Guia completo do NoobAI

```html

Bem-vindo ao guia NoobAI

Este documento fornece uma introdução abrangente, completa e atualizada ao modelo NoobAI-XL .

O que é Noob?

NoobAI-XL é um modelo de difusão de Texto-para-Imagens desenvolvido pelo Laxhar Dream Lab e patrocinado pela Lanyun.

O certificado do modelo é herdado da fair-ai-public-license-1.0-sd e possui algumas restrições (veja certificado do modelo NoobAI-XL). O modelo é baseado na arquitetura do modelo SDXL. Seu modelo base é o Illustrious-xl-early-release-v0 . Ele foi treinado no conjunto de dados completo Danbooru e e621 (cerca de 13 milhões de imagens) por um grande número de rodadas, com amplo conhecimento e excelente desempenho.

Epsilon vs V-pred

NoobAI-XL possui uma enorme quantidade de conhecimento, que pode restaurar os estilos de dezenas de milhares de personagens e artistas 2D, reconhecer um grande número de conceitos especiais em 2D e tem um rico conhecimento furry.

NoobAI-XL oferece versões de previsão de ruído (ou seja, previsão de epsilon) e previsão V. Em resumo, a versão de previsão de ruído gera imagens mais diversas e criativas, enquanto a versão de previsão V segue mais os prompts e gera imagens com uma gama de cores mais ampla e iluminação mais forte.

NoobAI-XL conta com um suporte comunitário de ecossistema cada vez mais rico, incluindo vários LoRA, ControlNet , IP-Adapter e assim por diante.

NoobAI-XL inclui uma série de modelos, principalmente previsão de ruído e previsão V, que serão descritos em detalhes mais adiante .

Início Rápido

Antes de ler esta seção, os leitores precisam já entender o uso básico de qualquer tipo de interface de imagem bruta, como WebUI , ComfyUI , forge ou reForge . Caso contrário, os leitores precisam aprender a partir de aqui ou da Internet (como Bilibili, etc.).

Site	Link
CivitAI	Clique aqui
LiblibAI	Clique aqui
Huggingface	Clique aqui

Se você não sabe qual modelo baixar, pode navegar aqui .

Carregamento do Modelo

Os modelos NoobAI-XL são divididos em duas categorias: modelos de previsão de ruído (previsão de epsilon, ou abreviados como eps-pred) e modelos de previsão V (v-prediction, ou abreviados como v-pred). Modelos com as palavras “eps”, “epsilon-pred” ou “eps-pred” em seus nomes são modelos de previsão de ruído, que não são muito diferentes de outros modelos. Se você os usar, pode pular esta seção diretamente. Modelos com as palavras “v” ou “v-pred” em seus nomes são modelos de previsão V, que são diferentes da maioria dos modelos convencionais. Por favor, leia o guia de instalação nesta seção com atenção! O princípio do modelo de previsão V pode ser encontrado neste artigo .

Carregamento de Modelos de Previsão V

A previsão V é uma técnica de treinamento de modelo relativamente rara. Modelos treinados usando essa técnica são chamados de modelos de previsão V. Comparados aos modelos de previsão de ruído, os modelos de previsão V são conhecidos por sua maior obediência a dicas, gama de cores mais abrangente e luz e sombra mais fortes, representados pelo NovelAI Diffusion V3 e COSXL . Devido à sua aparição tardia e ao menor número de modelos desse tipo, alguns projetos gráficos e UIs convencionais não o suportam diretamente. Portanto, se você planeja usar modelos de previsão V, precisará de algumas operações adicionais. Esta seção irá introduzir seu uso específico. Se você encontrar dificuldades durante o uso, também pode entrar em contato diretamente com qualquer autor de modelo para obter ajuda.

A. Uso no forge ou reForge

Forge e reForge são duas UIs de geração de imagem AI desenvolvidas por lllyasviel e Panchovix , respectivamente, ambas são versões estendidas do WebUI. Seu ramo principal suporta o modelo de previsão V, e o modo de operação é quase o mesmo que o WebUI, então são recomendados. Se você instalou um deles, basta executar git pull para atualizar no diretório de instalação e reiniciá-lo; se você não o instalou, pode consultar o tutorial online para instalação e uso.

B. Uso no ComfyUI

ComfyUI é uma UI de geração de imagem desenvolvida por comfyanonymous , permitindo que os usuários manipulem livremente os nós, nomeada por sua flexibilidade e profissionalismo. Usar o modelo de previsão V requer apenas adicionar nós adicionais.

C. Uso no WebUI

WebUI é um projeto stable-diffusion-webui desenvolvido por AUTOMATIC1111 . Atualmente, o ramo principal do WebUI, que é o ramo principal, não suporta o modelo de previsão V e precisa ser trocado para dev. Por favor, note que esse método é instável e pode ter bugs. O uso inadequado pode até causar danos irreversíveis ao WebUI. Portanto, faça um backup do seu WebUI com antecedência. O método específico é o seguinte:

1. Se você ainda não instalou o WebUI, consulte o tutorial online para instalá-lo.
2. Abra o Console ou Terminal no diretório de instalação do seu stable-diffusion-webui.
3. Digite o comando git checkout dev e pressione Enter.
4. Reinicie o WebUI.

D. Uso em Diffusers

Diffusers é uma biblioteca dedicada a modelos de difusão em Python. Este uso requer que os usuários tenham uma certa base de código e é recomendado para desenvolvedores e pesquisadores. Exemplo de código:

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. Uso do Modelo
4. Prompt

NoobAI-XL não possui requisitos rígidos para palavras-chave de prompt, e as ações recomendadas neste artigo são um complemento.

NoobAI-XL recomenda que os usuários usem tags como prompt para adicionar o conteúdo desejado. Cada tag é uma palavra ou frase em inglês separada por uma vírgula em inglês “,”, e tags diretamente do Danbooru e e621 têm efeitos mais fortes. Para melhorias adicionais, veja a especificação de prompt mais adiante.

Sugerimos sempre adicionar a tag estética “very awa” e a tag de qualidade “masterpiece” ao seu prompt.

NoobAI-XL suporta a geração de personagens e estilos de artistas de alta fidelidade, ambos acionados por tags, que chamamos de “palavras-chave de ativação”. Entre elas, as palavras-chave para personagens são seus nomes; as palavras-chave para estilos de artistas são os nomes dos artistas. A tabela completa de palavras-chave pode ser baixada de noob-wiki . Explicações detalhadas sobre palavras-chave podem ser encontradas abaixo .

Semelhante ao NovelAI, NoobAI-XL suporta tags especiais, como qualidade, estética, ano de criação, período de criação e classificação de segurança para fins auxiliares. Leitores interessados podem ver a introdução detalhada no texto a seguir .

2. Parâmetros Gerados

A. Parâmetros Básicos

A tabela a seguir recomenda três parâmetros de geração: amostrador , passos de amostragem e CFG Scale . Negrito é fortemente recomendado; negrito em vermelho é um requisito rigoroso. Usar valores de parâmetro diferentes desses trará efeitos inesperados.

Número da versão	Todas as versões de previsão de ruído	Versão de Previsão V 1.0	Versão de Previsão V 0.9r	Versão de Previsão V 0.75s	Versão de Previsão V 0.65s	Versão de Previsão V 0.6	Versão de Previsão V 0.5	Versão Beta de Previsão V
Parâmetros recomendados	Amostrador: Euler A CFG: 5~ 7 Passos de amostragem: 28~ 35	Amostrador: Euler CFG: 3.5 ~ 5.5 Passos de amostragem: 32~ 40Amostrador: Euler A CFG: 3 ~ 5 Passos de amostragem: 28~ 40	Amostrador: Euler CFG: 3.5 ~ 5.5 Passos de amostragem: 32~ 40Amostrador: Euler A CFG: 3 ~ 5 Passos de amostragem: 28~ 40	Amostrador: Euler A CFG: 3 ~ 5 Passos de amostragem: 28~ 40	Amostrador: Euler A ou Euler CFG: 3.5 ~ 5.5 Passos de amostragem: 32~ 40Amostrador: Euler A CFG: 5 ~ 7 Passos de amostragem: 28~ 40	Amostrador: Euler CFG: 3.5~ 5.5 Passos de amostragem: 28~ 35	Amostrador: Euler CFG: 3.5~ 5.5 Passos de amostragem: 28~ 40	Amostrador: Euler A CFG: 5~ 7 Passos de amostragem: 28~ 35

B. Como usar Modelos de Previsão V MUITO Melhor

Para o modelo de previsão V, os seguintes parâmetros são recomendados para (i) otimizar cor, iluminação e detalhes; (ii) eliminar os efeitos de superexposição e saturação excessiva; e (iii) melhorar a compreensão semântica.

1. Qualquer otimizador com o parâmetro Rescale CFG (~ 0.7 ou algo assim). Algumas UIs de geração de imagem não o suportam.
2. Ou, Euler Ancestor CFG ++ amostrador , e defina o CFG Scale entre 1 e 1.8 . Algumas UIs de geração de imagem não o suportam.

C. Resoluções

A resolução (largura x altura) da imagem gerada é um parâmetro importante. De maneira geral, por razões arquitetônicas, todos os modelos SDXL, incluindo NoobAI-XL, precisam usar uma resolução específica para alcançar o melhor efeito. Não são permitidos mais ou menos pixels, caso contrário, a qualidade da imagem gerada será enfraquecida. A resolução recomendada do NoobAI-XL é mostrada na tabela abaixo:

Resolução (L x A)	768×1344	832×1216	896×1152	1024×1024	1152×896	1216×832	1344×768
Proporção	9:16	2:3	3:4	1:1	4:3	3:2	16:9

Você também pode usar uma resolução de área maior, embora isso não seja estável. (De acordo com a pesquisa SD3, quando a área gerada se torna um $$$$ múltiplo do original, a incerteza do modelo se tornará um múltiplo do original $$k^$$.) Recomendamos que a área da imagem gerada não exceda 1,5 vezes a original. Por exemplo, 1024×1536.

3. Outras observações

1. O modelo de previsão V é mais sensível ao prompt e aos parâmetros de geração.
2. CLIP skip não se aplica a todos os modelos da arquitetura SDXL, então não há necessidade de configurá-lo.
3. O modelo não precisa usar nenhum outro modelo VAE.

4. Outros recursos

• Este artigo fornece um guia para iniciantes sobre NoobAI-XL e é recomendado para iniciantes lerem.

3. Uso avançado

Se você está interessado no modelo e gostaria de aprender mais sobre ele, esta seção fornece um guia detalhado para usar o modelo.

1. Lista de Modelos
2. Modelo Base

NoobAI-XL inclui várias versões diferentes do modelo base para uma série. A tabela a seguir resume as características de cada versão.

Número da versão	Tipo de previsão	Link para download	Iteração desde	Características da versão
Acesso Antecipado	Previsão de ruído	CivitAIHuggingface	Illustrious-xl-early-release-v0	A versão mais antiga, mas já possui treinamento suficiente.
Epsilon-pred 0.5	Previsão de ruído	CivitAIHuggingface	Acesso Antecipado	(Recomendado) A versão mais estável, a única desvantagem é a falta de conhecimento de conceitos obscuros.
Epsilon-pred 0.6	Previsão de ruído	Huggingface	Acesso Antecipado 0.5	(Recomendado) A última versão de treinamento apenas UNet tem excelente efeito de convergência. A equipe de teste é chamada de “178000”, que é apreciada por muitas pessoas.
Epsilon-pred 0.75	Previsão de ruído	CivitAIHuggingface	Epsilon-pred 0.6	O codificador de texto (TTE) foi treinado para aprender mais conhecimento obscuro, mas o desempenho de qualidade piorou.
Epsilon-pred 0.77	Previsão de ruído	Huggingface	Epsilon-pred 0.75	Treinado por mais duas épocas com base no Epsilon-pred 0.75, melhorando a degradação do desempenho.
Epsilon-pred 1.0	Previsão de ruído	CivitAIHuggingface	Epsilon-pred 0.77	(Recomendado) Mais 10 rodadas de treinamento para consolidar o novo conhecimento do tte, equilíbrio de desempenho.
Pré-teste	Previsão V	CivitAIHuggingface	Epsilon-pred 0.5	(Não recomendado) Versão experimental inicial de previsão V.
V-pred 0.5	Previsão V	CivitAIHuggingface	Epsilon-pred 1.0	(Não recomendado) Há um problema de alta saturação.
V-pred 0.6	Previsão V	CivitAIHuggingface	V-pred 0.5	(Não recomendado) Com base nos resultados da avaliação preliminar, o V-pred0.6 se destaca na cobertura de conhecimento raro, alcançando o nível mais alto entre os modelos atualmente publicados. Ao mesmo tempo, o modelo melhora significativamente o problema de degradação de qualidade.
V-pred 0.65	Previsão V	Huggingface	V-pred 0.6	(Não recomendado) Há um problema de saturação.
V-pred 0.65s	Previsão V	CivitAIHuggingface	V-pred 0.6	O problema de saturação está quase resolvido! Mas tem problema de artefatos, que será resolvido na próxima versão.
Epsilon-pred 1.1	Previsão de ruído	CivitAIHuggingface	Epsilon-pred 1.0	(Recomendado) O problema de brilho médio foi resolvido, e todos os aspectos melhoraram.
V-pred 0.75	Previsão V	Huggingface	V-pred 0.65	(Não recomendado) Há um problema de saturação.
V-pred 0.75s	Previsão V	CivitAIHuggingface	V-pred 0.65	(Recomendado) Resolver a saturação em situações extremas, problemas de ruído residual e artefatos.
V-pred 0.9r	Previsão V	CivitAI	V-pred 0.75	Treinado com ~10% de dados de realismo. Tem degradação.
V-pred 1.0	Previsão V	CivitAI	V-pred 0.75	(Recomendado) Melhor qualidade/desempenho/cor equilibrada.

2. Modelo Estendido: ControlNet

Tipo de previsão	Tipo de ControlNet	Link	Tipo de pré-processador	Observações
Previsão de ruído	Borda suave HED	CivitAIHuggingface	softedge_hed
Previsão de ruído	Anime lineart	CivitAIHuggingface	lineart_anime
Previsão de ruído	Mapa normal Midas	CivitAIHuggingface	normal_midas
Previsão de ruído	Mapa de profundidade Midas	CivitAIHuggingface	depth_midas
Previsão de ruído	Contorno Canny	CivitAIHuggingface	canny
Previsão de ruído	Esqueleto humano Openpose	CivitAIHuggingface	openpose
Previsão de ruído	Linha de mangá	CivitAIHuggingface	manga_line / lineart_anime / lineart_realistic
Previsão de ruído	Lineart realista	CivitAIHuggingface	lineart_realistic
Previsão de ruído	Mapa de profundidade Midas	CivitAIHuggingface	depth_midas	Nova versão
Previsão de ruído	Rabisco HED	CivitAIHuggingface	scribble_hed
Previsão de ruído	Rabisco Pidinet	CivitAIHuggingface	scribble_pidinet
Previsão de ruído	Tile	CivitAIHuggingface	tile

Note que ao usar o ControlNet, você DEVE combinar o tipo de pré-processador que está usando com o tipo de pré-processador que o ControlNet requer. Além disso, você PODE NÃO PRECISAR combinar o tipo de previsão do modelo base com o tipo de previsão do ControlNet.

3. Modelo de Extensão: IP-Adapter

Em breve.

4. Modelo LoRA

A maioria dos LoRAs pode ser usada tanto para versões de previsão de ruído quanto para versões de previsão V, e vice-versa.

2. Orientação de Prompt

Primeiramente, precisamos esclarecer que o papel dos prompts é guiar. Bons prompts podem liberar o potencial do modelo, mas prompts ruins ou até mesmo incorretos podem não necessariamente piorar os resultados. Diferentes modelos têm diferentes usos ótimos de prompt, e o efeito do uso inadequado muitas vezes não é óbvio, e em alguns casos, pode até melhorar. Este guia de prompt registra o melhor engenharia de prompt teórica do modelo, e leitores capacitados também podem usá-lo livremente.

Esta seção fornecerá um guia detalhado para escrever prompts, incluindo padrões de escrita de prompts, uso específico de palavras-chave de papel e estilo, uso de tags especiais, e assim por diante. Leitores interessados em engenharia de prompt podem escolher ler seletivamente.

1. Especificação de Prompt

NoobAI-XL tem a mesma especificação de prompt que outros modelos base semelhantes a anime. Esta seção apresentará sistematicamente as especificações básicas de escrita de prompts e ajudará os leitores a eliminar equívocos comuns na comunidade.

De acordo com os diferentes formatos, os prompts podem ser divididos em duas categorias: tags e linguagem natural. As primeiras são usadas principalmente para modelos de anime, e as últimas são usadas principalmente para modelos da vida real. Independentemente de qual prompt, a menos que o modelo especifique o contrário, deve conter apenas letras, números e símbolos em inglês.

Tags são compostas por palavras ou frases em inglês em minúsculas separadas por vírgulas em inglês “,”, por exemplo, “1girl, solo, blue hair” contém três tags, “1girl”, “solo” e “blue hair”.

Os espaços extras e caracteres de nova linha no prompt não afetarão o efeito real da geração. Em outras palavras, “1girl, solo, blue hair” e “1girl, solo, blue hair” têm exatamente o mesmo efeito.

Prompts não devem conter nenhum sublinhado “_”. Influenciado por sites como Danbooru, o uso de sublinhados “_” em vez de espaços entre palavras como tags se espalhou, o que na verdade é um uso inadequado e fará com que os resultados gerados sejam diferentes de usar espaços. A maioria dos modelos, incluindo NoobAI-XL, não recomenda incluir sublinhados em prompts. Esse uso inadequado pode afetar a qualidade da geração na melhor das hipóteses, e até mesmo tornar as palavras-chave completamente inválidas na pior das hipóteses.

Escape parênteses se necessário. Parênteses, incluindo colchetes (), colchetes [], e chaves {}, são símbolos muito especiais em prompts. Ao contrário de símbolos gerais, na maioria das UIs de geração de imagem, parênteses são interpretados como pesos de conteúdo específico, e os parênteses que participam do peso não terão seu significado original. No entanto, e se o prompt original precisar incluir parênteses, como algumas palavras-chave? A resposta é que a função de peso dos parênteses pode ser eliminada adicionando uma barra invertida “\” antes dos parênteses. Esta operação de mudar o significado original de um caractere é chamada de escape, e barras invertidas também são chamadas de caracteres de escape. Por exemplo, se você não usar uma barra invertida para escapar, o prompt “1girl, ganyu (genshin impact)” será interpretado incorretamente como “1girl, ganyu genshin impact”, onde “genshin impact” é ponderado e os parênteses desaparecem. Ao adicionar um caractere de escape, o prompt se torna “1girl, ganyu \(genshin impact\)”, como esperado.

Em resumo, a padronização de tags é dividida em duas etapas: (i) substituir sublinhados por espaços em cada tag, e (ii) adicionar uma barra invertida “\” antes dos parênteses.

Tags diretamente do Danbooru e e621 têm um efeito expressivo mais forte. Portanto, em vez de criar suas próprias tags, recomendamos que os leitores busquem tags diretamente nesses dois sites. Deve-se notar que as tags obtidas diretamente dessa forma são separadas por um sublinhado “_” e os parênteses não são escapados. Portanto, antes de adicionar dicas a tags delas, você precisa remover os espaços nas tags e escapar os parênteses. Por exemplo, trate tags do Danbooru “ganyu_ (genshin_impact) ” como “ganyu\ (genshin impact\)” antes de usar.

Não use tags meta inválidas. Tags meta (tags meta ) são um tipo especial de tag no Danbooru usadas para indicar as características de arquivos de imagem ou obras em si. Por exemplo, “highres ” indica que a imagem tem alta resolução, “oil_painting_ (medium) ” indica que a imagem está no estilo de pintura a óleo. No entanto, nem todas as tags meta estão relacionadas ao conteúdo ou forma da imagem. Por exemplo, “commentary_request ” indica que a postagem do Danbooru tem um pedido de tradução para a obra, o que não tem relação direta com a obra em si e, portanto, não tem efeito.

Palavras-chave sequenciais são melhores. NoobAI-XL recomenda escrever prompts em ordem lógica, do primário ao secundário. Uma possível ordem de escrita é a seguinte, apenas para referência:

< 1girl/1boy/1other/female/male/… >, < character >, < series >, < artist (s) >, < general tags >, < other tags >, < quality & aesthetic tags >

Entre elas, as < quality & aesthetic tags > podem ser prefixadas.

Prompts de linguagem natural são compostos por frases, cada uma começando com letra maiúscula e terminando com um ponto “.”. A maioria dos modelos de anime, incluindo NoobAI-XL, tem uma melhor compreensão de tags, então linguagem natural é frequentemente usada como um auxiliar em vez de um componente principal nos prompts.

2. Personagens e Estilos de Artistas

NoobAI-XL suporta a geração direta de um grande número de personagens e estilos de artistas feitos por fãs. Personagens e estilos são acionados por nomes, que também são tags chamadas palavras-chave de ativação. Você pode pesquisar diretamente no Danbooru ou e621 , e padronizar as tags resultantes como prompts.

1. Uso

Existem algumas diferenças na forma como personagens e artistas são acionados.

• Para estilo de artista, basta adicionar o nome do artista ao prompt sem adicionar nenhum prefixo, sufixos ou decorações adicionais, nem “por xxx” nem “artista: xxx”, apenas “xxx”.
• Para personagens, use a forma de “nome do personagem + série”. Ou seja, além de adicionar o nome do personagem, uma tag de série adicional precisa ser adicionada imediatamente após a tag de palavra-chave do personagem para indicar de qual obra o personagem vem. Se um personagem tiver várias tags de série, uma ou mais delas podem ser adicionadas. Por favor, note que se o nome do personagem já contiver o nome da série, você ainda precisa adicionar a tag de série sem considerar duplicação. Normalmente, “nome do personagem + nome da série” é suficiente para restaurar o personagem. Por exemplo, o personagem da série “genshin_impact ” ganyu_ (genshin_impact) “A palavra-chave de ativação é “ganyu\ (genshin impact\), genshin impact”. Da mesma forma, palavras-chave de ativação de personagens não precisam adicionar nenhum prefixo, sufixos ou modificadores adicionais.

A tabela a seguir demonstra alguns casos corretos e incorretos de ativação de personagens e estilos:

Tipo	Palavra-chave do prompt	Certo ou errado	Razão
Personagem	Rei Ayanami	Errado	O nome do personagem deve ser “ayanami rei ”. Nenhuma tag de série “neon genesis evangelion ” adicionada.
Personagem	personagem:ganyu \(genshin impact\), genshin impact	Errado	Adicionou o prefixo “personagem:” superficialmente.
Personagem	ganyu_\(genshin impact\)	Errado	Sem tags totalmente normalizadas: não deve conter sublinhados. Nenhuma tag de série foi adicionada.
Personagem	ganyu (genshin impact), genshin impact	Errado	Sem tags totalmente normalizadas: parênteses não são escapados.
Personagem	ganyu (genshin impact\), genshin impact	Errado	Sem tags totalmente normalizadas: o parêntese esquerdo não é escapado.
Personagem	ganyu \(genshin impact\)，genshin impact	Errado	Separou duas tags com uma vírgula chinesa
Personagem	ganyu \(genshin impact\), genshin impact	Certo
Estilo de artista	por wlop	Errado	Adicionou o prefixo “por” superficialmente.
Estilo de artista	artista:wlop	Errado	Adicionou o prefixo “artista:” superficialmente.
Estilo de artista	dino	Errado	O nome do artista está errado, o nome do artista de aidxl/artiwaifu não deve ser usado, mas deve seguir o Danbooru, então é “dino\ (dinoartforame\) ”.
Estilo de artista	wlop	Certo

2. Wiki de Palavras-chave

Para sua conveniência, também fornecemos uma forma completa de palavras-chave na noob-wiki para sua referência:

Tipo de tabela	Link para download
Personagem Danbooru	Clique aqui
Estilo de Artista Danbooru	Clique aqui
Personagem E621	Clique aqui
Estilo de Artista E621	Clique aqui

Cada uma dessas formas contém uma tabela de palavras-chave de um dos bancos de dados Danbooru e e621. Cada linha da tabela representa um personagem ou estilo de artista. Você só precisa encontrar a linha correspondente ao personagem ou estilo de artista desejado, copiar a seção “trigger” e colá-la na palavra-chave do prompt como está. Se você não tiver certeza sobre um personagem ou estilo de artista, também pode clicar no link na coluna “url” para visualizar o diagrama de exemplo no site. A tabela a seguir explica o significado de cada coluna. Nem toda tabela contém todas as colunas.

Listados	Significado	Observações
personagem	O nome da tag do papel no site correspondente.
artista	Estilo de artista no nome da tag do site correspondente.
trigger	Palavras-chave após padronização.	Copie e cole na palavra-chave do prompt como está e use-a.
contagem	Número de imagens com essa tag.	Como uma expectativa do grau de restauração desse conceito. Para personagens, uma contagem superior a 200 pode ser melhor restaurada. Para estilo, uma contagem superior a 100 pode ser melhor restaurada.
url	Página de tag no site original.
solo_count	O número de imagens no conjunto de dados com essa tag e apenas um personagem na imagem.	Apenas tabela de papéis. Para papéis, solo_count acima de 50 pode ser restaurado melhor. Quando o grau de redução é julgado pela contagem, a variação da coluna de contagem é grande e a precisão é baixa, enquanto solo_count é um indicador mais preciso.
core_tags	As tags características principais do personagem incluem aparência, gênero e vestuário. Separadas por vírgulas em inglês, cada tag foi padronizada.	Apenas lista de personagens Danbooru. Quando personagens impopulares são acionados e seu grau de restauração é insuficiente, várias tags de características principais podem ser adicionadas para aumentar o grau de restauração.

3. Tags Especiais

Tags especiais são um tipo de tag com significados e efeitos especiais que servem como uma função auxiliar.

1. Tags de Qualidade

Tags de qualidade são na verdade tags de popularidade obtidas a partir de dados estatísticos com base nas preferências dos usuários do Danbooru e e621. Na ordem de qualidade de alta para baixa:

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

2. Tags Estéticas

Tags estéticas pontuadas de acordo com o modelo de pontuação estética. Até agora, existem apenas duas, “very awa ” e “worst aesthetic ”. A primeira é a pontuação com waifu-scorer-v3 e waifu-scorer-v4-beta que estão nas 5% mais altas, e a última é a pontuação com os 5% mais baixos. É chamada de very awa porque seus padrões estéticos são semelhantes ao modelo Arti Waifu Diffusion . Além disso, uma tag estética que ainda está em treinamento e não tem efeito óbvio é “very as2”, que é a pontuação com “aesthetic-shadow-v2-5 ” nas 5% mais altas.

Comparação dos efeitos das etiquetas estéticas

3. Tags de Segurança/Classificação

Existem quatro tags de segurança/classificação: geral , sensível , nsfw e explícito .

Esperamos que os usuários adicionem conscientemente “nsfw” em prompts negativos para filtrar conteúdo inadequado. 😀

4. Tags de Ano e Período

A tag de ano é usada para indicar o ano de criação da obra, afetando indiretamente a qualidade, estilo, grau de restauração do personagem , etc. Seu formato é “ano xxxx ”, onde “xxxx” é um ano específico, como “ano 2024”.

Tags de período são tags de ano que também têm um impacto significativo na qualidade da imagem. A correspondência entre tags e anos é mostrada na tabela abaixo.

Intervalo de anos	2021~2024	2018~2020	2014~2017	2011~2013	2005~2010
Etiqueta de período	mais novo	recente	médio	início	antigo

4. Outras Dicas

Esta seção fornece exemplos de uso recomendados de prompts apenas para referência.

1. Prompts de Qualidade

O seguinte ponto de partida recomendado usa tags especiais, que são as que têm a maior correlação com a qualidade da imagem.

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

2. Prompts Negativos

A tabela a seguir introduz tags negativas comuns e suas fontes. Nem todas as tags negativas são necessariamente ruins, e usá-las corretamente pode ter efeitos inesperados.

Tag	Tradução	Observações	Fonte
Etiqueta de Qualidade
worst aesthetic	A pior estética	Contém conceitos estéticos baixos, como baixa qualidade, marcas d'água, quadrinhos, múltiplas visões e esboços inacabados	Estética
worst quality	Pior qualidade		Qualidade
low quality	Baixa qualidade	A baixa qualidade do Danbooru	Qualidade
bad quality	Baixa qualidade	Baixa qualidade do e621	Qualidade
lowres	Baixa resolução		Danbooru
scan artifacts	Artefato de digitalização		Danbooru
jpeg artifacts	Artefato de compressão de imagem JPEG		Danbooru
lossy-lossless	-	Imagens que foram convertidas de formato de imagem com perda para formato de imagem sem perda geralmente estão cheias de artefatos.	Danbooru
Etiquetas de Composição e Forma de Arte
ai-generated	Gerado por IA	Gerado por IA, geralmente tem uma sensação gordurosa gerada por IA.	Danbooru
abstract	Abstrato	Eliminar linhas desordenadas	Danbooru
official art	Arte oficial	Ilustrações feitas pela empresa/artista oficial da série ou personagem. O copyright , empresa ou nome do artista , e aviso de copyright podem ser impressos em algum lugar da imagem.	Danbooru
old	Imagens antigas		Período
4koma	Quadrinho de quatro painéis		Danbooru
multiple views	Múltiplas visões		Danbooru
reference sheet	Design de personalidade		Danbooru
dakimakura \(medium\)	Diagrama de travesseiro		Danbooru
turnaround	Vista de corpo inteiro		Danbooru
comic	Desenho animado		Danbooru
greyscale	Mapa de lançamento em preto e branco	Imagem em preto e branco	Danbooru
monochrome	Monocromático	Imagem em preto e branco	Danbooru
sketch	Rascunho		Danbooru
unfinished	Trabalho inacabado		Danbooru
Etiqueta E621
furry	Furry		e621
anthro	Furry antropomorfizado		e621
feral	Furry		e621
semi-anthro	Furry semi-antropomórfico		e621
mammal	Mamíferos (Furry)		e621
Etiqueta de Marca d'água
watermark	Marca d'água		Danbooru
logo	LOGO		Danbooru
signature	Assinatura do artista		Danbooru
text	Texto		Danbooru
artist name	Nome do artista		Danbooru
dated	Data		Danbooru
username	Nome de usuário		Danbooru
web address	Website		Danbooru
Etiqueta Anatômica
bad hands	Mão ruim		Danbooru
bad feet	Pé ruim		Danbooru
extra digits	Dedos extras		Danbooru
fewer digits	Dedos faltando		Danbooru
extra arms	Múltiplos braços		Danbooru
extra faces	Multifacetado		Danbooru
multiple heads	Vários		Danbooru
missing limb	Menos membro		Danbooru
amputee	Perda de membros		Danbooru
severed limb	Amputação		Danbooru
mutated hands	Mão mutante		-
distorted anatomy	Anatomia distorcida		-
Tag de Conteúdo
nsfw	Grau pornográfico		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...