Protogen x5.8
darkstorm2150
Texto a imagen
Protogen x5.8 se inició con Stable Diffusion v1-5 y se reconstruyó utilizando dreamlikePhotoRealV2.ckpt como núcleo, añadiendo pequeñas cantidades durante los puntos de control de fusión. La técnica de aprendizaje adaptativo granular se enfoca en ajustar el proceso de aprendizaje a un nivel detallado, permitiendo que el modelo se adapte a patrones o características específicas en los datos. Esto es útil en entornos dinámicos como robótica, mercados financieros y procesamiento de lenguaje natural.
Como usar
Para usar este modelo, descargue model.ckpt o model.safetensor e instálelo en su directorio stable-diffusion-webui\models\Stable-diffusion.
from diffusers import StableDiffusionPipeline, DPMSolverMultistepScheduler
import torch
prompt = (
"modelshoot style, (extremely detailed CG unity 8k wallpaper), full shot body photo of the most beautiful artwork in the world, "
"english medieval witch, black silk vale, pale skin, black silk robe, black cat, necromancy magic, medieval era, "
"photorealistic painting by Ed Blinkey, Atey Ghailan, Studio Ghibli, by Jeremy Mann, Greg Manchess, Antonio Moro, trending on ArtStation, "
"trending on CGSociety, Intricate, High Detail, Sharp focus, dramatic, photorealistic painting art by midjourney and greg rutkowski")
model_id = "darkstorm2150/Protogen_v5.8_Official_Release"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe = pipe.to("cuda")
image = pipe(prompt, num_inference_steps=25).images[0]
image.save("./result.jpg")
Funcionalidades
- Aprendizaje adaptativo granular
- Compatibilidad con puntos de control CKPT y Safetensors
- Soporte para Diffusers de Stable Diffusion
- Palabras de activación específicas para estilos como 'modelshoot', 'analog', y 'mdjrny-v4'
Casos de uso
- Generación de imágenes artísticas fotorealistas
- Creación de arte digital en diferentes estilos
- Adaptación rápida a patrones cambiantes en entornos dinámicos