Adetailer项目中自定义模型无法识别的解决方案
2025-06-13 16:01:18作者:俞予舒Fleming
问题背景
在使用Adetailer项目时,用户可能会遇到自定义模型无法被识别的问题。具体表现为:用户将下载的Adetailer兼容模型放置在指定目录后,重启WebUI界面,但在Adetailer模型下拉菜单中却无法看到这些自定义模型选项。
问题原因分析
经过深入排查,发现该问题主要与模型目录配置有关。当用户修改了模型目录的指定方式时,Adetailer的模型识别机制会受到影响。具体表现为:
- 当用户从单独指定各个子目录(如--ckpt-dir指定稳定扩散模型目录,--lora-dir指定Lora模型目录等)切换为统一使用--models-dir指定整体模型目录时
- Adetailer会默认在新的模型目录结构下寻找模型文件
- 如果自定义模型仍保留在旧的webui/models/adetailer目录中,而未被移动到新指定的模型目录下,就会导致识别失败
解决方案
要解决这个问题,可以采取以下步骤:
- 确认当前使用的模型目录结构
- 将所有自定义Adetailer模型文件(.pt格式)移动到新指定的模型目录下的adetailer子目录中
- 确保模型文件具有正确的.pt扩展名
- 重启WebUI使更改生效
技术细节
Adetailer项目在模型识别方面有以下特点:
- 模型文件必须使用.pt扩展名
- 默认会从models/adetailer目录加载模型
- 当使用--models-dir参数时,会从该参数指定的目录下的adetailer子目录加载模型
- 模型识别过程不会自动合并多个目录中的模型文件
最佳实践建议
为了避免类似问题,建议用户:
- 统一模型管理方式,要么全部使用单独目录参数,要么统一使用--models-dir
- 定期检查模型文件位置是否与当前配置匹配
- 在修改目录配置后,及时迁移相关模型文件
- 保持模型文件的命名规范,避免特殊字符
总结
Adetailer项目中自定义模型识别问题通常与目录配置变更有关。通过理解项目的模型加载机制,并确保模型文件位于正确的目录下,可以有效地解决这类问题。对于使用多个模型目录的高级用户,建议建立清晰的目录管理规范,以避免配置冲突。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660