【亲测免费】 Animagine XL 3.1:一款强大且易于使用的动漫风格图像生成工具
随着人工智能技术的不断发展,文本到图像的生成模型已经变得越来越流行。对于动漫爱好者、艺术家和内容创作者来说,一款能够生成高质量动漫风格图像的工具无疑是梦寐以求的。今天,我将为您介绍CSDN公司开发的InsCode AI大模型——Animagine XL 3.1,这款强大的模型可以帮助您轻松生成各种动漫风格的图像。
Animagine XL 3.1是一款基于Stable Diffusion XL的扩散模型,它可以从文本提示中生成高质量的动漫风格图像。与之前的版本相比,Animagine XL 3.1在多个方面进行了改进,包括更广泛的角色范围、优化的数据集和新颖的美学标签,以便更好地创建图像。这款模型的目标是成为动漫爱好者、艺术家和内容创作者的重要资源,帮助他们生成准确且详细的动漫角色图像。
安装与使用教程
安装前准备
在开始使用Animagine XL 3.1之前,请确保您的系统和硬件满足以下要求:
- 操作系统:Windows、macOS或Linux
- 硬件:NVIDIA GPU(建议使用CUDA 11.0或更高版本)
- 必备软件:Python 3.7或更高版本,以及以下Python库:diffusers、transformers、accelerate和safetensors
安装步骤
- 首先,您需要安装必要的Python库。请在命令行中运行以下命令:
pip install diffusers transformers accelerate safetensors --upgrade
- 接下来,您可以从以下网址下载Animagine XL 3.1模型资源:
https://huggingface.co/cagliostrolab/animagine-xl-3.1
-
解压缩下载的文件,并将模型文件夹放在您的工作目录中。
-
现在,您可以使用以下Python代码来运行Animagine XL 3.1:
import torch
from diffusers import DiffusionPipeline
pipe = DiffusionPipeline.from_pretrained(
"cagliostrolab/animagine-xl-3.1",
torch_dtype=torch.float16,
use_safetensors=True,
)
pipe.to('cuda')
prompt = "1girl, souryuu asuka langley, neon genesis evangelion, solo, upper body, v, smile, looking at viewer, outdoors, night"
negative_prompt = "nsfw, lowres, (bad), text, error, fewer, extra, missing, worst quality, jpeg artifacts, low quality, watermark, unfinished, displeasing, oldest, early, chromatic aberration, signature, extra digits, artistic error, username, scan, [abstract]"
image = pipe(
prompt,
negative_prompt=negative_prompt,
width=832,
height=1216,
guidance_scale=7,
num_inference_steps=28
).images[0]
image.save("./output/asuka_test.png")
基本使用方法
- 加载模型:
import torch
from diffusers import DiffusionPipeline
pipe = DiffusionPipeline.from_pretrained(
"cagliostrolab/animagine-xl-3.1",
torch_dtype=torch.float16,
use_safetensors=True,
)
pipe.to('cuda')
- 生成图像:
prompt = "1girl, souryuu asuka langley, neon genesis evangelion, solo, upper body, v, smile, looking at viewer, outdoors, night"
negative_prompt = "nsfw, lowres, (bad), text, error, fewer, extra, missing, worst quality, jpeg artifacts, low quality, watermark, unfinished, displeasing, oldest, early, chromatic aberration, signature, extra digits, artistic error, username, scan, [abstract]"
image = pipe(
prompt,
negative_prompt=negative_prompt,
width=832,
height=1216,
guidance_scale=7,
num_inference_steps=28
).images[0]
image.save("./output/asuka_test.png")
使用指南
为了获得最佳结果,建议遵循以下提示模板:
1girl/1boy, character name, from what series, everything else in any order.
Animagine XL 3.1还使用了特殊标签来指导结果朝着质量、评级、创作日期和美学方向。虽然模型可以在没有这些标签的情况下生成图像,但使用它们可以帮助您获得更好的结果。
质量修饰符
质量标签现在同时考虑分数和帖子评级,以确保质量分布平衡。我们已改进了标签以提高清晰度,例如将“高质量”改为“优秀质量”。
| 质量修饰符 | 分数标准 |
|---|---|
masterpiece |
> 95% |
best quality |
> 85% & ≤ 95% |
great quality |
> 75% & ≤ 85% |
good quality |
> 50% & ≤ 75% |
normal quality |
> 25% & ≤ 50% |
low quality |
> 10% & ≤ 25% |
worst quality |
≤ 10% |
评级修饰符
我们还简化了评级标签,以便于理解和应用。例如,“评级:一般”现在只是“一般”,而“评级:敏感”已经简化为“敏感”。
| 评级修饰符 | 评级标准 |
|---|---|
safe |
一般 |
sensitive |
敏感 |
nsfw |
有争议 |
explicit, nsfw |
明确 |
年份修饰符
我们还重新定义了年份范围,以便更准确地指导结果朝着特定现代或复古的动漫艺术风格。此更新简化了范围,专注于与当前和过去时代的关联。
| 年份标签 | 年份范围 |
|---|---|
newest |
2021至2024年 |
recent |
2018至2020年 |
mid |
2015至2017年 |
early |
2011至2014年 |
oldest |
2005至2010年 |
美学标签
我们还增强了标签系统,以改进内容的分类。
结论
Animagine XL 3.1是一款功能强大且易于使用的动漫风格图像生成工具。通过遵循上述指南,您可以轻松生成高质量的动漫风格图像。请访问以下链接以获取更多学习资源和帮助:
https://huggingface.co/cagliostrolab/animagine-xl-3.1
希望这篇文章对您有所帮助!如果您有任何问题或建议,请随时与我联系。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00