cyberdelia/CyberRealisticClassic
cyberdelia
Texto a imagen
CyberRealistic Classic es un modelo de generación de imágenes fotorrealistas basado en Stable Diffusion 1.5. Está orientado a producir retratos humanos y escenas realistas con poco trabajo de prompt engineering, usando un enfoque clásico de text-to-image con VAE integrado y formato safetensors.
Como usar
Instalación y uso con Diffusers:
pip install -U diffusers transformers accelerate
import torch
from diffusers import DiffusionPipeline
# switch to "mps" for apple devices
pipe = DiffusionPipeline.from_pretrained("cyberdelia/CyberRealisticClassic", dtype=torch.bfloat16, device_map="cuda")
prompt = "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"
image = pipe(prompt).images[0]
Prompts de ejemplo:
(masterpiece, best quality), ultra-detailed, realistic photo of a 22-year-old woman, natural lighting, depth of field, candid moment, color graded, RAW photo, soft cinematic bokeh
(masterpiece, photorealistic), editorial fashion photo, close-up, dramatic side lighting, textured skin, shallow depth of field, soft shadows
Funcionalidades
- Generación de imágenes fotorrealistas a partir de texto, especialmente eficaz en sujetos humanos.
- Basado en Stable Diffusion 1.5, con versión Classic creada por Cyberdelia.
- VAE integrado para mejorar la calidad visual sin configuración adicional.
- Diseñado para obtener resultados sólidos con prompts simples.
- Adecuado para retratos, moda, escenas cinematográficas y fotografía editorial realista.
- Parámetros recomendados: 25-30 pasos, sampler DPM++ 2M Karras o Euler A, resolución nativa 512x512, CFG Scale 7.0-8.0 y escalado Hires.fix para resoluciones mayores.
Casos de uso
- Crear retratos humanos fotorrealistas.
- Generar imágenes de moda o fotografía editorial.
- Producir escenas cinematográficas con iluminación realista.
- Crear imágenes realistas con prompts directos y poca configuración.
- Experimentar con flujos locales de Stable Diffusion 1.5 en herramientas como Diffusers, Draw Things o DiffusionBee.