- pub
Aperçu du Modèle HyFU V1 : Libérer la Fonctionnalité Hybride dans Flux AI
Flux Unchained par SCG
- Auteur : socalguitarist
- Publié : 2024-08-14T17:53:00.922Z
Détails du Modèle
- ID du Modèle : 645943
- Nom du Modèle : Flux Unchained par SCG
- Type de Modèle : Formé par Checkpoint
Versions du Modèle
Version | Modèle de Base | Étapes | Époques | Clip Skip | Mots Formés | Nom | Taille du Fichier | Lien de Téléchargement |
---|---|---|---|---|---|---|---|---|
HyFU-8-Step-Hybrid-v1.0 | Flux.1 D | Aucun | Aucun | Aucun | HyFU-8-step-v1.0-pruned.safetensors | 11340.41 MB | Lien | |
SchnFU-v1.3-Unet-4step | Flux.1 S | Aucun | Aucun | Aucun | SchnFU-fp8-1.3.0.safetensors | 11340.44 MB | Lien | |
FU_V1_Unet_Only(FP8) | Flux.1 D | Aucun | Aucun | Aucun | FluxUnchained_fp8_unet_only.safetensors | 11350.17 MB | Lien | |
FU(t5_16xfp8_e4m3fn)_v1.1 | Flux.1 D | Aucun | Aucun | Aucun | FluxUnchained_v1.1.0.safetensors | 20829.46 MB | Lien | |
FU(t5_8x8_e4m3fn)_v1.1 | Flux.1 D | Aucun | Aucun | Aucun | FluxVision.d(8x8_e4m3fn)_v1.safetensors | 16287.67 MB | Lien |
Introduction au Modèle HyFU V1
Alors, le modèle HyFU V1, c'est quelque chose de vraiment cool dans l'écosystème Flux AI. Il a été créé en mélangeant des formations LoRA légères sur plusieurs passes du modèle de base Flux.d. Ce modèle à fonctionnalité hybride (HyFU) est fait pour gérer du contenu NSFW, comme la morphologie féminine, et des concepts compliqués. Bon, c’est pas encore parfait, c’est un travail en cours (WIP), mais franchement, les résultats jusqu'ici, c'est impressionnant.
Le modèle a été formé sur un mélange de clichés cinématographiques, de photos d'art, et de nus explicites et artistiques. À peu près 80% du contenu explicite vient de la photographie, et le reste de l'IA et des illustrations. Du coup, ça donne au modèle un ensemble de données bien équilibré pour produire des résultats réalistes et stylisés.
Comment ça marche
HyFU utilise une technique hybride où différentes passes de formation sont combinées. C’est basé sur le modèle flux.1_dev_8x8_e4m3fn-marduk191, et ça fonctionne en qualité FP16 (avec une option pour FP8 si on le demande). C’est top parce que ça permet de générer des images super détaillées tout en gardant des demandes de calcul raisonnables.
Le modèle est super efficace pour gérer aussi bien des images SFW (sûr pour le boulot) que NSFW (pas sûr pour le boulot). Les utilisateurs ont remarqué qu'il répond aux prompts de manière similaire au modèle de base flux, ce qui le rend assez polyvalent pour différents styles artistiques.
Caractéristiques du Modèle
- Génération NSFW : Fait un gros effort pour bien rendre la morphologie féminine et le contenu explicite.
- Ensemble de Données Équilibré : Formé sur 5 000 images, mélangeant art et photographie explicite.
- FP16 & FP8 : Modèle complet en FP16 pour une meilleure qualité, mais une version FP8 est dispo sur demande.
- Prompts Flexibles : Les prompts fonctionnent comme ceux de base flux, donc c'est facile à utiliser.
Explication des Versions du Modèle
HyFU 8-Step Hybrid V1.0
Le modèle HyFU 8-step hybride, c’est le plus populaire. Il équilibre bien vitesse et qualité. Il gère des compositions plus complexes et des poses réalistes, ce qui peut être galère pour d'autres versions.
- Hybrid 8-Step : Fait pour minimiser la déformation du corps, surtout pour les images en entier, ça dépasse les versions rapides à 4 étapes.
Modèle Schnell 4-Step
La version "Schnell", ou "rapide", est plus rapide mais moins solide pour gérer des poses complexes ou des détails au-delà des portraits. C'est idéal pour ceux qui veulent des résultats rapides sans trop se soucier des compositions compliquées.
- Schnell 4-Step : Rendus plus rapides, mais limité pour gérer des poses détaillées ou des photos de corps entier.
FAQ
Est-ce que le modèle fonctionne avec la morphologie masculine ?
En ce moment, le modèle est plus axé sur la morphologie féminine, et il y a eu des demandes pour le former sur des corps masculins et féminins. Mais pour l’instant, il est surtout adapté au travail NSFW féminin.
Est-ce que ça marche sur les systèmes avec 8 Go de VRAM ?
Oui, il y a des moyens de faire fonctionner le modèle sur des systèmes avec une VRAM limitée. Les utilisateurs ont eu du succès sur des configurations avec 6 Go, voire 3 Go de VRAM, même si tu devras peut-être optimiser des réglages, comme utiliser des versions NF4 ou GGUF.
Puis-je supprimer le flou d'arrière-plan ou l'effet bokeh ?
Malheureusement, c’est un problème connu. Les prompts négatifs ralentissent beaucoup la génération. À la place des prompts négatifs, essaie d’utiliser des descripteurs comme "appareil photo de portable, mise au point plate, grand angle" pour diminuer le flou d'arrière-plan sans faire chuter la performance.
Est-ce que ça fonctionne avec Automatic1111 ?
C’est possible, mais je te conseille d'utiliser ce modèle avec Forge ou ComfyUI pour une meilleure gestion de la mémoire et une performance plus fluide. Certains utilisateurs constatent des ralentissements ou des plantages en essayant de faire tourner le modèle dans A1111, surtout en ajoutant des LoRAs.
Y a-t-il moyen d'accélérer le temps de rendu ?
Pour des rendus plus rapides, les utilisateurs peuvent essayer le sampler LCM avec le planificateur BETA à 1.0 CFG. Cette configuration donne de bons résultats en aussi peu que 4 étapes. Garde à l’esprit que l'ajout de LoRAs peut ralentir le processus.
Pourquoi est-ce que j'ai des erreurs dans Forge ?
Si tu vois des erreurs comme "Vous n'avez pas le dict d'état CLIP !" assure-toi d'avoir les bons fichiers dans ton dossier VAE, y compris ae.safetensors, clip_l.safetensors, et t5xxl_fp16.safetensors. Ils doivent être chargés ensemble pour que le modèle fonctionne correctement.
Conclusion
Le modèle HyFU V1 est un outil polyvalent et en évolution dans la gamme de Flux AI. Il excelle dans la génération de compositions complexes, y compris des images NSFW avec une anatomie correcte, et propose différentes versions pour répondre aux besoins variés des utilisateurs. que tu cherches de la vitesse ou du détail, il y a un modèle qui te convient. Comme c'est un travail en cours, attends-toi à des améliorations et des fonctionnalités supplémentaires dans les mises à jour futures.