Counterfeit-V3 on CivitAI vs mo-di-diffusion on Hugging Face

O Counterfeit-V3.0 é um checkpoint do Stable Diffusion 1.x no Civitai ajustado para imagens de estilo anime de alta qualidade. Baixe o Counterfeit-V3.0_fp16.safetensors ou a versão fp32 diretamente da página do modelo e carregue-o em qualquer interface compatível com SD 1.x.

Os checkpoints de anime no Civitai competem em consistência de personagens, qualidade de linhas e flexibilidade de prompt. O Counterfeit-V3.0 é uma evolução das versões anteriores Counterfeit V2.0 e V2.5, com links para o Hugging Face e um conjunto de dados companion EasyNegative do mesmo criador.

Artistas de IA, ilustradores de anime e entusiastas do Stable Diffusion escolhem o Counterfeit-V3.0 quando desejam um modelo base de anime testado pela comunidade, com arquivos de pesos publicados e exemplos de galeria no Civitai, em vez de treinarem do zero.

mo-di-diffusion é um checkpoint do Stable Diffusion 1.5 ajustado no Hugging Face que gera personagens e cenas com um visual de filme de animação moderno. O criador nitrosocke treinou-o com capturas de tela de um estúdio de animação popular usando DreamBooth com perda de preservação prévia e treinamento do codificador de texto por mais de 9.000 etapas. Adicione o token modern disney style ao seu prompt para ativar a estética.

Os checkpoints gerais do SD 1.5 visam o fotorrealismo ou estilos amplos de ilustração. mo-di-diffusion foca fortemente naquele visual brilhante de animação de personagens, razão pela qual os prompts de exemplo para heróis de jogos, animais e paisagens são todos cinematográficos em vez de fotográficos. Os pesos carregam através do pipeline padrão Diffusers StableDiffusionPipeline, então você pode executá-lo localmente, no Colab ou dentro do Hugging Face Spaces sem uma API proprietária.

Artistas, entusiastas e desenvolvedores que experimentam conceitos de personagens usam mo-di-diffusion quando querem renderizações próximas ao estilo Disney sem encomendar treinamento personalizado do modelo. A ficha do modelo inclui código de exemplo em Python, links para demos Gradio e notas sobre opções de exportação ONNX, MPS e FLAX. É gratuito para download sob a licença CreativeML OpenRAIL-M com uso comercial permitido sujeito às restrições de danos da licença.