接上一篇文章 “只需10秒，AI生成IP海报，解放双手”，这次是全网第一个“共享joy模型”，真的赚到了！
经过这段时刻无数次的探究、试错、试验，最终积累了十分多的练习经历，在不同IP人物的练习上实践上需求调试十分多的参数以及资料。本次成功完结了Joy的Lora模型，虽然在泛化以及场景上未来还有着许多的空间，可是本次的模型已经能够帮助完结大部分的运用场景，无论是设计师，仍是产品，仍是运营，仍是研发，都能够轻松完结Joy的海报生成，接下来我将为咱们讲一讲如何完结。
老样子先来看看实践的作用吧！！！
生成过程
模型生成海报
接下来就来和咱们讲一讲如何经过SD来生成Joy吧～
1、准备工作（在开端之前，准备好本次生成需求使用到的模型）
1、底模：revAnimated_v122EOL.safetensors
2、VAE：vae-ft-mse-840000-ema-pruned
3、京东Joy-Lora模型
4、京东Joy-起手式（prompt模版）
2、放置模型
1、底模：stable-diffusion-webui——models——Stable-diffusion
2、VAE：stable-diffusion-webui——models——VAE
3、京东Joy-Lora模型：stable-diffusion-webui——models——Lora
4、京东Joy-起手式：stable-diffusion-webui
3、打开SD
⚠️假如还不知道如何装备SD的同学能够看我之前的文章：“只需10秒，AI生成IP海报，解放双手”
4、模型设置
1、咱们需求在Stable Diffusion模型中挑选咱们下载好的模型：revAnimated_v122EOL（当然这是我目前测验下来作用较好的底膜，你也能够下载并使用其他底膜进行测验）
2、在模型的VAE中挑选：vae-ft-mse-840000-ema-pruned（这个VAE的饱和度比较好一些，其他的VAE会使画面较灰）
5、Prompt使用
本次我已将Joy的基础Prompt设置成了模版（Joy起手式），后续咱们能够根据自己想要的画面进行调整，我会讲一下本次Prompt的基础构成
1、正向词：正向词中只需分为3类，触发词+提示词+LoRA（越靠前的词汇权重就会越高）
- Joy的触发词为joy\(ip\)：只有输入这个触发词，画面中才会呈现joy的形象
- 提示词：在提示词中主要分为自然语言+单词描绘：用自然语言来描绘Joy详细在做什么（如：joy ip is standing on the stone，jumping，sitting等，建议使用进行时）；用单词来描绘画面中其他需求的元素（如：outdoors, day, grass, leaf, tree, flower, sunshine，等）
- Lora权重：权重进过我的测验，最高的作用是0.7，所以在Joy的lora模型上无脑设置0.7
2、负向词：主要描绘你不想要的内容（如：lowres, bad anatomy, bad eyes, bad hands等，假如在生成过程中呈现了你不想要的内容也能够在后续继续补充）
6、设置采样方式、采样迭代步数、尺度、生成批次&数量
- 采样方式上咱们挑选：DPM++ SDE Karras
- 采样迭代步数：24-28之间（更具画面的复杂程度进行调试，假如画面元素较多则能够以4的倍数向上添加，需求注意在改变了步数以后会让画面产生改变）
- 尺度：一般使用64的倍数，常用的尺度如512*768（2:3），768*512（3:2），512*512（1:1），768*1152（2:3），1152*768（3:2），不限于这些尺度，仅仅说这些尺度下抽卡呈现好画面的几率更高一些
- 生成批次、每批数量：在前期抽卡阶段（没有开高清修复阶段），能够把生成数量提高，来寻找喜欢的画面，在找到自己喜欢的画面后则需求设1去更精细化的抽卡
7、提示词相关性
1、提示词相关性：3-5之间作用更佳，假如没有呈现IP可能是因为场景权重过高导致IP消失，能够测验下降相关性或削减场景描绘，提示词相关性是影响画面元素的十分重要的参数之一（其他影响的因素还有，迭代步数，重绘起伏，以及尺度）
8、抽卡环节（高兴时刻来了）
咱们只需求嗑着瓜子，看着电视或许坐着其他工作，去挑一个动作、构图、元素、画面大致满意的底图（来作为后续打开高清的基础）
9、敞开高清修复（完结一幅Joy高文）
在咱们选出咱们满意的底图后，需求做的便是确定咱们的seed，打开高清修复，调整咱们的重绘起伏（重回起伏会影响画面改变的起伏，越低则改变越小，越高则改变越大）
- 确定咱们的seed值
- 将咱们的放大算法改为：R-ESRGAN 4x+，调整重绘起伏0.1-0.7
- 保存咱们想要的图
假如你对IP海报生成有好的主意，可在评论区留言反馈，也期望和咱们有更多的交流和学习，感谢咱们支持哦！！
作者：京东零售 徐仲巍
来历：京东云开发者社区 转载请注明来历
