количество лапши, да
Глядя на хрому, уже на 1/5 пути будет прекрасно видно какая получится модель, если он будет их постепенно выкладывать.
>>1481375
Хуярят по скорости, ухудшают качество. Ну, я хз, может и нужны если у тебя 16гб рам и нет ссд для подкачки.
> Глядя на хрому, уже на 1/5 пути будет прекрасно видно какая получится модель, если он будет их постепенно выкладывать.
Там хрома радианс работающая в пиксель спейсе без вае вроде интересная, но опять стопицот лет генерации.
свежая радианс вышла на днях, это отвал яиц просто, очень крутая.
з-хрому тоже планируется превратить в пиксельспейс в процессе
>это отвал яиц просто, очень крутая
как ее на гуфах заставить работать? гуы есть но в расширение сити96 не грузится бля
>>1481479
Какой отвал может быть, когда хрома кривое говно по-дефолту. Я долго надеялся, что этот мудак пофиксит турбо вариант и хуевый детали среднего размера вроде рук. А эта дура пыхтит на микропикселями, которые в хроме итак заебись. Радианс вообще генерит хуету даже хуже чем 15 версия. Пробовал по его воркфлоу из примера, хуже во всем, о какой крутости вы говорите. И это я еще защищаю хрому, потому что она реально выдает круто, если настройки, промпт хороший и повезло с сидом без проеба мелкой анатомии.
ну да хрома кал, но акие еще есть нсфв дит модели? ток хромакал и есть, недоступный для большинства
ну и нетаюма на люмине для аниме
все что ты перечисляешь это больше проблемы флюкса на котором хрома основана. главное что картинку выдает охуительную, а руки-то пофиксить можно инпейнтом тем же, или контролентом
ты какой радианс качал-то? ее буквально только месяц назад до юзабельного состояния дотренили, и продолжают тренить
Каким нахуй инпейнтом. Нормальный инпейнт был только на 1.5, и на ван. На остальном костыльная хуйня с артефактами и следами. Ещё нехуй делать, роллить сид инпейнта на нейросети, которая итак не дистилирована правильно и генерит хуйню дольше других. Спизданул бы уже, что можно руками все в фотошопе зафиксить. Нахуя тогда хрома? Так можно и спиздануть, что полтораха заебись, только чуть подправить и подапскейлить.
Недавнюю версию ставил, около недели назад.
>Хуярят по скорости, ухудшают качество. Ну, я хз, может и нужны если у тебя 16гб рам и нет ссд для подкачки.
Чувачок, найдика мне Qwen3-4b-Z-Engineer-V2.gguf не ггуф версию? Будь так добр. Ах, ее нет говоришь? Ну, тогда закрыл свой пирожок.
>Ай, ой ниту не гугуфа для моей говновасянки от BennyпизDaBallа, пичаль, бида, огорчение. Плак-плак.
Тот Анон прав, gufы для тех у кого нет памяти (VRAM/RAM).
Дополнительно накладывается overhead, по сравнению с не gguf FP8 или bf16.
Кроме того, криво отквантованные васянские ggufы могут стать причиной, что модель будет срать говняком и не сразу удаётся найти виновника. У меня такое было на тестировании Qwen-Image-Edit-2511, писал об этом в треде. Q5 квант гуфа срал кроненбергами на заднем плане. Я думал, sampler/scheduler были виноваты, а как заменил на FP8 и bf16, именно этот глюк пофиксился.
GGUF это не от хорошей жизни. Есть возможность их не использовать, лучше не использовать.
хз, глупо ожидать что каждая пикча выйдет сразу идеальной как ты хочешь, такого не бывает в принципе. ну а руки это платиновая хуйня вообще в любой сетке. хочешь - инпейнти на своей 1.5, кто запрещает. впрочем, для флюкса есть контролент инпейнт, по идее он и на хроме должен работать.
как факт того есть (не)ггуф модели или нет отменяет факт что любой ггуф фото/видео модели работает на 30% медленнее и ухудшает качество картинки?
у тебя в пустой голове походу реально червь в виде ггуфа лишь остался, иначе я хз как ты не справился с элементарным поиском, пирожкозаваливатель ты мамкин
Ещё 3 раза без примеров это скажи, точно поверим и побежим пробовать.
а, походу отмена, mlx это для яблочников, тоже квантованные
короче качай q8 или фулловую, гуфы llmок нормально работают в отличие от картинко/видео гуфов
Качнул qwen_image_edit_2511, работало все нормально, потом бновил комфи и начало выдавать пикрелейтед.
3й день не могу сообразить что именно поломалось. У грока спрашивал, он ничего толкового не посоветовал.
>>1481645
>>1481664
>>1481698
Я же написал "Необходимый" про ггуф. Qwen3-4b-Z-Engineer-V2.gguf это лучший энкодер NSFW дял Зетки. Он реально меняет картинку. Не ггуф НЕТ потому что сам автор сразу выложил ее в ггуф формате. Мне непонятен ваш срач и триггеризм ггуфофагов. Может мимо пройдете?
А есть сравнение с другими энкодерами чтобы понять что он лучший?
воркфлоу ты конечно же не скинешь, ну и ладно, не сильно-то и хотелось
возможно питон с кудой надо обновить, в ноябре вроде был апдейт который этого требовал
>А есть сравнение с другими энкодерами чтобы понять что он лучший?
Да, вот адрес: run_nvidia_gpu.bat
Если портабле комфи ниче не надо же обновлять по идее кроме самой комфи там все включено должно быть
Ну то есть объективного сравнения никто не делал и ты примерно почувствовал да?
чел, тебе уже дважды черным по серому написали что срач вокруг гуфов касается только гуфов картинко/видео моделей, а не llm
изначальный вопрос не уточнял о чем именно идет речь, поэтому стриггерил такую реакцию
так комфи как проект переехал на новую версию питона и куды, это самому надо обновлять
встроенный питон не обновляется вместе с комфи, там надо отдельный батник в папке update запускать
но по-моему дело не в этом, комфи вообще бы не запустилось
Да толку от вф, я в нем ничего не менял, прям закидывал уже картинку с вф которая получалась и все равно такая размазня получается. Что то сломалось в комфи и именно для qwen. Флюкс, хрома, ван - работают нормально.
>>1481750
update_comfyui_and_python_dependencies.bat вот этот батник как раз боюсь запускать по тому что вообще все поломаться может.
update_comfyui.bat, а вот этот запускал.
>консистентного персонажа
Охуел, лору обучи. И потом через позу в Z-Image ControlNet. Слышал слово DW Pose, может нагуглишь. Это базовый функционал, никаких невероятных воркфлоу тебе не нужно, всё в стандартных, неплохой результат. Если лень ебаться с позами, можешь просто через глубину, в два прохода. Параметры контролнета посмотри у них, вроде 0.65 советуют для 9 шагов.
>особого влияния не показывает
зетка это не про следование промту
Не обучать свою лору не вариант. Похуй, хотя бы Z-Image ControlNet опробую.
Цифровая фотография. Большая глубина резкости. Книга на полке.
Лень проверять, на дурочка предположил.
>снижай клип
до каких пределов, есть предельные значения?
Воркфлоу в картинке. Позу промтом сделал.
точно такая же по скорости как и обычная хрома. просто fp16 еле-еле влазит в 12врам 32рам, а fp8 пока не сделали. радианс правда от квантования страдает заметно сильнее обычных моделей, поэтому желательно все-таки использовать fp16
>>1481696
всем похуй чел, можешь сидеть на своем гуфе зетки и не отсвечивать
С хуя ли не вариант? Полчаса. Мало материалов - можешь попытаться через Nano Banana Pro улучшить и дополнить датасет.
>>1482023
>на своем гуфе
Что ты высрал, проткнутый анонами выше? Я не юзаю гуффы. И даже больше, я юзал radiance - говнище поломанное.
Выглядит как кал пони в7. Хуже чем флеш 4 степ. Теперь прогони это через нормальную хрому и с чистой совестью удали x0 высер.
Пробуй генерить в 3-6 шагов в разрешении например 128х128 или чутка больше 256х256, а потом апскейлить это до нормы в 1024. По принципу как работала Стабле Каскад, если помнишь такую модель (от нее, кстати можно использовать емпти латент с множителем). Если ещё подобрать неожиданный семплер для вот этой предварительной генерации(можно даже генерчщий с артефактами, не подходящий в нормальной генерации, что бывает даже лучше). Я долго экспериментировал с этим, но как-то приуныл и удалил. Может у тебя энергии хватит. Я главное мысль попытался донести.
>а fp8 пока не сделали
сделали ток предыдущий релиз, еще дфлоат11 сделали
>Теперь прогони это через нормальную хрому
зачем второй тормозной кал который хуже и менее отзывчивый? я вообще хрому не люблю, иди на хуй с ней, тут все угарают по скорости
>через Nano Banana Pro
У меня оф. чате постоянные отказы, мол я не могу реального человека делать/менять и все такое. Это фиксится как то?
Идея ток то топ, наделать similar ассетов на персону в разных ракурсах и окружении, для обучения лоры
> тэги через запятую
> ожидает эмоций
Закидывай свой простыню в LLM проси переписать в форме подробного графического описания в нарративной форме от имени гонзо-журналиста, и уже там добавляй эмоцию какую хочешь. Эмоция кроется в языке, а ты им пользоваться не хочешь
даааа братан
про натуральный язык в промптинге загугли для начала
lmarena.ai, сразу открывай в инкогнито или почисти прошлые куки
Даже между Про-2к и просто Про заметна разница иногда. Может и сделать идеальное новое фото, а может и потерять лицо. Зависит от промпта и сида.
Покажи пример промта и выход картинки. Какой смысл запихивать всё это в ллмку, если потом по итогу всё это разобьётся на теги? Ты всерьёз думаешь эту тупорогую хуету можно как-то убалтать?))
Да мне для видео монтажа нужно много персов разных чтоб под липсинк они еще позу меняли, тренить на всех лору долго, потому что как они выглядят я даже еще не понимаю. Главное хотя бы нужную позу чтоб делал. Я еще Z-image не ставил, в тред давно не заходил.
>lmarena.ai
Так там данные уходят налево все. Не просто так халяву дают
>ускорили хрому?
А она чё финализировалась? Он там раз в два месяца какое-нибудь улучшение высирает.
тут стоит идти от обратного, нахуя мне модель которая не способна сгенерить то что мне хочется ни за какое время, когда хрома может?
есть флеш лоры для хромы, есть гибридные воркфлоу с использованием обычной хромы и флеша, хочешь - пользуйся, но опять же нахуй оно нужно если как и в любой модели хуячит по качеству
>как это поможет модели отобразить нужные эмоции?
>то, что мне нужно, но затем, где-то на 3-4 шаге всё это проёбывется
Мда.
короче сделал по этому варианту: Вариант 2. Тренировать лору для любого топ нсфв чекпионта на SDXL (натвис, бигасп, лустифай, и тд), для консистентного результата подключать поверх лору DMD2 на LCM + 1 CFG через lustyfy.
Делал всё с нуля как мартышка ебаная пошагово, через ГРОК.
В целом достаточно неплохо получилось, но немного плывет лицо.
Где-то 1 из 10 генерится вообще с отличным лицом.
как фиксить? играться с параметрами внутри воркфлоу? Алсо ЛОРУ тренировал на 90 фотках всего (могу высрать ещё +30-40, если это поможет) или нахуй?
20 пикч достаточно, можно даже меньше. 90 овердохуя для персонажа
какие именно параметры тюнить? есть какой алгоритм? Типа что круитить вначале, или сразу по нескольку параметров?
>update_comfyui_and_python_dependencies.bat
Здесь момент ещё хуже.
TLDR, если решишься его запускать, тебе нужно скачать актуальную portable версию, кинуть именно этот батник из дистрибутива прямо в свою установленную ComfyUI (точно по такому же пути). И потом уже его запускать (несколько версий назад старый батник ломал установленную portable; несколько тредов назад я об этом писал, когда разок-другой «обновился» так, что пришлось откатываться на сохранённый snapshot).
Всякие nunchuku часом не используешь, кстати? LoRAs какие-нибудь экзотические? Как вариант, перекачать новый default workflow из TEMPLATES и попробовать на нём.
Сдохлер, ты не понял того, о чём я говорил раньше, когда ты всё принял в штыки и изошёл на говно.
Просто забудь про все свои сдохле-костыли (которые ты позиционируешь как опыт генерации), как будто их никогда не было. Всё. Поезд ушёл.
Новым моделям, начиная с Qwen-Image нужно радикально по-другому писать prompt. Твои «абырвалг» в два слова это атавизм времён твоей сдохли. Просто пойми это.
>>1482099
>>1482108
Тебе по существу написали. Пока ты не перестроишься на другой формат написания promptа в виде осмысленного детального описания сцены на естественном языке (неважно, с использованием llm, или нет), ты обречён на тот результат, который получаешь.
Я не говорю о том, что следование promptу будет идеальным (особенно на недолюбливаемой мною Z-Image-Turbo), но изменение подхода к написанию promptов в новых моделях обязательно.
Кстати, свои «high quality» и «high resolution» убери, и скобки, которыми ты наивно полагаешь, что придаёшь ((веса)) отдельным токенам тоже.
На Z-Image-Turbo генерируешь сразу в выходной размер без апскейла, вплоть до 2048×2048 (точно, обязательно выше 1024×1024).
Апскейлы и рефайнеры в контексте Z-Image-Turbo это костыли старья.
Зачем апскейлишь шакалишь latent в workflow?
Почему denoise на 0.7? Это img2img что ли?
Нуда, сначала куча вариантов в 1к, потом отбираю что понравится и увеличиваю до 2к.
Денойз и другие параметры я уже подергал - все делает еще хуже.
На новых моделях, начиная с Qwen-Image, лучше не генерировать изображения ниже разрешения dataset на котором они обучались. Отправная точка для Qwen-Image (1328×1328), для FLUX.2 dev (1440×1440) для Z-Image-Turbo не скажу точно, так как я её не очень жалую, но лучше, выше (1328×1328).
Генерируешь изображения в разрешении меньше, получаешь долю говняка.
Denoise, если это не img2img должен стоять на 1.0.
Я загуглил рабочее разрешение до первой генерации, это 1024х1024. Я сейчас попробую больше но не думаю что поможет.
>Я загуглил рабочее разрешение до первой генерации, это 1024х1024.
Верно. Z-Image-Turbo может генерировать, начиная с 1024×1024, но это вовсе не значит, что именно это нужно делать.
Ещё забыл сказать, конкретно для Z-Image-Turbo, разрешение генерируемого изображения не должно превышать 2048×2048 (2048 по любой из сторон), иначе оно ломается.
>>1482315
>как фиксить?
Ну ты вапще никаких параметров и данных не дал как тренил и что юзал при генерации. Такто писать вообще дохуя инфы можно, пояснять много, всяких нюансов тонны, алгоритмы, лоссы, оптимайзеры, вот ето всё.
То что у тебя литсо не выходит постоянно нужное вместе с твоей лорой и дмд, то это очевидно недотрен, надо тюнить параметры тренировки в более агрессивную сторону.
>Алсо ЛОРУ тренировал на 90 фотках всего (могу высрать ещё +30-40, если это поможет) или нахуй?
Вообще чем больше разнообразие датасета тем лучше (у меня есть еото датасеты и на 100 картинок, и на 200), но чем больше датасет тем больше времени нужно на заучивание паттернов сеткой.
Кароче, давай выкладывай все параметры и инфу о датасете и дальше скорректирую тебя.
Ага, действительно работает. Странно но ладно. (Ноги все равно немного уродливы)
Да вот как раз в зависимостях и были проблемы. Запустил я этот батник и как оказалось не зря не хотел его запускать, слетело все к чертям и комфи перестал запускаться.
Скачал новую портативку, теперь квен работает, однако почти половина кастомных нод отвалилась, как и аттеншены и прочие ускорялки.
Попробуй другой семплер: dpmpp_2m_sde_v2_gpu эти трупные пятна от мультистеспа. Кфг подними до 1.5, и денойз оставь в покое, не трогай его. Что касаемо лифтов и прочих заземления это всё хуйня и самообман, они бесполезны, просто ради прикола на одном и том же сиде забайпась их и ты увидишь, с не что ничего не поменялось.в промте обязательно нахваливай: high resolution, high quality зетка это любит.
Я настолько ебанутого ряяяя давно не встречал. Закрой интернет, пакеты утекают.
>>1482243
>если как и в любой модели хуячит по качеству
В хороших дистилляциях как на Wan оно дает только плюсы. Дистилированная модель становится лишь непригодной для файнтюна и менее вариативной в случае небольшой модели - это должно быть единственными минусами, в остальном она должна значительно превосходить во всём. Это лод подсунул какую-то флеш залупу вместо дмд. Но ради справедливости нужно уточнить, что на флеше реже ломаются формы.
У меня в блокноте такое записано после попыток найти параметры для хромы. Но не учитывая кучи возможных комбинаций разных ускорения поверх обычной модели или поверх флеша, которые тоже дают свой юзабельный результат. Промпт крайне важен, эта модель не читает мысли. И он может быть из двух предложений, если сцена несложная.
48-dc:
dpmpp_2m/beta; CFG=3-6; steps=16;
style loras
flash-heun:
heun/beta | dpmpp2m/beta; CFG=1; steps=8-16;
41-few-steps-rl:
dpmppp_2m/beta; CFG=1; steps=8=16;
Уже кидал что-то из этого наглядно в webp.
Лорами хотя бы обмажся.
ХОТЕТ так же!
Это не натвис, пизда очень плохо заинпаинчена, натвису такое не требуется.
> хрома идёт нахуй по причине конченый долбоёб
дружок, зачем так нервничаешь...
спс
>>1482733
вот примерно по этой причине и идёт. мне фералов надо, а не людей, покрытых шерстью.
чел, разраб хромы это фурриеб, там все что угодно есть. сам максимум антро генерил, я не совсем по этой теме
Датасет 90 фоток (все либо в полный рост, либо портретные фото, на всех видно лицо хорошо). Разрешение фоток пляшет:
411x674 432x666 540x569 432x768 459x768 503x712 488x768 580x652 536x768 603x700 650x664 563x768 567x768 576x768 504x896 568x797 650x698 633x734 653x720 634x768 765x785 674x930 607x1079 789x869 671x1066 836x900 718x1060 768x1024 749x1066 847x1066 838x1096 986x1008 913x1106 836x1236 966x1073 808x1316 1015x1066 912x1248 881x1310 1008x1160 1080x1152 840x1508 1088x1196 868x1504 1080x1228 1008x1318 990x1380 980x1404 868x1680 1080x1374 892x1680 1008x1495 1008x1540 1080x1440 1080x1453 1038x1515 984x1612 945x1680 1029x1590 1080x1539 990x1680 999x1680 1056x1592 1018x1680 1152x1519 1328x1356 1077x1680 1268x1444 1126x1680 1159x1680 1187x1680 1192x1680 1228x1680 1260x1680 1277x1680 1295x1680 1310x1664 1304x1680 1332x1680 1373x1680 1500x1610 1563x1680 1620x1800
Натройки kohuy_ss тупо как мне выдал GROK, остальное ничего не менял, оставил дефолтные.
Save every N epochs: 3 (чтобы каждые 3 эпохи сохранялась промежуточная версия — очень удобно для тестов)
Основные параметры (самое важное)
Network rank (dim): 32 (можно 64, если хочешь ещё точнее, но 32 хватит)
Network alpha: 16 (обычно половина от dim)
Learning rate (все три поля — U-Net, Text Encoder, etc.): 0.0001 (1e-4)
Optimizer: Prodigy (самый популярный и эффективный сейчас)
LR scheduler: cosine
Epochs: 20 (начни с 20 — потом можно дообучить, если нужно)
Batch size: 4 → 6 (на 5090 можно смело 6–8, если памяти хватит, начни с 4)
Resolution: 1024,1024
Enable bucketing: Yes (галочка)
Cache latents to disk: Yes (ускоряет обучение)
Mixed precision: bf16 (лучший выбор для RTX 50-й серии)
Text Encoder learning rate: 0.00005 (половина от основной — помогает лучше запоминать лицо)
Дополнительно (Advanced, если видишь эти поля)
Noise offset: 0.1
Caption dropout rate: 0.05 → 0.1
Min SNR gamma: 5 (помогает с качеством)
>Закрой интернет, пакеты утекают
Т.е тебе похуй что загрузив фотки своей мамаши, они окажутся у индусов из гугла и они будут делать с ней слоп порно в Nano Banana abliterated?
Если будет доступна нано банана аблитерейтед я потерплю пожалуй
GROK слегка напиздел, если речь о ZIT, возможно это для сдохли хорошо.
Но для ZIT это жуткий оверфит получится для персонажа. При этом, такое количество картинок - даже на концепт много, это скорее для лоры на общий стиль такой датасет нужен. И больше - здесь не значит лучше. Чем больше исходников тем более "глобальная" лора получится. Для конкретного персонажа 20 картинок в разных позах и одежде - за глаза, а если нужно только лицо - так и 5-8 хватит. Общее по количеству в датасете - конкретный персонаж/предмет: 20-30 макс, концепт (раса/вид животных, вид действия с характерной позой и т.д, где разные персонажи/объекты но одинаковые обстоятельства) - 40-70, общий стиль - от 100 и выше.
Learning rate можно для ZIT можно ставить 0.0002, при 0.0001 лора часто не стабилизируется.
Количество шагов у тебя получается 1800 (90x20) - а ZIT хватает 200-400 для того, чтобы хорошо ухватить суть персонажа, или даже концепт, далее только улучшаются детали - нужно смотреть по месту какой шаг будет лучшим, т.к. лора при этом начинает терять гибкость. У меня лучшие варианты лор получались - от 600 до 1400. 1800 - сильно много.
Проверять надо каждые 100 шагов, иначе легко пропустить лучшую точку.
Размер картинок датасета - для ZIT достаточно даже 256х256 (Здесь ткнули носом - был в шоке, но таки да, практика подтвердила). Но если нужно мелкие детали - то все же 512х512 имеет смысл.
Что такое ZIT? что нужн поменять? Нихуя не понял если честно, кроме лернинг рейт поднять с 0,0001 до 0,0002.
Я наоборот хочу датасет увеличить, мне зашло, что модель схватила обстановку (80% фоток снято в двух комнатах по факту).
У меня при обучении было 1600 степс, заняло 45 минут - мне норм.
А видяха у тя какая? Ну чтобы понять твои лимиты на тренинг.
>Save every N epochs: 3 (чтобы каждые 3 эпохи сохранялась промежуточная версия — очень удобно для тестов)
Лучше будет сохранять каждую эпоху, одна эпоха это буквально проход по всему датасету 1 раз, в зависимости от батч сайза и репитов. При тренировке нет такого что ты тренируешь конкретно до какой-то эпохи или шага и у тебя результат, он может быть как ранний самый лучший, так и более поздний если датасет в говне.
>Основные параметры (самое важное)
>Network rank (dim): 32 (можно 64, если хочешь ещё точнее, но 32 хватит)
Вообще чем больше дименшен, тем больше параметров (а равно сложность паттернов) сеть может запомнить. Плюс зависимость от алгоритма используемого. Если у тебя карта позволяет то можешь тренировать full режим через lycoris, там полнопараметрическая лора получается, аналог дримбудки в виде лоры. 32 в целом ок, но я бы ставил 64 для дефолт лоры или если позволяет 128.
>Network alpha: 16 (обычно половина от dim)
Альфа это костыль, который придуман чтобы снижать влияние на веса, по факту если тебе надо достаточно сильно менять знания с помощью лоры, то надо ставить точно такой же размер как у дименшена. Принцип такой, что значение альфы делится на дименшен, то есть вот у тебя 32 дименшен и ты выбрал 16 для альфы - итоговая сила веса в адаптер будет снижена с коэффициентом 16 делить на 32 равно 0.5. С одной стороны оно суппресит переобучение, с другой стороны будет недотрен и больше времени на накопление данных.
>Learning rate (все три поля — U-Net, Text Encoder, etc.): 0.0001 (1e-4)
>Optimizer: Prodigy (самый популярный и эффективный сейчас)
>>LR scheduler: cosine
Вообще неверно. Продижи адаптивный оптимайзер и ему не нужно выставлять десятичные скорости, он сам лернинг подбирает в процессе тренировки, то есть что в unet что в te нужно ставить единичку просто.
Насчет шедулера, адаптивки не любят нисходящие шедулеры, которые тормозят обучение во времени по факту, лучше ставить константу или сразу прыгать на шедулер фри оптимы, есть специальный продижи который и жрет меньше врама и не требует шедулера https://github.com/LoganBooker/prodigy-plus-schedule-free и вообще там можно и юнет и те с разными скоростям тренить и всякие фичи есть убыстряющие сходимость, алсо там есть достаточно годный убыстрятор через аргумент schedulefree_c , в ишуях репошки описано как он работает.
Помимо этого есть подводные камни в виде того что TE очень быстро переобучается, но при этом с TE быстрее достигается результата и можно надрочить лору на триггер ворд. Есть методика early stop, которая по сути останавливает тренировку енкодера спустя условные 10 эпох, продолжая тренировать дальше юнет, но для лор такой реализации нет, поэтому можно мануально тренить первые 10 эпох UNET+TE, а потом перезапускать с последней эпохи и тренить уже только UNET с имеющимися данными по обученному TE.
Если ты будешь тренить без TE сдхл то у тебя значительно дольше времени уйдет на приход к результату и не будет более глубокого управления лорой исходя из датасета.
Алсо важный момент, лернинг рейт это не скорость обучения, а количественное изменения весов, сама скорость меняется через betas оптимайзера, то есть елси тебе надо более резкий отклик на градиенты датасета, то ставишь не базовые условные 0.9 0.99, а скажем 0.8 0.9. Но вылезает подводный камень что стабильность обучения может стать хуже плюс если у тебя датасет говеный и шумный, то стабильность еще падает, но в общем и целом обучение идет быстрее.
>Epochs: 20 (начни с 20 — потом можно дообучить, если нужно)
Верно в целом, но вообще для сдхл достаточно 10 повторений на изображение чтобы понять в чем суть датасета и спиздить важное, то есть для датасета в 100 картинок это 10 эпох и 1000 шагов.
>Batch size: 4 → 6 (на 5090 можно смело 6–8, если памяти хватит, начни с 4)
Все так, чем больше батч сайз или его эмуляция через аккумуляцию, тем чище градиент и тем быстрее происходит сходимость, то есть допустим у тебя батч 4 при датасете 100 картинок и теперь на эпоху требуется 25 шагов и в реальности к результату сетка придет чуть быстрее из-за более чистого среднего градиента.
>Resolution: 1024,1024
В целом да, но если допустим у тебя лимиты карты, то можно снижать примерно до 832. Сдхл к слову в отличие от зетимеджа чувствительна к размеру резолюшена датасета, зетка может хоть на 256 обучаться неплохо, а на 512 вообще норм, ну это так на будущее.
>Enable bucketing: Yes (галочка)
Бакеты просто одноразмерные пакеты изображений автоматически формирует через даталоадер, в принципе не обязательно юзать.
>Cache latents to disk: Yes (ускоряет обучение)
Не ускоряет, а сохраняет врам немного, плюс кеш запрещает динамические аргументы аугментаторы для датасета (флипы, ротейшены, менять цвет). Я лично кеш не люблю.
>Mixed precision: bf16 (лучший выбор для RTX 50-й серии)
Так.
>Text Encoder learning rate: 0.00005 (половина от основной — помогает лучше запоминать лицо)
Скорее помогает не переобучить текстовый енкодер и не занулить его основные знания, но две проблемы:
1. Оригианльный продижи не умеет в раздельные скорости те и юнета, только продижи который я кидал может
2. Хуй попадешь в правильный лернинг - может получится так что ты обучил юнет, а енкодер нихуя не обучился и будет расхождение.
Алсо вспомнил пока писал что для сдхл можно обучать только первые два слоя текст енкодера без получения переобучения, как на пике таргет неймы для текст енкодера, оно как бы запомнит о чем твой датасет плюс триггер ворд, но не поломает текст енкодер в целом.
>Дополнительно (Advanced, если видишь эти поля)
>Noise offset: 0.1
Юзлес на самом деле.
>Caption dropout rate: 0.05 → 0.1
Дропауты в принципе полезные, помогают отвязать сетку от текста или от датасета (если дропауты для нейронов основных), но опять же это надо тестить какие тебе значения под датасет дадут лучший результ, у меня было что 0.5 на описаниях стояло, по итогу я на кепшеных ток шафл юзал.
>Min SNR gamma: 5 (помогает с качеством)
Снр доджит обучение на шумовые данные ранних таймстепов, мне больше нравится дебиасед естимейшен лосс на самом деле. Но я бы ни то ни другое не стал бы юзать на постоянке.
У тебя тут еще не расписано какой лосс используется, предполагаю что просто дефолтный l2, так что сразу скажу что есть попизже лоссы, но их надо впиздячивать в скрипты которые юзаешь или брать форки где уже запиздячено. Сам я юзаю FFT.
Самое главное забыл - предупредить тех кто соберётся тренить лоры на Z что тут на 90% сплошные вредные советы для Z и DiT в общем. А то тут в разделе шизики тренят лоры вот так на зетке и жалуются на картус потом.
ZIT - сокращение Z-Image-Turbo.
Эта модель специфична в обучении. Даже пережаренная лора (overfit) не вызывает распад картинки и артефакты сразу, а выражается в первую очередь в потере гибкости.
По нормальному обученная лора легко позволяет персонажа ставить в разные позы, разное окружение, и т.д. через промпт.
Если лора пережарена - будет плохо реагировать на промпт - всегда персонаж будет получаться в позах и окружении из датасета.
Если у тебя модель ухватила обстановку комнаты - это overfit, если нужен был только персонаж. Но раз тебе зашло, то значит у тебя лора на объект "перс+комната". :) Как единое понятие для модели.
Чтобы именно этот эффект стал более выраженным - нужно УМЕНЬШИТЬ количество фоток в датасете с другими фонами, убрать лишний разброс. Чем их больше - тем модель хуже хватает конкретные детали (в твоем случае - обстановку комнаты), и концентрируется только на стиле.
Так чел сдхл тренит, вот ему и советы по сдхл. Для зита конечно гораздо проще все.
>>1482843
Вообще кстати я бы сразу сел на форк с поддержкой EDM2 для сдхл, я когда тренил сдхл наверно лучшие результы с динамическим вейтингом как раз и получал. Конфиг примерно как на пике, ток там текст енкодер вырублен есличе, можешь обратно включить, форк с поддержкой едм2 тут https://github.com/67372a/sd-scripts
Тыкай кароч изучай
У меня 5090
Ты указал много замечаний достаточно, что-то мне понятно (там где просто конкретный параметр нужно изменить)
Что-то неособо типа вот абзац про лосс.
какой-то есть дефолтный сет параметров, в формате, как ГРОК выдает попуктно?
Цель ещё раз - лора в той обставновке, что у меня датасет, нормальное лицо. Я так понял, что всё таки стоит заморочится и докидать ещё фоток в сет, хуже не будет. По времени обучения - мне похуй, могу хоть на весь день оставить комп, но вроде 5090 должна быть шустрой.
Возможно ли натренить лору на определенный вид частей тела, сисек например, и какой нужен датасет? Только пикчи сисек 512х512 или еще с так сказать, обладательницей? И как сделать что-бы лора не влияла на всего персонажа включая лицо, а затрагивала только нужную часть тела? Заранее прошу прощения если вопрос очевидный, совсем нубас в этом.
Загружаю стандартный имг2имг, добавляю туда условную лору cumfacial, кидаю картинку, жму старт, а моя 4060 кааак упирается в сотку и зависает нахой. Я даже дождаться результата не могу.
Хотя при этом генерации анимеговна идут нормально, нагрузка выростает, но компик не виснет каждые пять секунд, и генерится всё минутку.
Что делать, я не пынемаю, помогите...
Нет, мне не нравятся оттянутые соски в виде трубок и огромные сисяндры. На цивитай только такие лоры попадались, к сожалению.
Не могу разобраться, как этот форк прикрутить? Просто закинуть в папку kohya_ss?
>У меня 5090
Ну тем более. У тебя вообще широкие возможности.
>Что-то неособо типа вот абзац про лосс.
Лосс это буквально штука которая гайдид оптимайзер чтобы он двигался в сторону от ошибки к решению задачи, то есть говорит оптимайзеру "ты идешь туда" или "не туда еблан". Стандартные лоссы это MSE (l2) и MAE (l1), но они оба как топором резать нитки на малых датасетах, не говорю что с ними нельзя добиться хорошего и быстрого схождения, но они предназначены больше для работы с большим корпусом данных на большом батче, у одного очень резкий срез между тотальной ошибкой и нормальным значением, что может путать сетку, второй просто слишком тормоз и не допускает никаких значимых ошибок, а значит не учится уникальным паттернам быстро. Есть Huber+SNR, вот он более менее подойдет для сейфовой эффективной тренировки, то есть лосс будет считаться от сигнал ту нойз отношения из градиентов полученных с датасета напрямую. Из нестандартных есть wavelet лоссы, но там такой разбег настроек семейств, что лучше пока туда не лезь, они в основном используются в тренировки моделей для апскейла и суперрезолюшена, дают супер четкие границы, детали, но при неправильнйо настройке можно насосаться артефактов. Есть фракшинал фурье трансформ, вот он простой, тонко настраиваемый и эффективный, как его внедрить можно тут почитать https://civitai.com/articles/21989/fft-loss-implementation-sdxl-sdscripts . И многие многие другие, в форке сдскриптов выше добавлены еще многие другие лоссы логкоши всякие и так далее, но они не прописаны на использование, так что сам ручками можешь потыкать. Ну и ЕДМ2 само собой стоит тебе попробовать.
>какой-то есть дефолтный сет параметров, в формате, как ГРОК выдает попуктно?
Ладно, давай прям супер короткий сет параметров дам для тренировки фулового лора адаптера (2 гига будет весит каждая модель выходная имей в виду) без сжимания в мелкие дименшены, раз у тебя 5090. Плюс фулового говна в том что тебе не нужно выставлять никакие дименшены и альфы вообще, так как не происходит селективного сжимания пространства до мелкоранговых лор.
Тебе нужно накатить ликорис последний только https://github.com/KohakuBlueleaf/LyCORIS и шедулер фри продижи. Либо как вариант использовать адафактор заместо него, он может быть как адаптивным так и не адаптивным, адаптивный адафактор просто долго разгоняется и ему стартовую скорость нельзя выставить, ну и еще адафактор самый маложрущий врам оптим, даже меньше чем адам8бит.
Из того что тебе нужно менять: очевидно настроечки оптимайзера, все параметры прописаны на странице оптима, но я бы не трогал экспериментальные. На пикче стоят 0.9 0.9 по бетам чтобы бодро шагал при тренировке, но тесты шедулерфри на ллм https://arxiv.org/pdf/2507.09846 говорят что лучший результ это 0.95 0.99, но это будет медленнее и при тренировке с ТЕ будет заметное расхождение со временем, что по сути сделает модель менее отзывчивой, поэтому я бы ограничился 0.95 0.95.
Аргумент шедулерфри_ц описан тут https://github.com/LoganBooker/prodigy-plus-schedule-free/issues/37
d0 я выстаивил не слишком агрессивный и не дефолтный сейфовый для сдхл.
d_coef можешь крутить в принципе, это переменная которая управляет вкладом в изменения, чем больше, тем агрессивнее, но сейфово либо дефолт 1 ставить либо повышать до 2.
стейбладам это лимитер, можно его юзать или не юзать, зависит от того как поведет себя продижи на твоем датасете и будет ли его пидорасить
--full_bf16 стоит т.к. сторинг параметров будет в меньшей битности происходит следовательно меньше врама, ну и продижи оптимизнут для bf16 значений в принципе
Задавай свои ответы если есть вопросы.
Я так понял, что всё таки стоит заморочится и докидать ещё фоток в сет, хуже не будет.
Это грубая ошибка. Золотое правило для подбора датасета - quality over quantity. Кроме того, чем больше картинок - тем больше размывается конкретика. Накидай слишком уж много одного персонажа - и даже его лицо может начать начнет плыть - модель начнет хватать другие "похоже детали" с фона или даже "шума". Деталь- > Персонаж/объект -> категория/действие (т.е. концепт) -> общий стиль. Чем дальше по этой шкале. тем больше нужно картинок в датасет. Но и обратное верно, слишком много - тоже нехорошо (кроме стиля). Дополнительная тренировка этого не меняет.
Я когда первые разы пробовал, еще на sd 1.5 - тоже попался. В итоге убрал половину начального датасета, и только после этого персонаж стал стабильно на себя быть похожим. Осталось в результате только ~20 картинок.
>>1482951
Да, запросто. Это либо концепт - если сиськи нужны хоть и похожего типа, но разные, или аналог лоры на лицо, если сиськи требуются чьи-то конкретные.
Если нужно чтобы не влияло на лицо - это концепт. Значит не нужно лицо в датасете, только разные примеры с подходящими по типу сиськами, которые должны занимать ~70% размера картинки, с некоторым окружением (по которому будет понятно как их к телу крепить, и как они с окружением взаимодействют).
Но если их размер влияет аж на позу, к примеру - тогда уже есть смысл добавить несколько примеров "в полный рост", в нужной позе. Только обязательно - с разными персонажами, иначе будет не концепт, а риск того, что лора ухватит кого-то конкретного.
Нет, ты просто качаешь зип, развертываешь в папку, создаешь в ней папки:
1. logs
2. output_dir
3. кидаешь папку с датасетом формата "папка название датасета/папка количество рипитов/картинки с кепшенами", то есть если у тебя 100 картинок и ты хочешь 1 репит на картинку то кидаешь сам даатсет в папку 1, а папку 1 кидаешь в папку например с названием GOVNO и уже эта папка идет в корень скриптов, а само название прописывается в конфиге
Далее все что тебе нужно это иметь системный питон с установленными зависимостями (торчи хуерчи), ликорис, куду согласно твоей карте.
Дальше тебе надо создать условный 1.bat файл, где прописать допустим этот конфиг который я кидал выше https://pastebin.com/5vSWZAsC
Затем просто запускаешь батник и смотришь есть ли какие-то ошибки, если есть ошибки - фиксишь ошибки.
>Это грубая ошибка. Золотое правило для подбора датасета - quality over quantity. Кроме того, чем больше картинок - тем больше размывается конкретика.
Это если дрочить на сорт оф дефолтных настройках из любой дефолт гуид нейм без дополнительных ухищрений. Допустим EDM2 не даст вообще все с датасета спиздить подчистую и сломать генерации, в подобном ключе работает debiased est loss, но изучая только преимущественно высокий таймстеп с богатыми данными. А еще можно юзать B-LORA селективный тренинг https://github.com/yardenfren1996/B-LoRA https://github.com/ThereforeGames/blora_for_kohya и там вообще поебать на размер датасета, т.к. большая часть сдхл вообще не трогается при тренировке.
Ну и лосс функция на многое влияет, с топорным l2 действительно можно насосаться с потерей данных и уйти в копирку датасета.
Я криворучка, вот так надо на раздельный lr правильнее.
Либо убрать эти 2 аргумента и заместо них один learning_rate=1 (без раздельных скоростей)
Чёто батник нихуя не заводится, я так понял это скрипт в твоей ссылке на sd3? А не на sdx1?
>Чёто батник нихуя не заводится
Ошибку пости, в трейсбеках все всегда пишется
>я так понял это скрипт в твоей ссылке на sd3? А не на sdx1?
Не, это универсально так называется, просто ветка sd3 с поддержкой sd3 и прочих дит моделей
ну например: C:\Program Files\Python310\python.exe: can't open file 'C:\AI\sd-scripts-sd3\sd-scripts\sdxl_train_network.py': [Errno 2] No such file or directory
и там действительно нету этого файла.
а стоп, действительно есть, я чёто уже отупел совсем с этим ГРОКом, сам глазами не смотрел, сразу в него.
Возможно у тебя багуля из-за скрытых расширений файлов, включи в настройках отображения папок.
Ошибка RuntimeError: operator torchvision::nms does not exist — это классическая проблема несовместимости версий PyTorch (torch) и TorchVision (torchvision). Она возникает, когда torchvision установлен в не ту же версию, что torch (или torch — CPU-версия, а torchvision ожидает CUDA).
Это не проблема в твоём .bat или форке — это конфликт пакетов в venv.
Быстрое решение (переустанови torch + torchvision правильно)
Деактивируй venv (если активен):textdeactivate
Удалить старые torch/torchvision (чтобы не было конфликтов):textpip uninstall torch torchvision torchaudio -y
Установи совместимую версию (рекомендую stable torch 2.4.1 + torchvision 0.19.1 + cu124 для RTX 5090):textpip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 --index-url https://download.pytorch.org/whl/cu124
cu124 — CUDA 12.4 (самая свежая стабильная для RTX 50-series).
Если хочешь nightly (самые новые) — используй:textpip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu124
Проверь установку (запустите в той же venv):textpython -c "import torch; import torchvision; print(torch.__version__, torchvision.__version__, torch.cuda.is_available())"Ожидаемый вывод: 2.4.1 0.19.1 True (или nightly-версия).
Запусти .bat заново:
Но ГРОК суёт какие-то дедовские версии я так понимаю, у меня вообще стоит нвидиа куда тулкит или как там его 13.1.
Какие версии мне нужно поставить?
смотри какая логика, ты ставишь куду под свою карту, допустим челик вчера один на 5090 ставил 12.8, дальше тебе надо иметь питон, у меня стоит 3.11.9 чтобы пара софтин с UI работала, у челика с 5090 3.13, дальше тебе надо поставить питорч согласно твоей куда через допустим для 12.8 куды
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu128
далее у тебя в папке с сдскриптами есть файл requirements.txt, ставишь из него все либо в ручном режиме нужное без чего не запускаются скрипты, либо все скопом через pip install -r requirements.txt
далее накатываешь последний ликорис также по команде и продижи
>Для зита конечно гораздо проще все.
Подскажи вменяемый гайд на зит для новичка (если есть). Тренить хочу в AI Toolkit by Ostris.
>>1483286
Да все просто. Готовишь датасет из говна и палок, указываешь его в датасете. Зетку можно тренить аж на 256 если врама нет, но а так начиная с 512 резолюшен в самый раз. Берешь дедистиллед модель в дифузерсах, указываешь адресом где находится на пека.
Настройки тренинга в устрице позволяют тренить в квантах что существенно экономит врам, я выставлял 4 бита для трансформера и 2 бита для те, но локр тренится на квантах только начиная с 40 серии нвидии, лоре без разницы. Триггер ворд не обязательно если не нужен вызов целенаправленный.
В конфиге можно прописать также transformer_only: false чтобы захватить контекст рефайнер слои, который убыстряют схождение.
Ну и по мелочи можешь сделать адаптивный адафактор и покрутить его параметры прописав их в конфиге вручную.
А так лучше наверно https://github.com/bghira/SimpleTuner/ накатить на линукс внутри винды через WSL, там прям полная поддержка всей хуйни в том число все алгоритмы ликориса и тренить там BOFT чтобы менять веса зетки а не просто дрифтить имеющиеся веса лорой без возможности натренить настоящий писик например.
>датасет из говна и палок
Кстати так никто и не писал, как правильно этот датасет собирать. Потому как результат это 80% от того что в нем, а не ленинг рейтах и прочих крутилках. Если лора на тянку, то какой фон должен быть, сколько нужно ракурсов, сколько нужно фото лица/в полный рост и т.д
Вот честно архитектуре зетки совместно с обжектом флоу глубоко насрать как датасет готовить, она не с шумовым предикшеном работает. Даже просто сбор говна без кепшенов обучается прекрасно.
Но если у тебя вопрос именно как готовить, то просто гонишь картинки через жойкепшен например с презетом на хуман лангвиж описание. И все.
> Steps
> 10000
>>1483318
Ну вот допустим я хочу обучить лору на одну селебу Франции из 90х и нулевых. Фотки все естесно зашумленые и в лоурезе в основном (кроме фото сетов, но их хуй мало и тоже говно). Как минимум надо хайрезить не? А еще и восстанавливать часть как то
Зависит от датасета и лр, но в среднем результат где-то на 1200-2500 для 100 картинок. А я просто на ночь ставлю обычно и потом смотрю че там напердело, бывает прикольное на 5к степах всякое со сниженным лр.
heavily biased towards female humans
делаю позитив (male human:1.5) (human penetrating feral:1.5) негатив (female human:1.5) (human penetrated:1.5), а модель на пахуе генерит фералов, ебущих женщин, иногда хоть и шерстяных, но очевидных
> NoobAI YiffyMix v6.3
тут такого не случается, или случается очень редко
> Ну вот допустим я хочу обучить лору на одну селебу Франции из 90х и нулевых. Фотки все естесно зашумленые и в лоурезе в основном (кроме фото сетов, но их хуй мало и тоже говно).
У тебя автотагер уловит олдовость фоток и распишет в том числе нойз, а зетка по итогу обратит на это внимание и не будет давать гены без точного указания на шум.
>Как минимум надо хайрезить не?
>А еще и восстанавливать часть как то
Неа, поле скоростей не так как нойз пред работает. Собственно поэтому можно тренить аж 256 удовлетворительно, хотя казалось бы там ужимание от даталоадера сначала а потом еще вае в десять раз меньше латенты делает. Нормально опиши говняк на картинках и флоу затащит.
Т.е тегать надо картинки, ясно, я вообще хотел без тегов( как я раньше и делал в сдхл и было лучше чем с тегами)
Вроде всё накатил, но не заводится батник всё равно:
sdxl_train_network.py: error: unrecognized arguments: --network_model_as=safetensors constant --edm2_loss_weighting_num_generate_graph_limit=150 --edm2_loss_reduced_use_float64
Traceback (most recent call last):
File "C:\Program Files\Python310\lib\runpy.py", line 196, in _run_module_as_main
return _run_code(code, main_globals, None,
File "C:\Program Files\Python310\lib\runpy.py", line 86, in _run_code
exec(code, run_globals)
File "C:\AI\sd-scripts-sd3\.venv\Scripts\accelerate.exe\__main__.py", line 7, in <module>
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\accelerate\commands\accelerate_cli.py", line 50, in main
args.func(args)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\accelerate\commands\launch.py", line 1281, in launch_command
simple_launcher(args)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\accelerate\commands\launch.py", line 869, in simple_launcher
raise subprocess.CalledProcessError(returncode=process.returncode, cmd=cmd)
Грок кричит, что:
Главная причина краша
Скрипт sdxl_train_network.py в форке 67372a/sd-scripts не поддерживает большинство твоих аргументов, потому что это форк для SD3/SD3.5/FLUX, а не для SDXL.
--network_model_as="safetensors" — не существует в этом форке (это флаг из старого kohya-ss/sd-scripts для SDXL).
--edm2_loss_weighting и все связанные с ним флаги (--edm2_loss_weighting_optimizer, --edm2_loss_weighting_lr_scheduler и т.д.) — не распознаются (это кастомные флаги, которых нет в скрипте или они сломаны/не реализованы).
Скрипт выводит usage (список поддерживаемых аргументов), где нет--network_model_as, --edm2_loss_weighting и многих других из твоей команды.
Форк 67372a/sd-scripts — это не SDXL-версия, а ветка для SD3/SD3.5/FLUX (поэтому скрипт sd3_train_network.py есть, а sdxl_train_network.py — устаревший или модифицированный, без EDM2).
Я под ZIT делаю основной тег лоры на все картинки (чтобы ее можно было вызвать принудительно из промпта), и минимум остального. В основном - теги неудачных деталей вроде "bad hands" - это помогает их отделить от основного смысла лоры. Кроме этого основного тега - можно и забить, если возится лень.
> бывает прикольное на 5к степах всякое со сниженным лр
Ещё смешнее.
У тебя ошибка выглядит как проебанное форматирование батника, покажи как ты оформил
> Грок кричит, что:
Грок пиздит, потому что я на етом форке едмки с сдхлем запускаю, собственно поэтому и пишу
>можно тренить аж на 256
>512 резолюшен в самый раз
Что в таком разрешении вообще натренится? Артефакты компрессии?
Если на персонаже много мелких деталей, как в тех же гача-дрочильнях - что сетка из этой каши в тренировку потянет?
> У тебя ошибка выглядит как проебанное форматирование батника, покажи как ты оформил
Поясни что имеешь в виду?
Долго объяснять как работает архитектура зетки и флоу. Просто прими как факт что это работает.
Открой батник в нотпаде++ (или че ты там юзаешь) и заскринь
> Если на персонаже много мелких деталей, как в тех же гача-дрочильнях - что сетка из этой каши в тренировку потянет?
Уважаемый, дифузионные модели не работают с пиксельспейсом, они работают с латентным представлением, который еще во времена каскада умел ужимать дату в 50 раз с noise pred и возвращать обратно. А у зетки вообще не noise pred, а обучение через vector field. Ей преимущественно насрать на разрешение, она учит скорость достижения результата, а статистика основной модели восстановит все исходя из самой себя.
>>1483371
Да блин, вопрос не в архитектуре.
Как сеть может понять, что именно тренить, если из-за компрессии объект ужимается до области в 10х10 пикселов?
Вот у перса привет сенко-шизу заколка в виде красного цветка с пятью лепестками и двумя шнурками с кисточками. Изображение ужато до такого качества, что те же шнурки уже тупо неразличимы.
Как сеть подхватит точную конфиграцию объекта, если из-за сжатия этого объекта в изображении уже нет?
И это достаточно простой дизайн у перса еще.
Сеть уже содержит статистическую информацию в своем бесконечном латентном поле признаков об этой хуйне, а так как поля скоростей деградируют от резолюшена нелинейно, то даты полученной из 256 картинки достаточно чтобы сетка имела возможность составить представление о пространственном признаке даже не имея его полного оригинального резолюшена чтобы восстановить его статистически.
>то даты полученной из 256 картинки достаточно
Так нет в 256 картинке этой даты. Ее съело пережатием.
Вот в чем у меня вопрос и сомнения.
Блин, пока не увижу конкретный юзкейс такой тренировки на тех же персах из гачи-параш, ибо это около-идеальный пример потери комплексной информации с изображения на пережатии - не поверю, что это реально. Ибо звучит как чертов бред.
> Так нет в 256 картинке этой даты. Ее съело пережатием.
Сжатие анусов это проблема пиксель спейса, а не латентов и скоростей. Давай еще проще напишу: это ты не можешь получить скрытопризнаки своим несовершенным зрительным аппаратом, а сетке не нужна хайрез писельспейсовая информация вообще, даты от скоростей с 256 пукселей ужатых в 10 раз ваешкой ей достаточно и так. Но лучше конечно 512.
>>1483377
>Что в таком разрешении вообще натренится? Артефакты компрессии?
Чел, не повторяй мою ошибку. Я тоже не верил, и чуть не разосрался со всем тредом (потом извинялся). Но таки сам попробовал - это, сцуко, магия, но это таки работает для ZIT. 256х256 ей хватает практически для всего. На качество картинки не влияет вообще, проёбываются только самые мелкие детали, и то - не стандарт всякий, на гране дефектов изображения. 512х512 - вообще для всего хватает.
Заколки на твоей кицуне захватит даже на 256, на 512 - с гарантией. И я точно такие же аргументы приводил. :)
что мне на это скажет профессура?
И, да, что не так с поцелуями? на промте френч кисс. сенсуал кисс, блядь, это что такое вообще, обычно так целуют котят, где passionate kiss я вас блядь спрашиваю?
У тя там ошибки (нетворк модел ас такого действительно не существует например, там должно быть --save_model_as, в самой последней строке проебан перенос ^, пауза не отделена от массива и тд), сравнивай с пастебином отсюда >>1483108
Ну вот я по меньшей стороне до 256 уменьшил, есть практически вся инфа, дальше вае переведет это в латент где еще в более компактном представлении все будет, а s3dit+flow будет обучаться скоростям. Пойми, что любая сеть это предсказательная поебень на основе недоступных тебе статистических данных, ей если не хватает - она статистически предположит и восстановит вообще на похуй, это ее задача.
>Но таки сам попробовал
Вот мне ради проверки целую очередную инфрастуктуру для новой модели качать и ставить не очень хочется и так места нифига уже нет.
Пока что звучит как какая-то черная магия.
1) подправил батник из пастебина
Начало заводиться, но пик1
Сет с тхтшками у меня лежит в C:\sd-scripts-sd\data\mywoman
пробовал в батнике и этот путь и просто корневой C:\sd-scripts-sd\data - нихуя.
кроме того, после всех обновлений пакетов всяких у меня гуи комфи перестал генерить пикчи и сыпется с ошибкой пик2
частично вопрос снят, я просто поменял семплер, у меня какого-то хуя блядь стоял там эйлер, один из самых ебанутых семплеров эвар, поставил туда: DPPM_2M_SDE_GPU, чуть понизил вес лоры и вроде как стало болеее-менее. Ещё раз обращаюсь к тем, кто только что вкатился, не юзайте умолчанческий (рекомендуемый) мультистеп, он уебанский, это из-за него весь негатив в виде т.н. плесени на коже, пережога, и неадекватного освещения.
Вопрос про поцелуи не снимается, может какая-то nsfw лора меняет это?
>1) подправил батник из пастебина
>Начало заводиться, но пик1
>Сет с тхтшками у меня лежит в C:\sd-scripts-sd\data\mywoman
Ты проебал папку с репитами, положи майвуман в папку "1", которая должна лежать в папке дата, сама папка дата должна лежать рядом с батником
>после всех обновлений пакетов всяких у меня гуи комфи перестал генерить пикчи и сыпется с ошибкой пик2
у тя не портабл чтоли?
>
>положи майвуман в папку "1"
бля, обдвачевался, положи картинки плюс текстовые файлы в папку "1", а папку 1 в папку дата
Вот так крашится (фотки схавал)
Traceback (most recent call last):
File "C:\AI\sd-scripts-sd3\sdxl_train_network.py", line 213, in <module>
trainer.train(args)
File "C:\AI\sd-scripts-sd3\train_network.py", line 910, in train
model_version, text_encoder, vae, unet = self.load_target_model(args, weight_dtype, accelerator)
File "C:\AI\sd-scripts-sd3\sdxl_train_network.py", line 60, in load_target_model
vae.set_use_memory_efficient_attention_xformers(args.xformers)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\diffusers\models\modeling_utils.py", line 394, in set_use_memory_efficient_attention_xformers
fn_recursive_set_mem_eff(module)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\diffusers\models\modeling_utils.py", line 390, in fn_recursive_set_mem_eff
fn_recursive_set_mem_eff(child)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\diffusers\models\modeling_utils.py", line 390, in fn_recursive_set_mem_eff
fn_recursive_set_mem_eff(child)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\diffusers\models\modeling_utils.py", line 390, in fn_recursive_set_mem_eff
fn_recursive_set_mem_eff(child)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\diffusers\models\modeling_utils.py", line 387, in fn_recursive_set_mem_eff
module.set_use_memory_efficient_attention_xformers(valid, attention_op)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\diffusers\models\attention_processor.py", line 425, in set_use_memory_efficient_attention_xformers
raise e
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\diffusers\models\attention_processor.py", line 423, in set_use_memory_efficient_attention_xformers
_ = xformers.ops.memory_efficient_attention(q, q, q)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\xformers\ops\fmha\__init__.py", line 311, in memory_efficient_attention
return _memory_efficient_attention(
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\xformers\ops\fmha\__init__.py", line 472, in _memory_efficient_attention
return _memory_efficient_attention_forward(
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\xformers\ops\fmha\__init__.py", line 491, in _memory_efficient_attention_forward
op = _dispatch_fw(inp, False)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\xformers\ops\fmha\dispatch.py", line 142, in _dispatch_fw
return _run_priority_list(
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\xformers\ops\fmha\dispatch.py", line 83, in _run_priority_list
raise NotImplementedError(msg)
NotImplementedError: No operator found for `memory_efficient_attention_forward` with inputs:
query : shape=(1, 2, 1, 40) (torch.float32)
key : shape=(1, 2, 1, 40) (torch.float32)
value : shape=(1, 2, 1, 40) (torch.float32)
attn_bias : <class 'NoneType'>
p : 0.0
`[email protected]` is not supported because:
requires device with capability <= (9, 0) but your GPU has capability (12, 0) (too new)
dtype=torch.float32 (supported: {torch.bfloat16, torch.float16})
requires device with capability == (8, 0) but your GPU has capability (12, 0) (too new)
`[email protected]` is not supported because:
dtype=torch.float32 (supported: {torch.bfloat16, torch.float16})
operator wasn't built - see `python -m xformers.info` for more info
`cutlassF-pt` is not supported because:
requires device with capability <= (9, 0) but your GPU has capability (12, 0) (too new)
Traceback (most recent call last):
File "C:\Program Files\Python310\lib\runpy.py", line 196, in _run_module_as_main
return _run_code(code, main_globals, None,
File "C:\Program Files\Python310\lib\runpy.py", line 86, in _run_code
exec(code, run_globals)
File "C:\AI\sd-scripts-sd3\.venv\Scripts\accelerate.exe\__main__.py", line 7, in <module>
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\accelerate\commands\accelerate_cli.py", line 50, in main
args.func(args)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\accelerate\commands\launch.py", line 1281, in launch_command
simple_launcher(args)
File "C:\AI\sd-scripts-sd3\.venv\lib\site-packages\accelerate\commands\launch.py", line 869, in simple_launcher
raise subprocess.CalledProcessError(returncode=process.returncode, cmd=cmd)
> у тя не портабл чтоли?
Да вроде нет, ну в браузере запускаю через павершел python main.py
>Вопрос про поцелуи не снимается, может какая-то nsfw лора меняет это?
Лора никакая без оверфита не способна френчкиссы. А оверфит разъебывает модель. Выход сейчас только тренить диагоналки OFT которые трушно меняют веса зетки, но это тебе линукс на шинду или просто линукс накатывать.
Иксформерсы отключи, вместо них можно попробовать sdpa через --sdpa или проверь может под твою карту уже накомпилили пакет.
>Да вроде нет, ну в браузере запускаю через павершел python main.py
А че портабл на 5090 не работает щас? Ну это, обновляй зависимости под комфи значит.
>есть практически вся инфа
Какая инфа? Где?
Стиль рисовки глаз уже неразличим.
От шнурков совсем ничего не осталось.
>она статистически предположит
Да что она, блин, "предположит", если в тренировочных данных уже нет информации, которую нужно "предполагать"?
Ладно, другой пример. Со стилем.
Возьмем какого-нибудь Миуру с его фирменной штриховкой.
Плюс чисто манговские скринтоны подмешаем.
Чему нейронка научится, если ей пикрил 2 или пикрил 3 скормить?
Или вы сейчас на полном серьезе станете утверждать, что нейронка сможет "предположить" растровую сетку скринтона с пикрила 1 из "заливки", в которую ее пережатие на 256 пикселов превратило?
Так то я пока ни одной нейронки не видел, которая бы в хорошие, различимые скринтоны могла, но мало ли...
Да это шизики с 3060 просто, ты разве не видишь что они с q2 квантами сидят и поэтому рассказывают мантры про 256х256 тренировку?
Да похуй, шизики они или не шизики.
Мне это реально интересно.
Выше вон чел тоже писал, что сначала не верил, что сработает, а потом в обратном убедился.
Лень по третьему кругу обиснять, ты игнорируешь архитектуру и принцип взаимодействия сетки с датой. Забей просто, не хочешь не трень 256, никто не заставляет.
>Так то я пока ни одной нейронки не видел, которая бы в хорошие, различимые скринтоны могла, но мало ли...
Пробуй https://huggingface.co/NewBie-AI/NewBie-image-Exp0.1
Так он там тренит клоузапы ебал, естественно что-то да получится.
>с q2 квантами сидят
А теперь ты поясняешь почему q2 для НЕТРЕНИРУЕМОГО текст енкодера это плохо или закрываешь пиздак.
вот грок тоже сказал отключить, но проблема что в сеттингсах нету такого, он посоветовал прописать в бат файл, но его я тоже не нашёл, как отключить то?
>>1483463
Что значит "обновить зависимости"?
>вот грок тоже сказал отключить, но проблема что в сеттингсах нету такого
Але дядя пикрел у тебя включен
>Что значит "обновить зависимости"?
Ну ты очевидно накатил наверно куду другую, питон, торчи, теперь у тебя комфи не шпарит с ними (че ты вообще сделал до того как сломать комфи напомни), создай енв для комфи и туда впиздячь питон с зависимостями из реквайрментс.тхт, активируй енвшку и запускай комфи в нем. Ну или просто портабл скачай, если на 5090 работает, там комплектный енв.
Потому что ты не пробовал без квантов, это сразу ясно, лол. Отчётливо видна разница даже тренировки лор на qfloat8 и bf16, как на модели, так и на ТЕ.
>ты игнорируешь архитектуру и принцип взаимодействия сетки с датой.
Я пытаюсь ее понять, а не игнорирую. Откуда сетке взять из данных то, что в них после ресайза уже не остается.
Или там какой-то хитрый алгоритм перевода отправленной на ввод 1200х1200 картинки в тренировочное 256 разрешение?
>Пробуй
Ну, как бы, мнээээ...
Уже с их демонстрационных картинок видно, что максимум, который на запрос по скринтонам и манге получится - что-то вроде моего второго пикрила. Т.е. мазня вместо отдельных, различимых точек. Про четкую сетку, как в типографиях печатают, и не говорю.
>>1483473
Вот тут верю.
Тренировка клоуз-ап лица даже в 256 чего-то сохранит.
>Откуда сетке взять из данных то, что в них после ресайза уже не остается.
Перечитай ветку еще раз.
>Перечитай ветку еще раз.
Перечитал уже трижды.
Ответа не вижу.
Латенты-хуенты, пиксель-шмиксель, а откуда нейронка будет восстанавливать желаемую к отображению сетку скринтона, если на входе от него серая заливка осталась - все равно не понимаю.
>Смирись
Скорее уж останусь при мнении, что все это - лютая шиза и змеиное масло. По крайней мере, пока демонстрации не увижу.
Можно даже не от местных анонов, а с цивита кого-нибудь найти, кто тоже в 256\512 тренировал, и нормально сложные к воспроизводству детали с исходников сохранил.
Окей.
https://www.runninghub.ai/post/2008849773113118722?inviteCode=rh-v1041
качал воркфлоу отсюда и вроде все как там делал. (я ньюфаг в нейроделах)
> че ты вообще сделал до того как сломать комфи напомни
Короче я как советовали:
Натренировать лору для Лустифай на SDXL, подключил поверх лору DMD2 на LCM + 1 CFG.
Лицо было не оч.
Шарящий анон посоветовал, всё хуйня давай по новой, обучай, пробуй ЕДМ2 - вот его я нихуя не могу завести. Пока ебался с настройками под него - хуй знает уже какие поставил торчи-хуёрчи и вот комфи стал эту ошибку выдавать. Типа хформеры надо выключить (я их походу накатил под ЕДМ2).
Как итог ни батник с ЕДМ2 не заводится, ни КОМФИ не пашет.
Тебе нужно заменить --xformers в батнике на --sdpa, а комфи запускать без иксформерсов через --disable-xformers
я подрубал у себя локально в комфи так как в воркфлоу по ссылке
Аргументики для комфе запуска. Несколько атеншенов заместо иксформерсов имеются (sdpa это --use-pytorch-cross-attention) и дизейбл иксформерсов.
короче сделал pip uninstall xformers и комфи заработал
не пойму а какое отношение мой train.bat имеет к комфи?
Ну наверно там подход какойто нужен, посмотри в примерах какой промпт... Я этой моделью не пользовался, фурятина это не моя тема.
Не получается завести короч обучение через EДМ2.
>Вот тут верю.
>Тренировка клоуз-ап лица даже в 256 чего-то сохранит.
Телепат ошибся. Речь шла о персонажах в полный рост, и с достаточно сложными костюмами.
>Откуда сетке взять из данных то, что в них после ресайза уже не остается.
Из самой сетки. Т.е. если в самой ZIT есть что-то похожее - она на основе этих данных достроит. Мне тоже казалось - что будет фигня, и потеря мелких деталей. Но способность ZIT распознавать по "точкам" и косвенным признакам реально огромная. Она буквально по нескольким точкам и их положению понимает, что вот это - заколка. Ошибается только с совсем уж мелочью, и очень нетипичными вещами. Родинку может пропустить, форму татушки (тоже совсем мелкой) и т.д. Но она вытягивает и достраивает куда лучше, чем человек догадывается, если у нее в собственном датасете что-то похожее было. Вот если деталь совершенно новая и необычная - тогда да, могут быть проблемы.
Тут блин, у меня вообще финиш недавно случился. Тренировал лору на перса. Даже не аниме, а рисовка примитивная, почти скетч. Случайно оставил в проверочных промптах одну картинку с запросом РЕАЛИСТИЧНОГО ФОТО. Так лора тренирующаяся, на фактически скетчах, на нем выдавала ФОТО, причем очень правдоподобное. Примерно так, как первый qwen-edit мог стиль поменять с рисунка на фото. Откуда, спрашивается, она все нужное взяла, чего в скетчах вообще быть не могло по определению? :)
>Из самой сетки.
>Ошибается только с совсем уж мелочью, и очень нетипичными вещами.
Т.е. форму цветочную сеть сохранит, но шнуры с кисточками - уже нет. Потому что после пережатия их не видно, а знания о дизайне этой конкретной заколки у сетки нет, и взяться этим знаниям неоткуда.
Как раз этого я и ожидал, а не всякой черной магии, которую другой анон тут пропагандировал.
Конкретно в данном случае - 50 на 50, т.к. после пережатия до 256 все еще видно кисточки (по несколько пикселей но есть обозначение), и даже намек на шнуры (линия из чуть более темных пикселей). Модели даже такого намека может хватить. И теоретически - там вполне могут быть похожие украшения, на основе которых это будет достроено. Это просто для понимания НАСКОЛЬКО оно чувствительно.
Но тут - голая теория, т.к. для лоры персонажа нужна не 1 картинка, а хотя бы 5-8 по минимуму. И чтобы украшение попало на несколько из них. Если пытаться тренировать на одной, то Bath Size больше одного не выставить, а без этого картинка получается шакальной.
>короче сделал pip uninstall xformers и комфи заработал
ну можно так
>не пойму а какое отношение мой train.bat имеет к комфи?
у тя окружение не изолированное
А ладно не показывай. Я правильно понимаю что ты либо вообще ноль либо тролишь?
чел, заканчивай маняфантазии свои нелепые
вся суть тренировки в том чтобы научить нейронку тому что тебе надо, а не тянуть рандомное "похожее" говно из двух пикселей. поэтому всегда в датасет докидываются клозапы всех важных мелких деталей.
нипанимаю. можно поподробнее. я же тоже использую всё то же что и он
>В конфиге можно прописать также transformer_only
Подскажи где находится файл конфига
>>1483603
Я - 0, да.
Ну хформерс я пока снес, чтобы комфи запускался.
Но и когда он установлен был, один хуй не заводилось.
Сорри, что долбаёб и спасибо, что возитесь со мной.
> Но и когда он установлен был, один хуй не заводилось.
Хформерса нет для 5090, поэтому уже третий раз повторяю убери нахуй хформерс из батника и пропиши сдпа.
прописал в батник сдпа, продвинулось дальше но крашнулось вот тут. что-то на lycor ругается.
Чет обосрался с этой схемки. ТЕХНИЧЕСКИ объяснить не могу почему, но ЧУВСТВУЮ в ней что-то крайне смешное.
конечно смешно
лайфхаки по выбросу промпта нахуй ради того чтобы модель говна работала чуть лучше
Как же надоели капчеватели с мобилы онли без гпу. Проверить-то лайфхук не на чем. Ну и кто здесь над кем смеется?
>лерп(промпт, бред бродячей собаки, 0.35);
>проверяйте, годный лайфхак
>кто не согласен, тот не комфидебил
Это был Huihui-Qwen3-4B-abliterated-v2 есличе
Это thinking модель вроде, если не путаю. Вообще простой тест: просишь нарисовать цпу с отсутствующими выпуклостями, не бита, не крашена, ещё не было хозяев. И смотришь на размер баллонов. Стандартная старается рисовать большие.
Я его пробовал на старте Z-Image-Turbo. Разницы не заметил. То, что касается белья, предположу, что ты из секты дрочителей клипскипа или ещё каких-то магических донастроек уровня «один шиз примерно почувствовал».
Ещё здесь было мнение (безпруфное, конечно же, уровня «яскозал»; хотя имеющее отчасти право на жизнь) , что на этапе перегона токенов в эмбеддинги цензура не работает, дескать она проявится только при выводе llm, когда она делает text completion, поэтому разницы между обычной и abliterated/derestricted версиями не будет.
>Ещё здесь было мнение (безпруфное, конечно же, уровня «яскозал»; хотя имеющее отчасти право на жизнь)
Ты выставляешь себя полным дебилом в очередной раз. Тебе здесь цп выложить? Ллм с цензурой откажется обсуждать цп в любом виде. Та же самая ллм, но как энкодер без всяких отговорок рисует, что скажешь.
Ты понял что я написал? Это и есть пруф. Но ты своим умишком не можешь это охватить. Прекрати токсить не по делу в треде. Мнишь себя профессором, а на деле тупой баран.
Я пробовао на стандартных параметрах из темплейта комфи.
На мой взгляд abliterated версии заметно тупее ванильных. Вчера развлекался, хотел генератор порнопромптов сделать. Пробовал гемму и квен >20б и обе пишут хуже. В итоге остановился на генерации списков окружения которое добавляется к ручному порнопромпту.
TypeError: LycorisNetworkKohya.prepare_optimizer_params() got an unexpected keyword argument 'apply_orthograd'
Это главная причина — метод prepare_optimizer_params в твоей версии LyCORIS не принимает параметр apply_orthograd (он есть только в более новых версиях LyCORIS или в форке, который ожидает этот флаг).
Ты используешь --network_module="lycoris.kohya" с параметрами, которые предназначены для новой версии LyCORIS (где добавлен orthograd для оптимизации), но в твоём venv стоит lycoris-lora 3.4.0 — в этой версии метод не принимает apply_orthograd.
Но по всем ссылкам, что грок предлагает - качается только 3.4.0
3.5.0 - существует вообще? или он пиздит опять?
Забавно, если в промпте по твоему совету "flat breasts" то зит просто игнорирует и рисует большую грудь, а если убрать упоминание груди то появляется одежда и вообще корежит.
Воздержусь от ad hominem в твой адрес, хотя с тобой после такого в целом всё предельно ясно.
Бремя доказательства лежит на утверждающем.
В подтверждение своей позиции ты мог изначально предоставить сравнение экспорта эмбеддингов, полученных обычной и abliterated версиями, сняв все вопросы в случае их идентичности. Вместо этого опять «яскозал×2» и ad hominem.
Inb4: Тебе надо, ты и проверяй.
Бля чел, ты реально нулевый вообще. Тебе надо закоментить apply_orthograd в train_network.py чтобы они не вызывали краш. Всеж написано че вызывает ошибку и где.
Оставь свой тг если хочешь, так проще тебе помочь будет.
если "flat", то это уже не "breasts"
промпт сам себе противоречит, поэтому он делает breasts игноря flat
> а если убрать упоминание груди то появляется одежда
охуеть, а как должно быть?
1) Рисовать картинки img2img на основе line drawing скетчей ну или собственной мазни в стиле Craig Mullins, например (ну или похожем).
2) Улучшать собственные скетчи, чтобы нейросеть сама исправляла анатомию и добавляла детали на основе переданного скетча, не меняя при этом позу.
Годик назад игрался с StableDiffusion через ComfyUI. Некоторые результаты были мемные , но для задач которые я описал не годится.
Сейчас сидя в отпуске + на новогодних праздник что-то опять решил поиграться с генерацией. Почитал что Stable Diffusion 3.5 оказывается и не особо популярная и все сидят на "форках" (видимо не правильный термин, но вы поняли) StableDiffusion XL, а конкретно для иллюстраций существует IllustriousXL и NoobAI XL.
Попробовал NoobAI на civitai на бесплатных токенах поулучшать свои скетчи, но рисуется прям совсем дрисня с полной заменой изображения и похожая на аниме.
Есть ли что посоветовать под мои задачи?
Либо эдит модели соверменные, но не факт что с твоим рисовачем справятся, либо сидеть дальше на сдохле обмазавшись ипадаптерами, контролнетами через криту + комфи через плагин https://github.com/Acly/krita-ai-diffusion
2. По поводу сэмплеров: на одних и тех же настройках, промте и сиде, разные сэмплеры выдают абсолютно разный результат. Это вот так нужно постоянно перебирать методом тыка либо есть однозначно годные семплеры? Чем анон пользуется?
3. По поводу фейссвапа. Почитал, разрабы старую приблуду убили, а новая зацензурена вообще на голое тело. А как чисто технически этот процесс называется? И2И? Может как-то ручками и напильником будет работать? Интересует не только фейс, но и одежда, предметы и тд.
4. Потыкал криту, либо я тупой, либо нужно сидеть и разбираться. Гайдов - хуй да нихуя. Пока что не впечатлило + половина моделей просто не подхватилась из комфи. Попробую локально установить. Инвок мне больше зашел в плане редактирования и апскейлинга.
Куча текста, но благо это достойный хороший человек и сразу приложил свой говно-результат, по которому крайне ясно, что текст можно не читать. Каждый теоретик и словесный поносист делали ли бы так.
Есть ли что посоветовать под мои задачи?
>>1484295
>Либо эдит модели соверменные, но не факт что с твоим рисовачем справятся,
Первый qwen-edit. Не 2509, не 2511, а именно самый первый. Он хорошо из скетчей даже псевдофото делает, не говоря уже просто улучшенном арте. Анатомию, правда, может не исправить, тут как повезет.
И в итоге, ты что-то (реально nsfw) нашёл?
Иначе зачем эта инфа, если результат нулевой?