Waifu-diffusion on Hugging Face 对比 mo-di-diffusion on Hugging Face

Waifu-diffusion on Hugging Face 可通过在高质量动漫艺术作品上微调的 Stable Diffusion 模型，将文本提示词转换为动漫风格的图像。你可以使用 Python 中的 Diffusers 库加载 hakurei/waifu-diffusion，输入提示词，即可生成图像。模型卡片包含适用于 CUDA、Apple MPS、Google Colab 以及 Draw Things 和 DiffusionBee 等本地应用程序的即用型代码。

与通用 Stable Diffusion 检查点相比，该模型专门针对动漫美学进行调整，而不是追求逼真。这种专注使其成为同人艺术、角色概念和风格化插图的常用基础，而通用 SD 模型通常需要更多提示词才能保持动漫风格。v1.4 权重采用 CreativeML OpenRAIL-M 许可证发布，在 Hugging Face 上拥有 2,500+ 个社区点赞以及上个月约 1,166 次下载。

该模型拥有 0.9 billion 个参数，采用 Safetensors 格式，并可与 Diffusers 中的 StableDiffusionPipeline 一起使用。创作者可以对其进行微调或进一步调整，Hugging Face 模型树中列出了四个适配器模型、两个微调模型和一个量化模型。

Waifu-diffusion 适合想要进行动漫图像生成的插画师、爱好者和开发人员，他们可以在本地或笔记本中运行，无需从头开始构建模型。

mo-di-diffusion 是一个在 Hugging Face 上微调的 Stable Diffusion 1.5 检查点，能够渲染具有现代动画电影风格的角色和场景。创作者 nitrosocke 使用 DreamBooth 对来自一家知名动画工作室的截图进行了训练，采用了先验保持损失和文本编码器训练，训练步数超过 9,000 步。将提示词中加入 modern disney style 令牌即可触发该美学效果。

通用的 SD 1.5 检查点旨在实现照片级真实感或广泛的插画风格。mo-di-diffusion 则专注于那种光滑的角色动画外观，这也是为什么游戏英雄、动物和风景的示例提示都偏向电影感而非摄影感。权重通过标准的 Diffusers StableDiffusionPipeline 加载，因此您可以在本地、Colab 或 Hugging Face Spaces 中运行，无需专有 API。

艺术家、爱好者和开发者在尝试角色概念时会使用 mo-di-diffusion，当他们希望获得类似迪士尼风格的渲染效果而不想委托定制模型训练时。模型卡附带 Python 示例代码、Gradio 演示链接，并注明了 ONNX、MPS 和 FLAX 导出选项。该模型可免费下载，采用 CreativeML OpenRAIL-M 许可证，允许商业使用，但需遵守许可证中的危害限制。