NMKD Stable Diffusion GUI vs mo-di-diffusion on Hugging Face

NMKD Stable Diffusion GUI ejecuta generación de texto a imagen e imagen a imagen localmente en tu PC con Windows usando tu propia GPU. La descarga en itch.io incluye las dependencias para que no tengas que configurar Python manualmente, y la versión 1.11.0 incluye un modelo Stable Diffusion 1.5 en un paquete de 3.3 GB o una versión de 1.5 GB si usas tus propios checkpoints.

A diferencia de los generadores basados en navegador que ponen trabajos en cola en servidores remotos, NMKD mantiene todo en tu hardware sin recopilar datos. Añade entrenamiento LoRA en GPUs de 8 GB, edición InstructPix2Pix, escalado RealESRGAN y restauración facial con CodeFormer o GFPGAN en una sola aplicación de escritorio. El autor reporta generaciones en menos de 2 segundos en una RTX 3090 y en menos de un segundo en una RTX 4090.

Aficionados de Windows, artistas de texturas para juegos y creadores que quieren control local sin censura son el público principal. Colas de prompts integradas, salida en mosaico para activos de juegos, carga personalizada de VAE y checkpoints, y un escaneo de malware en modelos descargados lo convierten en una herramienta completa de estación de trabajo en lugar de una demo rápida en línea.

mo-di-diffusion es un punto de control de Stable Diffusion 1.5 afinado en Hugging Face que representa personajes y escenas con un estilo moderno de película animada. El creador nitrosocke lo entrenó con capturas de pantalla de un estudio de animación popular usando DreamBooth con pérdida de preservación previa y entrenamiento del codificador de texto durante más de 9,000 pasos. Añade el token modern disney style a tu prompt para activar la estética.

Los puntos de control generales de SD 1.5 buscan el fotorrealismo o estilos amplios de ilustración. mo-di-diffusion se enfoca estrictamente en ese aspecto brillante de animación de personajes, por lo que los prompts de muestra para héroes de juegos, animales y paisajes tienden a ser cinematográficos más que fotográficos. Los pesos se cargan mediante la estándar Diffusers StableDiffusionPipeline, por lo que puedes ejecutarlo localmente, en Colab o dentro de Hugging Face Spaces sin una API propietaria.

Artistas, aficionados y desarrolladores que experimentan con conceptos de personajes usan mo-di-diffusion cuando desean renders cercanos al estilo Disney sin encargar un entrenamiento personalizado del modelo. La tarjeta del modelo incluye código de ejemplo en Python, enlaces a demos en Gradio y notas sobre opciones de exportación ONNX, MPS y FLAX. Es gratuito para descargar bajo la licencia CreativeML OpenRAIL-M con uso comercial permitido sujeto a las restricciones de daño de la licencia.