NoobAI 완벽 가이드

```html

NoobAI 가이드에 오신 것을 환영합니다

이 문서는 포괄적이고, 완전하며 최신의 NoobAI-XL 모델에 대한 소개를 제공합니다.

Noob이란?

NoobAI-XL 은 Laxhar Dream Lab 에서 개발하고 Lanyun이 후원하는 텍스트-투-이미지 확산 모델입니다.

모델 인증서는 fair-ai-public-license-1.0-sd 에서 상속되며 일부 제한이 있습니다(자세한 내용은 NoobAI-XL 모델 인증서 참조). 이 모델은 SDXL의 모델 아키텍처를 기반으로 하며, 기본 모델은 Illustrious-xl-early-release-v0 입니다. 이 모델은 완전한 Danbooru 와 e621 데이터셋(약 1300만 이미지)을 사용하여 많은 라운드 동안 훈련되어 풍부한 지식과 뛰어난 성능을 자랑합니다.

Epsilon vs V-pred

NoobAI-XL은 방대한 지식을 보유하고 있으며, 수만 개의 2D 캐릭터와 아티스트의 스타일을 복원하고, 2D에서 많은 특별한 개념을 인식하며, 풍부한 퍼리 지식을 가지고 있습니다.

NoobAI-XL은 노이즈 예측(또는 epsilon 예측)과 V-예측 버전을 모두 제공합니다. 간단히 말해, 노이즈 예측 버전은 더 다양하고 창의적인 이미지를 생성하는 반면, V-예측 버전은 프롬프트를 더 잘 따르고 더 넓은 색 영역과 강한 조명을 가진 이미지를 생성합니다.

NoobAI-XL은 다양한 LoRA, ControlNet , IP-Adapter 등을 포함하여 점점 더 풍부한 생태계 커뮤니티 지원을 제공합니다.

NoobAI-XL은 노이즈 예측 및 V 예측을 주로 포함하는 일련의 모델을 포함하고 있으며, 이는 나중에 자세히 설명될 것입니다.

빠른 시작

이 섹션을 읽기 전에 독자는 WebUI , ComfyUI , forge 또는 reForge 와 같은 원시 이미지 UI의 기본 사용법을 이해해야 합니다. 그렇지 않으면 독자는 여기 또는 인터넷(예: Bilibili 등)에서 배워야 합니다.

사이트	링크
CivitAI	여기를 클릭하세요
LiblibAI	여기를 클릭하세요
Huggingface	여기를 클릭하세요

어떤 모델을 다운로드해야 할지 모른다면, 여기를 탐색할 수 있습니다 .

모델 로딩

NoobAI-XL 모델은 노이즈 예측(epsilon 예측, 또는 약어로 eps-pred) 모델과 V 예측(v-예측, 또는 약어로 v-pred) 모델의 두 가지 범주로 나뉩니다. 이름에 "eps", "epsilon-pred" 또는 "eps-pred"라는 단어가 포함된 모델은 노이즈 예측 모델로, 다른 모델과 크게 다르지 않습니다. 이를 사용하는 경우 이 섹션을 직접 건너뛸 수 있습니다. 이름에 "v" 또는 "v-pred"라는 단어가 포함된 모델은 V 예측 모델로, 대부분의 기존 모델과 다릅니다. 이 섹션의 설치 가이드를 주의 깊게 읽어 주십시오! V 예측 모델의 원리는 이 기사 에서 확인할 수 있습니다.

V-예측 모델의 로딩

V 예측은 상대적으로 드문 모델 훈련 기술입니다. 이 기술을 사용하여 훈련된 모델을 V 예측 모델이라고 합니다. 노이즈 예측에 비해 V 예측 모델은 힌트에 대한 복종도가 높고, 더 포괄적인 색 영역과 강한 빛과 그림자를 특징으로 하며, NovelAI Diffusion V3 와 COSXL 로 대표됩니다. 이 기술의 등장 시기가 늦고 이러한 유형의 모델이 적기 때문에 일부 주류 그래픽 프로젝트와 UI는 이를 직접 지원하지 않습니다. 따라서 V 예측 모델을 사용할 계획이라면 추가 작업이 필요합니다. 이 섹션에서는 그 구체적인 사용법을 소개합니다. 사용 중 어려움이 발생하면 모델 저자에게 직접 연락하여 도움을 요청할 수 있습니다.

A. forge 또는 reForge에서 사용하기

Forge 와 reForge 는 각각 lllyasviel 과 Panchovix 가 개발한 두 개의 AI 이미지 생성 UI로, 둘 다 WebUI의 확장 버전입니다. 이들의 주요 브랜치는 V 예측 모델을 지원하며, 작동 모드는 WebUI와 거의 동일하므로 추천합니다. 이 중 하나를 설치했다면 설치 디렉토리에서 git pull 로 업데이트하고 재시작하면 됩니다. 설치하지 않았다면 온라인 튜토리얼을 참고하여 설치 및 사용하세요.

B. ComfyUI에서 사용하기

ComfyUI 는 comfyanonymous 가 개발한 이미지 생성 UI로, 사용자가 노드를 자유롭게 조작할 수 있도록 하며, 유연성과 전문성으로 이름 붙여졌습니다. V 예측 모델을 사용하려면 추가 노드를 추가하기만 하면 됩니다.

C. WebUI에서 사용하기

WebUI는 stable-diffusion-webui 프로젝트로 AUTOMATIC1111 가 개발했습니다. 현재 WebUI의 주요 브랜치는 V 예측 모델을 지원하지 않으며 dev로 전환해야 합니다. 이 방법은 불안정하며 버그가 있을 수 있습니다. 부적절한 사용은 WebUI에 돌이킬 수 없는 손상을 초래할 수 있습니다. 따라서 미리 WebUI를 백업해 주십시오. 구체적인 방법은 다음과 같습니다:

1. 아직 WebUI를 설치하지 않았다면 온라인 튜토리얼을 참조하여 설치하십시오.
2. stable-diffusion-webui의 설치 디렉토리에서 콘솔 또는 터미널을 엽니다.
3. 명령어 git checkout dev 를 입력하고 Enter를 누릅니다.
4. WebUI를 재시작합니다.

D. Diffusers에서 사용하기

Diffusers 는 Python 확산 모델 전용 라이브러리입니다. 이 사용법은 사용자가 일정한 코드 기초를 갖추고 있어야 하며, 개발자와 연구자에게 추천됩니다. 코드 예시:

import torch
from diffusers import StableDiffusionXLPipeline, EulerDiscreteScheduler

ckpt_path = "/path/to/model.safetensors"
pipe = StableDiffusionXLPipeline.from_single_file(
    ckpt_path,
    use_safetensors=True,
    torch_dtype=torch.float16,
)
scheduler_args = {"prediction_type": "v_prediction", "rescale_betas_zero_snr": True}
pipe.scheduler = EulerDiscreteScheduler.from_config(pipe.scheduler.config, **scheduler_args)
pipe.enable_xformers_memory_efficient_attention()
pipe = pipe.to("cuda")

prompt = """masterpiece, best quality, john_kafka, nixeu, quasarcake, chromatic aberration, film grain, horror \(theme\), limited palette, x-shaped pupils, high contrast, color contrast, cold colors, arlecchino \(genshin impact\), black theme, gritty, graphite \(medium\)"""
negative_prompt = "nsfw, worst quality, old, early, low quality, lowres, signature, username, logo, bad hands, mutated hands, mammal, anthro, furry, ambiguous form, feral, semi-anthro"

image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    width=832,
    height=1216,
    num_inference_steps=28,
    guidance_scale=5,
    generator=torch.Generator().manual_seed(42),
).images[0]

image.save("output.png")

3. 모델 사용법
4. 프롬프트

NoobAI-XL은 프롬프트 단어에 대한 엄격한 요구 사항이 없으며, 이 문서에서 권장하는 행동은 덤입니다.

NoobAI-XL은 사용자가 원하는 내용을 추가하기 위해 태그를 프롬프트로 사용하는 것을 권장합니다. 각 태그는 영어 단어 또는 영어 쉼표 “,”로 구분된 구문으로 구성되며, Danbooru 및 e621에서 직접 가져온 태그는 더 강한 효과를 가집니다. 더 나은 개선을 위해 프롬프트 규격 을 참조하십시오.

우리는 항상 미적 태그 “very awa” 와 품질 태그 “masterpiece” 를 프롬프트에 추가할 것을 제안합니다.

NoobAI-XL은 태그로 트리거되는 고충실도 캐릭터와 아티스트 스타일을 생성하는 것을 지원하며, 이를 우리는 “트리거 단어”라고 부릅니다. 이 중 캐릭터의 트리거 단어는 캐릭터 이름이며, 아티스트 스타일의 트리거 단어는 아티스트의 이름입니다. 전체 트리거 단어 표는 noob-wiki 에서 다운로드할 수 있습니다. 트리거 단어에 대한 자세한 설명은 아래 에서 확인할 수 있습니다.

NovelAI와 유사하게, NoobAI-XL은 품질, 미학, 창작 연도, 창작 기간 및 안전 등급과 같은 특별한 태그를 지원하여 보조 목적으로 사용됩니다. 관심 있는 독자는 다음 텍스트 에서 자세한 소개를 확인할 수 있습니다.

2. 생성된 매개변수

A. 기본 매개변수

다음 표는 세 가지 생성 매개변수: 샘플러 , 샘플링 단계 , CFG 스케일 을 추천합니다. 굵게 표기된 것은 강력히 추천하며; 빨간색으로 굵게 표기된 것은 필수 요구 사항입니다. 이 외의 매개변수 값을 사용하면 예기치 않은 효과를 가져올 수 있습니다.

버전 번호	모든 노이즈 예측 버전	V 예측 1.0 버전	V 예측 0.9r 버전	V 예측 0.75s 버전	V 예측 0.65s 버전	V 예측 0.6 버전	V 예측 0.5 버전	V 예측 베타
추천 매개변수	샘플러: Euler A CFG: 5~ 7 샘플링 단계: 28~ 35	샘플러: Euler CFG: 3.5 ~ 5.5 샘플링 단계: 32~ 40샘플러: Euler A CFG: 3 ~ 5 샘플링 단계: 28~ 40	샘플러: Euler CFG: 3.5 ~ 5.5 샘플링 단계: 32~ 40샘플러: Euler A CFG: 3 ~ 5 샘플링 단계: 28~ 40	샘플러: Euler A CFG: 3 ~ 5 샘플링 단계: 28~ 40	샘플러: Euler A 또는 Euler CFG: 3.5 ~ 5.5 샘플링 단계: 32~ 40샘플러: Euler A CFG: 5 ~ 7 샘플링 단계: 28~ 40	샘플러: Euler CFG: 3.5~ 5.5 샘플링 단계: 28~ 35	샘플러: Euler CFG: 3.5~ 5.5 샘플링 단계: 28~ 40	샘플러: Euler A CFG: 5~ 7 샘플링 단계: 28~ 35

B. V-예측 모델을 훨씬 더 잘 사용하는 방법

V 예측 모델에 대해 다음 매개변수를 추천합니다: (i) 색상, 조명 및 세부 사항을 최적화하기 위해; (ii) 과포화 및 과노출의 영향을 제거하기 위해; (iii) 의미적 이해를 향상시키기 위해.

1. 어떤 최적화 도구든 Rescale CFG (약 0.7 정도) 매개변수를 사용합니다. 일부 이미지 생성 UI는 이를 지원하지 않습니다.
2. 또는 Euler Ancestor CFG ++ 샘플러 를 사용하고 CFG 스케일을 1과 1.8 사이로 설정합니다. 일부 이미지 생성 UI는 이를 지원하지 않습니다.

C. 해상도

생성된 이미지의 해상도(너비 x 높이) 는 중요한 매개변수입니다. 일반적으로 건축적 이유로 인해 NoobAI-XL을 포함한 모든 SDXL 모델은 최상의 효과를 얻기 위해 특정 해상도를 사용해야 합니다. 더 많거나 적은 픽셀은 허용되지 않으며, 그렇지 않으면 생성된 이미지의 품질이 저하됩니다. NoobAI-XL의 추천 해상도는 아래 표에 나와 있습니다:

해상도 (W x H)	768×1344	832×1216	896×1152	1024×1024	1152×896	1216×832	1344×768
비율	9:16	2:3	3:4	1:1	4:3	3:2	16:9

더 큰 영역 해상도를 사용할 수도 있지만, 이는 안정적이지 않습니다. (SD3 연구에 따르면, 생성된 영역이 원래의 $$$$배수일 때 모델의 불확실성이 원래의 $$k^$$배가 됩니다.) 생성된 이미지 영역이 원래의 1.5배를 초과하지 않도록 권장합니다. 예를 들어, 1024×1536.

3. 기타 주의 사항

1. V 예측 모델은 프롬프트 및 생성 매개변수에 더 민감합니다.
2. CLIP 건너뛰기는 모든 SDXL 아키텍처 모델에 적용되지 않으므로 설정할 필요가 없습니다.
3. 모델은 다른 VAE 모델을 사용할 필요가 없습니다.

4. 기타 리소스

• 이 기사는 NoobAI-XL에 대한 초보자 가이드를 제공하며, 초보자가 읽기에 추천됩니다.

3. 고급 사용법

모델에 관심이 있고 더 배우고 싶다면, 이 섹션은 모델 사용에 대한 자세한 가이드를 제공합니다.

1. 모델 목록
2. 기본 모델

NoobAI-XL은 일련의 여러 기본 모델 버전을 포함합니다. 다음 표는 각 버전의 특징을 요약합니다.

버전 번호	예측 유형	다운로드 링크	Iteration since	버전 특징
Early-Access	노이즈 예측	CivitAIHuggingface	Illustrious-xl-early-release-v0	가장 초기 버전이지만 이미 충분한 훈련을 받았습니다.
Epsilon-pred 0.5	노이즈 예측	CivitAIHuggingface	Early-Access	(추천) 가장 안정적인 버전으로, 유일한 단점은 모호한 개념에 대한 지식이 부족하다는 것입니다.
Epsilon-pred 0.6	노이즈 예측	Huggingface	Early-Access 0.5	(추천) UNet 전용 훈련의 마지막 버전으로 뛰어난 수렴 효과를 가지고 있습니다. 테스트 팀은 “178000”이라고 불리며, 많은 사람들에게 인기가 있습니다.
Epsilon-pred 0.75	노이즈 예측	CivitAIHuggingface	Epsilon-pred 0.6	텍스트 인코더(TTE)가 더 모호한 지식을 학습하도록 훈련되었지만 품질 성능이 저하되었습니다.
Epsilon-pred 0.77	노이즈 예측	Huggingface	Epsilon-pred 0.75	Epsilon-pred 0.75를 기반으로 두 번의 에포크를 더 훈련하여 성능 저하를 개선했습니다.
Epsilon-pred 1.0	노이즈 예측	CivitAIHuggingface	Epsilon-pred 0.77	(추천) tte의 새로운 지식을 강화하기 위해 추가로 10 라운드 훈련하여 성능을 균형 잡았습니다.
Pre-test	V 예측	CivitAIHuggingface	Epsilon-pred 0.5	(추천하지 않음) V 예측의 초기 실험 버전입니다.
V-pred 0.5	V 예측	CivitAIHuggingface	Epsilon-pred 1.0	(추천하지 않음) 높은 포화 문제를 가지고 있습니다.
V-pred 0.6	V 예측	CivitAIHuggingface	V-pred 0.5	(추천하지 않음) 초기 평가 결과를 기반으로 V-pred0.6은 희귀 지식 범위에서 좋은 성능을 보이며, 현재 발표된 모델 중 가장 높은 수준에 도달했습니다. 동시에 모델은 품질 저하 문제를 크게 개선합니다.
V-pred 0.65	V 예측	Huggingface	V-pred 0.6	(추천하지 않음) 포화 문제가 있습니다.
V-pred 0.65s	V 예측	CivitAIHuggingface	V-pred 0.6	포화 문제가 거의 해결되었습니다! 그러나 아티팩트 문제가 있으며, 다음 버전에서 해결될 것입니다.
Epsilon-pred 1.1	노이즈 예측	CivitAIHuggingface	Epsilon-pred 1.0	(추천) 평균 밝기 문제가 해결되었으며, 모든 측면이 개선되었습니다.
V-pred 0.75	V 예측	Huggingface	V-pred 0.65	(추천하지 않음) 포화 문제가 있습니다.
V-pred 0.75s	V 예측	CivitAIHuggingface	V-pred 0.65	(추천) 극단적인 상황에서의 포화 문제, 잔여 노이즈 및 아티팩트 문제를 해결합니다.
V-pred 0.9r	V 예측	CivitAI	V-pred 0.75	약 10%의 현실감 데이터를 사용하여 훈련되었습니다. 저하가 있습니다.
V-pred 1.0	V 예측	CivitAI	V-pred 0.75	(추천) 품질/성능/색상의 균형이 가장 잘 잡힌 모델입니다.

2. 확장 모델: ControlNet

예측 유형	ControlNet 유형	링크	전처리기 유형	비고
노이즈 예측	Hed 소프트 엣지	CivitAIHuggingface	softedge_hed
노이즈 예측	애니메이션 선화	CivitAIHuggingface	lineart_anime
노이즈 예측	Midas 일반 맵	CivitAIHuggingface	normal_midas
노이즈 예측	Midas 깊이 맵	CivitAIHuggingface	depth_midas
노이즈 예측	Canny 윤곽선	CivitAIHuggingface	canny
노이즈 예측	Openpose 인간 골격	CivitAIHuggingface	openpose
노이즈 예측	망가 선화	CivitAIHuggingface	manga_line / lineart_anime / lineart_realistic
노이즈 예측	현실적인 선화	CivitAIHuggingface	lineart_realistic
노이즈 예측	Midas 깊이 맵	CivitAIHuggingface	depth_midas	새로운 버전
노이즈 예측	HED 낙서	CivitAIHuggingface	scribble_hed
노이즈 예측	Pidinet 낙서	CivitAIHuggingface	scribble_pidinet
노이즈 예측	타일	CivitAIHuggingface	tile

ControlNet을 사용할 때는 사용 중인 전처리기 유형과 ControlNet이 요구하는 전처리기 유형을 반드시 일치시켜야 합니다. 또한 기본 모델의 예측 유형과 ControlNet의 예측 유형을 일치시킬 필요는 없습니다.

3. 확장 모델: IP-Adapter

곧 출시 예정입니다.

4. LoRA 모델

대부분의 LoRA는 노이즈 예측 및 V 예측 버전 모두에 사용할 수 있으며, 그 반대도 가능합니다.

2. 프롬프트 안내

우선, 프롬프트의 역할은 안내하는 것임을 명확히 해야 합니다. 좋은 프롬프트는 모델의 잠재력을 발휘할 수 있지만, 나쁜 프롬프트나 심지어 잘못된 프롬프트는 반드시 결과를 악화시키지는 않습니다. 서로 다른 모델은 최적의 프롬프트 사용법이 다르며, 오용의 효과는 종종 명확하지 않으며, 어떤 경우에는 오히려 개선될 수 있습니다. 이 프롬프트 가이드는 모델의 이론적 최고의 프롬프트 엔지니어링을 기록하며, 능력 있는 독자는 이를 자유롭게 사용할 수 있습니다.

이 섹션에서는 프롬프트 작성을 위한 자세한 가이드를 제공하며, 프롬프트 작성 기준, 역할 및 스타일 트리거 단어의 구체적인 사용법, 특별한 태그의 사용법 등을 포함합니다. 프롬프트 엔지니어링에 관심이 있는 독자는 선택적으로 읽을 수 있습니다.

1. 프롬프트 규격

NoobAI-XL은 다른 애니메이션 기반 모델과 동일한 프롬프트 규격을 가지고 있습니다. 이 섹션에서는 프롬프트의 기본 작성 규격을 체계적으로 소개하고 독자가 커뮤니티에서 흔히 발생하는 오해를 없애는 데 도움을 줍니다.

형식에 따라 프롬프트는 대략 두 가지 범주로 나눌 수 있습니다: 태그 와 자연어. 전자는 주로 애니메이션 모델에 사용되며, 후자는 주로 실사 모델에 사용됩니다. 어떤 프롬프트든 모델이 달리 지정하지 않는 한, 영어 문자, 숫자 및 기호만 포함해야 합니다.

태그는 소문자 영어 단어 또는 구문으로 구성되며, 영어 쉼표 “,”로 구분됩니다. 예를 들어, “1girl, solo, blue hair”는 세 개의 태그 “1girl”, “solo” 및 “blue hair”를 포함합니다.

프롬프트의 여분의 공백 및 줄 바꿈 문자는 실제 생성 효과에 영향을 미치지 않습니다. 즉, “1girl, solo, blue hair”와 “1girl, solo, blue hair”는 정확히 동일한 효과를 가집니다.

프롬프트에는 밑줄 “_”를 포함해서는 안 됩니다. Danbooru와 같은 웹사이트의 영향을 받아, 태그 간의 공백 대신 밑줄 “_”를 사용하는 것이 유행하고 있지만, 이는 실제로 오용이며 생성된 결과가 공백을 사용할 때와 다르게 됩니다. NoobAI-XL을 포함한 대부분의 모델은 프롬프트에 밑줄을 포함하는 것을 권장하지 않습니다. 이 오용은 생성 품질에 영향을 미칠 수 있으며, 최악의 경우 트리거 단어를 완전히 무효화할 수 있습니다.

필요한 경우 괄호를 이스케이프하십시오. 괄호, 즉 둥근 괄호 (), 대괄호 [], 중괄호 {}는 프롬프트에서 매우 특별한 기호입니다. 일반 기호와 달리 대부분의 이미지 생성 UI에서 괄호는 특정 내용을 가중치로 해석하며, 가중치에 참여하는 괄호는 원래 의미를 잃게 됩니다. 그러나 원래 프롬프트에 괄호를 포함해야 하는 경우, 예를 들어 일부 트리거 단어가 필요한 경우, 괄호 앞에 백슬래시 “\”를 추가하여 가중치 기능을 제거할 수 있습니다. 원래 문자 의미를 변경하는 이 작업을 이스케이프라고 하며, 백슬래시는 이스케이프 문자라고도 합니다. 예를 들어, 백슬래시를 사용하지 않으면 프롬프트 “1girl, ganyu ( genshin impact ) ”는 “1girl, ganyu genshin impact”로 잘못 해석되어 “genshin impact”가 가중치로 작용하고 괄호가 사라집니다. 이스케이프 문자를 추가하면 프롬프트는 “1girl, ganyu \ ( genshin impact \) ”로 예상대로 변합니다.

요약하면, 태그 표준화는 두 단계로 나뉩니다: (i) 각 태그에서 밑줄을 공백으로 교체하고, (ii) 괄호 앞에 백슬래시 “\”를 추가합니다.

Danbooru 및 e621에서 직접 가져온 태그는 더 강한 표현 효과를 가집니다. 따라서 독자는 자신의 태그를 만드는 대신 이 두 웹사이트에서 태그를 직접 검색할 것을 권장합니다. 이 방법으로 직접 얻은 태그는 밑줄 “_”로 구분되며 괄호는 이스케이프되지 않습니다. 따라서 이들로부터 태그에 힌트를 추가하기 전에 태그의 공백을 제거하고 괄호를 이스케이프해야 합니다. 예를 들어, Danbooru에서 가져온 태그 “ganyu_ (genshin_impact) ”는 사용하기 전에 “ganyu\ (genshin impact\)”로 처리해야 합니다.

유효하지 않은 메타 태그를 사용하지 마십시오. 메타 태그 (메타 태그 )는 Danbooru에서 이미지 파일이나 작품 자체의 특성을 나타내기 위해 사용되는 특별한 유형의 태그입니다. 예를 들어, “highres ”는 이미지가 고해상도를 가지고 있음을 나타내며, “oil_painting_ (medium) ”는 이미지가 유화 스타일임을 나타냅니다. 그러나 모든 메타 태그가 이미지의 내용이나 형식과 관련이 있는 것은 아닙니다. 예를 들어, “commentary_request ”는 Danbooru의 게시물이 작품에 대한 번역 요청이 있음을 나타내며, 이는 작품 자체와 직접적인 관계가 없으므로 효과가 없습니다.

순차적인 힌트 단어가 더 좋습니다. NoobAI-XL은 프롬프트를 논리적 순서로 작성할 것을 권장하며, 기본에서 보조로 나아갑니다. 가능한 작성 순서는 다음과 같습니다. 참고용으로만 제공됩니다:

< 1girl/1boy/1other/female/male/… >, < 캐릭터 >, < 시리즈 >, < 아티스트 (들) >, < 일반 태그 >, < 기타 태그 >, < 품질 & 미적 태그 >

그 중 < 품질 & 미적 태그 >는 접두사를 붙일 수 있습니다.

자연어 프롬프트는 문장으로 구성되며, 각 문장은 대문자로 시작하고 마침표 “.”로 끝납니다. NoobAI-XL을 포함한 대부분의 애니메이션 모델은 태그를 더 잘 이해하므로, 자연어는 종종 프롬프트의 주요 구성 요소가 아니라 보조적으로 사용됩니다.

2. 캐릭터 및 아티스트 스타일

NoobAI-XL은 많은 팬 제작 캐릭터와 아티스트 스타일을 직접 생성하는 것을 지원합니다. 캐릭터와 스타일은 이름으로 트리거되며, 이는 트리거 단어라고도 불립니다. Danbooru 또는 e621 에서 직접 검색하고, 표준화하여 결과 태그를 프롬프트로 사용할 수 있습니다.

1. 사용법

캐릭터와 아티스트를 트리거하는 방식에는 약간의 차이가 있습니다.

• 아티스트 스타일의 경우, 아티스트의 이름을 프롬프트에 접두사, 접미사 또는 추가 장식을 추가하지 않고 추가하기만 하면 됩니다. “by xxx”나 “artist: xxx”가 아니라 단순히 “xxx”입니다.
• 캐릭터의 경우, “캐릭터 이름 + 시리즈” 형식을 사용합니다. 즉, 캐릭터 이름을 추가하는 것 외에도 캐릭터 트리거 단어 태그 바로 뒤에 추가적인 시리즈 태그를 추가하여 캐릭터가 어떤 작품에서 왔는지를 나타내야 합니다. 캐릭터에 여러 시리즈 태그가 있는 경우, 그 중 하나 이상을 추가할 수 있습니다. 캐릭터 이름에 이미 시리즈 이름이 포함되어 있는 경우에도 중복을 고려하지 않고 시리즈 태그를 추가해야 합니다. 일반적으로 “캐릭터 이름 + 시리즈 이름”이면 캐릭터를 복원하는 데 충분합니다. 예를 들어, “genshin_impact ” 시리즈의 캐릭터 “ganyu_ (genshin_impact) ”의 트리거 단어는 “ganyu\ (genshin impact\), genshin impact”입니다. 마찬가지로 캐릭터 트리거 단어에는 접두사, 접미사 또는 추가 수식어를 추가할 필요가 없습니다.

다음 표는 캐릭터 및 스타일 트리거의 올바른 및 잘못된 사례를 보여줍니다:

유형	프롬프트 단어	옳고 그름	이유
역할	Rei Ayanami	잘못됨	캐릭터 이름은 “ayanami rei ”이어야 합니다. 시리즈 태그 “neon genesis evangelion ”이 추가되지 않았습니다.
역할	character:ganyu \(genshin impact\), genshin impact	잘못됨	접두사 “character:”가 겉으로 추가되었습니다.
역할	ganyu_\(genshin impact\)	잘못됨	완전히 정규화된 태그가 없습니다: 밑줄을 포함해서는 안 됩니다. 시리즈 태그가 추가되지 않았습니다.
역할	ganyu (genshin impact), genshin impact	잘못됨	완전히 정규화된 태그가 없습니다: 괄호가 이스케이프되지 않았습니다.
역할	ganyu (genshin impact\), genshin impact	잘못됨	완전히 정규화된 태그가 없습니다: 왼쪽 괄호가 이스케이프되지 않았습니다.
역할	ganyu \(genshin impact\)，genshin impact	잘못됨	중국어 쉼표로 두 태그를 구분했습니다.
역할	ganyu \(genshin impact\), genshin impact	올바름
아티스트 스타일	by wlop	잘못됨	접두사 “by”가 겉으로 추가되었습니다.
아티스트 스타일	artist:wlop	잘못됨	접두사 “artist:”가 겉으로 추가되었습니다.
아티스트 스타일	dino	잘못됨	아티스트 이름이 잘못되었습니다. aidxl/artiwaifu의 아티스트 이름은 사용해서는 안 되며, Danbooru를 따라야 하므로 “dino\ (dinoartforame\) ”이어야 합니다.
아티스트 스타일	wlop	올바름

2. 트리거 단어 위키

편의를 위해, 우리는 noob-wiki 에서 트리거 단어의 전체 양식을 제공합니다:

표 유형	다운로드 링크
Danbooru 캐릭터	여기를 클릭하세요
Danbooru 아티스트 스타일	여기를 클릭하세요
E621 캐릭터	여기를 클릭하세요
E621 아티스트 스타일	여기를 클릭하세요

각 양식에는 Danbooru 및 e621 데이터베이스 중 하나에서 가져온 트리거 단어 표가 포함되어 있습니다. 표의 각 행은 캐릭터 또는 아티스트 스타일을 나타냅니다. 원하는 캐릭터 또는 아티스트 스타일에 해당하는 행을 찾아 “트리거 ” 섹션을 그대로 복사하여 프롬프트 단어로 붙여넣으면 됩니다. 캐릭터나 아티스트 스타일에 대해 확신이 없는 경우, “url” 열의 링크를 클릭하여 웹사이트에서 예시 그림을 볼 수 있습니다. 다음 표는 각 열의 의미를 설명합니다. 모든 표가 모든 열을 포함하는 것은 아닙니다.

리스트	의미	비고
캐릭터	해당 웹사이트에서 역할의 태그 이름입니다.
아티스트	해당 웹사이트의 태그 이름에서 아티스트 스타일입니다.
트리거	표준화된 후의 트리거 단어입니다.	프롬프트 단어로 그대로 복사하여 사용합니다.
카운트	이 태그가 있는 이미지의 수입니다.	이 개념의 복원 정도에 대한 기대치로 사용됩니다. 캐릭터의 경우, 카운트가 200 이상이면 더 잘 복원될 수 있습니다. 스타일의 경우, 카운트가 100 이상이면 더 잘 복원될 수 있습니다.
url	원본 웹사이트의 태그 페이지입니다.
solo_count	이 태그가 있는 데이터셋의 이미지 수로, 이미지에 캐릭터가 하나만 있습니다.	역할 표 전용입니다. 역할의 경우, solo_count가 50 이상이면 더 잘 복원될 수 있습니다. 카운트로 감소 정도를 판단할 때, 카운트 열의 편차가 크고 정확성이 낮으며, solo_count는 더 정확한 지표입니다.
core_tags	캐릭터의 핵심 특성 태그로, 외모, 성별 및 의상을 포함합니다. 영어 쉼표로 구분되며, 각 태그는 표준화되어 있습니다.	오직 Danbooru 캐릭터 목록에만 해당합니다. 인기 없는 캐릭터가 트리거되고 복원 정도가 부족할 경우, 여러 핵심 특성 태그를 추가하여 복원 정도를 향상시킬 수 있습니다.

3. 특별 태그

특별 태그는 특별한 의미와 효과가 있는 태그로, 보조 기능을 수행합니다.

1. 품질 태그

품질 태그는 실제로 Danbooru와 e621 사용자 선호도를 기반으로 한 통계 데이터에서 얻은 인기 태그입니다. 품질 순으로 높은 것부터 낮은 것까지:

masterpiece > best quality > high quality / good quality > normal quality > low quality / bad quality > worst quality

2. 미적 태그

미적 태그는 미적 점수 모델에 따라 점수가 매겨집니다. 현재까지 두 가지가 있으며, “very awa ”와 “worst aesthetic ”입니다. 전자는 waifu-scorer-v3 와 waifu-scorer-v4-beta 에서 상위 5%의 점수를 받은 데이터이며, 후자는 하위 5%의 데이터입니다. “very awa”라는 이름은 그 미적 기준이 A rti Wa ifu Diffusion 모델과 유사하기 때문입니다. 또한, 여전히 훈련 중이며 뚜렷한 효과가 없는 미적 태그는 “very as2”로, 이는 “aesthetic-shadow-v2-5 ”에서 상위 5%의 점수를 받은 데이터입니다.

미적 태그의 효과 비교

3. 안전/등급 태그

안전/등급 태그는 네 가지가 있습니다: 일반 , 민감 , nsfw 및 노출 .

사용자가 부적절한 콘텐츠를 필터링하기 위해 부정적인 프롬프트에 “nsfw”를 의식적으로 추가하기를 바랍니다. 😀

4. 연도 및 기간 태그

연도 태그는 작품의 창작 연도를 나타내며, 간접적으로 품질, 스타일, 캐릭터 복원 정도 등에 영향을 미칩니다. 형식은 “year xxxx ”이며, 여기서 “xxxx”는 특정 연도(예: “year 2024”)입니다.

기간 태그는 연도 태그로, 이미지 품질에 상당한 영향을 미칩니다. 태그와 연도 간의 대응은 아래 표에 나와 있습니다.

연도 범위	2021~2024	2018~2020	2014~2017	2011~2013	2005~2010
기간 레이블	최신	최근	중간	초기	오래된

4. 기타 팁

이 섹션에서는 참조용으로 프롬프트의 추천 사용 예시를 제공합니다.

1. 품질 프롬프트

다음 추천 시작점은 이미지 품질과 가장 높은 상관관계를 가지는 특별한 태그를 사용합니다.

very awa, masterpiece, best quality, year 2024, newest, highres, absurdres

2. 부정적인 프롬프트

다음 표는 일반적인 부정적인 태그와 그 출처를 소개합니다. 모든 부정적인 태그가 반드시 나쁜 것은 아니며, 적절히 사용하면 예기치 않은 효과를 가져올 수 있습니다.

Related Posts

Guide to Prompting with Illustrious Models

Complicated desired outputs = Complex prompts with mix of natural language and tags [postcard=89ntmto] Complex prompt...

Guide to AI Pose Prompting (NSFW)

This guide was created to bring inspiration to this visual vocabulary. There is a short description for each pose so ...

Can Chatgpt GPT-4o image generation do NSFW/nudity? GPT-4o massive nerf and other findings

GPT-4o, released on March 25, 2025 went viral soon after release, bolstered by the Studio Ghibli animation style tren...

Automatic1111 Stable Diffusion WebUI for Hentai Generation (SD1.5 Tutorial)

This guide is intended to get you generating quality NSFW images as quickly as possible with Automatic1111 Stable Dif...

Hunyuan Video Generation Guide (ComfyUI)

This tutorial will provide a comprehensive guide on using Tencents Hunyuan Video model in ComfyUI for text-to-video g...

How to run Stable Diffusion on CPU

Now, some of us do not have fancy GPUs. Thats fine. We can run Stable Diffusion on our CPUs. This is an incredibly ba...

태그	번역	비고	출처
품질 레이블
worst aesthetic	최악의 미적	낮은 품질, 워터마크, 만화, 다중 뷰 및 미완성 스케치와 같은 낮은 미적 개념을 포함합니다.	미적
worst quality	최악의 품질		품질
low quality	낮은 품질	Danbooru의 낮은 품질	품질
bad quality	낮은 품질	e621의 낮은 품질	품질
lowres	낮은 해상도		Danbooru
scan artifacts	스캔 아티팩트		Danbooru
jpeg artifacts	JPEG 이미지 압축 아티팩트		Danbooru
lossy-lossless	-	손실 이미지 형식에서 무손실 이미지 형식으로 변환된 이미지는 일반적으로 아티팩트가 가득 차 있습니다.	Danbooru
구성 및 예술 형식 레이블
ai-generated	AI 생성	AI에 의해 생성된 것으로, 종종 AI에 의해 생성된 기름진 느낌을 가지고 있습니다.	Danbooru
abstract	추상적	복잡한 선을 제거합니다.	Danbooru
official art	공식 아트	시리즈 또는 캐릭터의 공식 회사/아티스트가 만든 일러스트입니다. 저작권 , 회사 또는 아티스트 이름 및 저작권 고지 가 이미지 어딘가에 인쇄될 수 있습니다.	Danbooru
old	오래된 이미지		기간
4koma	4패널 만화		Danbooru
multiple views	다중 뷰		Danbooru
reference sheet	성격 디자인		Danbooru
dakimakura \(medium\)	다기능 베개 그림		Danbooru
turnaround	전신 3뷰		Danbooru
comic	만화		Danbooru
greyscale	카나리아 릴리스 맵	흑백 그림	Danbooru
monochrome	단색	흑백 그림	Danbooru
sketch	선 드래프트		Danbooru
unfinished	미완성 작품		Danbooru
E621 레이블