คู่มือฉบับสมบูรณ์ NoobAI

```html

ยินดีต้อนรับสู่คู่มือ NoobAI

เอกสารนี้ให้ ข้อมูลที่ครอบคลุม สมบูรณ์ และ ทันสมัย เกี่ยวกับการแนะนำ NoobAI-XL โมเดล.

Noob คืออะไร?

NoobAI-XL เป็นโมเดลการแพร่กระจายจากข้อความเป็นภาพที่พัฒนาโดย Laxhar Dream Lab และได้รับการสนับสนุนโดย Lanyun.

ใบรับรองโมเดลมาจาก fair-ai-public-license-1.0-sd และมีข้อจำกัดบางประการ (ดู ใบรับรองโมเดล NoobAI-XL). โมเดลนี้อิงจากสถาปัตยกรรมโมเดล SDXL’s โมเดลพื้นฐานคือ Illustrious-xl-early-release-v0 โมเดล. มันได้รับการฝึกอบรมจากชุดข้อมูลที่สมบูรณ์ Danbooru และ e621 (ประมาณ 13 ล้านภาพ) เป็นจำนวนรอบมากมาย โดยมีความรู้ที่หลากหลายและประสิทธิภาพที่ยอดเยี่ยม.

Epsilon vs V-pred

NoobAI-XL มีความรู้จำนวนมาก ซึ่งสามารถฟื้นฟูสไตล์ของตัวละคร 2D และศิลปินจำนวนมาก รู้จักแนวคิดพิเศษใน 2D จำนวนมาก และมีความรู้เกี่ยวกับ furry ที่หลากหลาย.

NoobAI-XL มีทั้ง การคาดการณ์เสียง (หรือพูดว่า การคาดการณ์ epsilon) และ การคาดการณ์ V รุ่น. สั้นๆ ว่ารุ่นการคาดการณ์เสียงสร้างภาพที่หลากหลายและสร้างสรรค์มากขึ้น ในขณะที่รุ่นการคาดการณ์ V จะปฏิบัติตามคำสั่งมากขึ้นและสร้างภาพที่มีช่วงสีที่กว้างขึ้นและแสงที่เข้มข้นขึ้น.

NoobAI-XL มีการสนับสนุนจากชุมชนที่มีระบบนิเวศที่ร่ำรวยมากขึ้น รวมถึง LoRA ต่างๆ, ControlNet , IP-Adapter และอื่นๆ.

NoobAI-XL รวมถึงชุดของโมเดล โดยหลักแล้วคือการคาดการณ์เสียงและการคาดการณ์ V ซึ่งจะถูกอธิบายโดยละเอียด ในภายหลัง .

เริ่มต้นอย่างรวดเร็ว

ก่อนอ่านส่วนนี้ ผู้ใช้ต้องเข้าใจการใช้งานพื้นฐานของ UI รูปภาพดิบประเภทใดๆ เช่น WebUI , ComfyUI , forge หรือ reForge . มิฉะนั้น ผู้ใช้ต้องเรียนรู้จาก ที่นี่ หรือจากอินเทอร์เน็ต (เช่น Bilibili เป็นต้น).

เว็บไซต์	ลิงก์
CivitAI	คลิกที่นี่
LiblibAI	คลิกที่นี่
Huggingface	คลิกที่นี่

หากคุณไม่รู้ว่าจะดาวน์โหลดโมเดลไหน คุณสามารถ เรียกดูที่นี่ .

การโหลดโมเดล

โมเดล NoobAI-XL แบ่งออกเป็นสองประเภท: การคาดการณ์เสียง ( การคาดการณ์ epsilon , หรือย่อว่า eps-pred ) และการคาดการณ์ V ( การคาดการณ์ v , หรือย่อว่า v-pred ). โมเดลที่มีคำว่า “eps”, “epsilon-pred”, หรือ “eps-pred” ในชื่อของพวกเขาคือโมเดลการคาดการณ์เสียง ซึ่งไม่แตกต่างจากโมเดลอื่นมากนัก หากคุณใช้พวกเขา คุณสามารถข้ามส่วนนี้ไปได้เลย โมเดลที่มีคำว่า “v” หรือ “v-pred” ในชื่อของพวกเขาคือโมเดลการคาดการณ์ V ซึ่งแตกต่างจากโมเดลทั่วไปส่วนใหญ่ โปรดอ่านคู่มือการติดตั้งในส่วนนี้อย่างละเอียด! หลักการของโมเดลการคาดการณ์ V สามารถพบได้ใน บทความนี้ .

การโหลดโมเดลการคาดการณ์ V

การคาดการณ์ V เป็นเทคนิคการฝึกอบรมโมเดลที่ค่อนข้างหายาก โมเดลที่ฝึกด้วยเทคนิคนี้เรียกว่าโมเดลการคาดการณ์ V เมื่อเปรียบเทียบกับการคาดการณ์เสียง โมเดลการคาดการณ์ V มีชื่อเสียงในด้านการปฏิบัติตามคำแนะนำที่สูงขึ้น ช่วงสีที่ครอบคลุมมากขึ้น และแสงและเงาที่เข้มข้นขึ้น ซึ่งแสดงโดย NovelAI Diffusion V3 และ COSXL . เนื่องจากปรากฏตัวช้าและมีโมเดลประเภทนี้น้อยลง โครงการกราฟิกหลักบางโครงการและ UI จึงไม่สนับสนุนโดยตรง ดังนั้นหากคุณวางแผนที่จะใช้โมเดลการคาดการณ์ V คุณจะต้องทำการดำเนินการเพิ่มเติมบางอย่าง ส่วนนี้จะอธิบายการใช้งานเฉพาะ หากคุณพบปัญหาใดๆ ในระหว่างการใช้งาน คุณยังสามารถติดต่อผู้เขียนโมเดลใดๆ เพื่อขอความช่วยเหลือได้.

A. ใช้ใน forge หรือ reForge

Forge และ reForge เป็นสอง UI การสร้างภาพ AI ที่พัฒนาโดย lllyasviel และ Panchovix ตามลำดับ ทั้งสองเป็นเวอร์ชันขยายของ WebUI สาขาหลักของพวกเขาสนับสนุนโมเดลการคาดการณ์ V และโหมดการทำงานเกือบจะเหมือนกับ WebUI ดังนั้นจึงแนะนำ หากคุณได้ติดตั้งหนึ่งในนั้นแล้ว คุณเพียงแค่ต้องรัน git pull เพื่ออัปเดตในไดเรกทอรีการติดตั้งและรีสตาร์ท; หากคุณยังไม่ได้ติดตั้ง คุณสามารถดูบทเรียนออนไลน์สำหรับการติดตั้งและการใช้งาน.

B. ใช้ใน ComfyUI

ComfyUI เป็น UI การสร้างภาพที่พัฒนาโดย comfyanonymous ซึ่งอนุญาตให้ผู้ใช้จัดการโหนดได้อย่างอิสระ ตั้งชื่อตามความยืดหยุ่นและความเป็นมืออาชีพของมัน การใช้โมเดลการคาดการณ์ V เพียงแค่ต้องเพิ่มโหนดเพิ่มเติม.

C. ใช้ใน WebUI

WebUI เป็นโครงการ stable-diffusion-webui ที่พัฒนาโดย AUTOMATIC1111 . ขณะนี้ สาขาหลักของ WebUI ซึ่งเป็นสาขาหลัก ไม่สนับสนุนโมเดลการคาดการณ์ V และต้องเปลี่ยนไปใช้ dev. โปรดทราบว่าวิธีนี้ไม่เสถียรและอาจมีบั๊ก การใช้งานที่ไม่เหมาะสมอาจทำให้ WebUI เสียหายอย่างถาวรได้ ดังนั้นโปรดสำรองข้อมูล WebUI ของคุณล่วงหน้า วิธีการเฉพาะมีดังนี้:

1. หากคุณยังไม่ได้ติดตั้ง WebUI โปรดดูบทเรียนออนไลน์เพื่อติดตั้ง.
2. เปิด Console หรือ Terminal ในไดเรกทอรีการติดตั้งของ stable-diffusion-webui ของคุณ.
3. ป้อนคำสั่ง git checkout dev และกด Enter.
4. รีสตาร์ท WebUI.

D. ใช้ใน Diffusers

Diffusers เป็นไลบรารีโมเดลการแพร่กระจาย Python ที่มุ่งเน้น. การใช้งานนี้ต้องการให้ผู้ใช้มีพื้นฐานโค้ดบางอย่าง และแนะนำให้ใช้โดยนักพัฒนาและนักวิจัย ตัวอย่างโค้ด:

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. การใช้งานโมเดล
4. คำสั่ง

NoobAI-XL ไม่มีข้อกำหนดที่เข้มงวดสำหรับคำสั่ง และการกระทำที่แนะนำในเอกสารนี้เป็นเพียงการเสริม.

NoobAI-XL แนะนำให้ผู้ใช้ใช้แท็กเป็นคำสั่งเพื่อเพิ่มเนื้อหาที่ต้องการ แต่ละแท็กเป็นคำหรือวลีภาษาอังกฤษที่แยกจากกันด้วยเครื่องหมายจุลภาคภาษาอังกฤษ “,” และแท็กที่มาจาก Danbooru และ e621 จะมีผลที่แข็งแกร่งกว่า สำหรับการปรับปรุงเพิ่มเติม โปรดดูที่ ข้อกำหนดคำสั่ง ในภายหลัง.

เราขอแนะนำให้เพิ่ม แท็กความงาม “very awa” และ แท็กคุณภาพ “masterpiece” ลงในคำสั่งของคุณ.

NoobAI-XL สนับสนุนการสร้างตัวละครและสไตล์ศิลปินที่มีความแม่นยำสูง ซึ่งทั้งสองอย่างถูกกระตุ้นโดยแท็ก ซึ่งเราเรียกว่า “trigger words“. ในหมู่พวกเขา trigger words สำหรับตัวละครคือชื่อของพวกเขา; trigger words สำหรับสไตล์ศิลปินคือชื่อของศิลปิน ตาราง trigger word ที่สมบูรณ์สามารถดาวน์โหลดได้จาก noob-wiki . คำอธิบายโดยละเอียดเกี่ยวกับ trigger words สามารถพบได้ ด้านล่าง .

คล้ายกับ NovelAI, NoobAI-XL สนับสนุนแท็กพิเศษ เช่น คุณภาพ ความงาม ปีที่สร้าง ระยะเวลาที่สร้าง และระดับความปลอดภัยเพื่อวัตถุประสงค์เสริม ผู้ที่สนใจสามารถดูการแนะนำโดยละเอียดใน ข้อความต่อไปนี้ .

2. พารามิเตอร์ที่สร้างขึ้น

A. พารามิเตอร์พื้นฐาน

ตารางด้านล่างแนะนำพารามิเตอร์การสร้างสามตัว: sampler , sampling steps , และ CFG Scale . ตัวหนา แนะนำอย่างยิ่ง; ตัวหนาสีแดง เป็นข้อกำหนดที่เข้มงวด การใช้ค่าพารามิเตอร์อื่นนอกจากนี้จะนำไปสู่ผลลัพธ์ที่ไม่คาดคิด.

หมายเลขเวอร์ชัน	รุ่นการคาดการณ์เสียงทั้งหมด	รุ่นการคาดการณ์ V 1.0	รุ่นการคาดการณ์ V 0.9r	รุ่นการคาดการณ์ V 0.75s	รุ่นการคาดการณ์ V 0.65s	รุ่นการคาดการณ์ V 0.6	รุ่นการคาดการณ์ V 0.5	รุ่นการคาดการณ์ V Beta
พารามิเตอร์ที่แนะนำ	Sampler: Euler A CFG: 5~ 7 Sampling steps: 28~ 35	Sampler: Euler CFG: 3.5 ~ 5.5 Sampling steps: 32~ 40Sampler: Euler A CFG: 3 ~ 5 Sampling steps: 28~ 40	Sampler: Euler CFG: 3.5 ~ 5.5 Sampling steps: 32~ 40Sampler: Euler A CFG: 3 ~ 5 Sampling steps: 28~ 40	Sampler: Euler A CFG: 3 ~ 5 Sampling steps: 28~ 40	Sampler: Euler A หรือ Euler CFG: 3.5 ~ 5.5 Sampling steps: 32~ 40Sampler: Euler A CFG: 5 ~ 7 Sampling steps: 28~ 40	Sampler: Euler CFG: 3.5~ 5.5 Sampling steps: 28~ 35	Sampler: Euler CFG: 3.5~ 5.5 Sampling steps: 28~ 40	Sampler: Euler A CFG: 5~ 7 Sampling steps: 28~ 35

B. วิธีการใช้โมเดลการคาดการณ์ V ให้ดียิ่งขึ้น

สำหรับโมเดลการคาดการณ์ V พารามิเตอร์ต่อไปนี้แนะนำให้ (i) ปรับสี แสง และรายละเอียดให้เหมาะสม; (ii) กำจัดผลกระทบจากการอิ่มตัวเกินไปและการเปิดเผยเกินไป; และ (iii) เสริมสร้างความเข้าใจเชิงความหมาย.

1. ตัวปรับแต่งใดๆ ที่มีพารามิเตอร์ Rescale CFG (ประมาณ 0.7 หรือประมาณนั้น). UI การสร้างภาพบางตัวไม่สนับสนุนมัน.
2. หรือ, Euler Ancestor CFG ++ sampler , และตั้งค่า CFG Scale ให้อยู่ระหว่าง 1 และ 1.8 . UI การสร้างภาพบางตัวไม่สนับสนุนมัน.

C. ความละเอียด

ความละเอียด (ความกว้าง x ความสูง) ของภาพที่สร้างขึ้นเป็นพารามิเตอร์ที่สำคัญ โดยทั่วไปแล้ว ด้วยเหตุผลทางสถาปัตยกรรม โมเดล SDXL ทั้งหมดรวมถึง NoobAI-XL จำเป็นต้องใช้ความละเอียดเฉพาะเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ไม่อนุญาตให้มีพิกเซลมากหรือน้อยเกินไป มิฉะนั้นคุณภาพของภาพที่สร้างขึ้นจะลดลง ความละเอียดที่แนะนำของ NoobAI-XL แสดงในตารางด้านล่าง:

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

คุณยังสามารถใช้ความละเอียดพื้นที่ที่ใหญ่กว่าได้ แม้ว่านี่จะไม่เสถียร (ตามการวิจัย SD3 เมื่อพื้นที่ที่สร้างขึ้นกลายเป็น $$$$หลายเท่าของต้นฉบับ ความไม่แน่นอนของโมเดลจะกลายเป็นหลายเท่าของต้นฉบับ $$k^$$.) เราขอแนะนำว่า พื้นที่ของภาพที่สร้างขึ้นไม่ควรเกิน 1.5 เท่าของต้นฉบับ ตัวอย่างเช่น 1024×1536.

3. หมายเหตุอื่นๆ

1. โมเดลการคาดการณ์ V มีความไวต่อคำสั่งและพารามิเตอร์การสร้างมากขึ้น.
2. การข้าม CLIP ไม่สามารถใช้ได้กับโมเดลสถาปัตยกรรม SDXL ทุกตัว ดังนั้นจึงไม่มีความจำเป็นต้องตั้งค่า.
3. โมเดลไม่จำเป็นต้องใช้โมเดล VAE อื่นใด.

4. แหล่งข้อมูลอื่นๆ

• บทความนี้ ให้คำแนะนำสำหรับผู้เริ่มต้นเกี่ยวกับ NoobAI-XL และแนะนำให้ผู้เริ่มต้นอ่าน.

3. การใช้งานขั้นสูง

หากคุณสนใจในโมเดลและต้องการเรียนรู้เพิ่มเติมเกี่ยวกับมัน ส่วนนี้จะให้คำแนะนำโดยละเอียดเกี่ยวกับการใช้โมเดล.

1. รายการโมเดล
2. โมเดลพื้นฐาน

NoobAI-XL รวมหลายเวอร์ชันที่แตกต่างกันของโมเดลพื้นฐานสำหรับชุด. ตารางด้านล่างสรุปคุณสมบัติของแต่ละเวอร์ชัน.

หมายเลขเวอร์ชัน	ประเภทการคาดการณ์	ลิงก์ดาวน์โหลด	การวนซ้ำตั้งแต่	คุณสมบัติของเวอร์ชัน
Early-Access	การคาดการณ์เสียง	CivitAIHuggingface	Illustrious-xl-early-release-v0	เวอร์ชันแรก แต่มีการฝึกอบรมที่เพียงพอแล้ว.
Epsilon-pred 0.5	การคาดการณ์เสียง	CivitAIHuggingface	Early-Access	(แนะนำ) เวอร์ชันที่เสถียรที่สุด ข้อเสียเพียงอย่างเดียวคือการขาดความรู้เกี่ยวกับแนวคิดที่ไม่ชัดเจน.
Epsilon-pred 0.6	การคาดการณ์เสียง	Huggingface	Early-Access 0.5	(แนะนำ) เวอร์ชันสุดท้ายของการฝึกอบรม UNet เท่านั้นที่มีผลการรวมที่ยอดเยี่ยม ทีมทดสอบเรียกว่า “178000” ซึ่งได้รับความชอบจากหลายคน.
Epsilon-pred 0.75	การคาดการณ์เสียง	CivitAIHuggingface	Epsilon-pred 0.6	ตัวเข้ารหัสข้อความ (TTE) ได้รับการฝึกเพื่อเรียนรู้ความรู้ที่ไม่ชัดเจนมากขึ้น แต่คุณภาพการแสดงผลลดลง.
Epsilon-pred 0.77	การคาดการณ์เสียง	Huggingface	Epsilon-pred 0.75	ฝึกอบรมอีกสองรอบบนพื้นฐานของ Epsilon-pred 0.75 เพื่อปรับปรุงการเสื่อมสภาพของประสิทธิภาพ.
Epsilon-pred 1.0	การคาดการณ์เสียง	CivitAIHuggingface	Epsilon-pred 0.77	(แนะนำ) การฝึกอบรมเพิ่มเติมอีก 10 รอบเพื่อเสริมสร้างความรู้ใหม่ของ tte และปรับสมดุลประสิทธิภาพ.
Pre-test	การคาดการณ์ V	CivitAIHuggingface	Epsilon-pred 0.5	(ไม่แนะนำ) เวอร์ชันทดลองเบื้องต้นของการคาดการณ์ V.
V-pred 0.5	การคาดการณ์ V	CivitAIHuggingface	Epsilon-pred 1.0	(ไม่แนะนำ) มีปัญหาเรื่องการอิ่มตัวสูง.
V-pred 0.6	การคาดการณ์ V	CivitAIHuggingface	V-pred 0.5	(ไม่แนะนำ) ตามผลการประเมินเบื้องต้น V-pred0.6 ทำผลงานได้ดีในด้านการครอบคลุมความรู้ที่หายาก โดยถึงระดับสูงสุดในบรรดาโมเดลที่เผยแพร่ในปัจจุบัน ในขณะเดียวกัน โมเดลยังปรับปรุงปัญหาการเสื่อมสภาพคุณภาพอย่างมีนัยสำคัญ.
V-pred 0.65	การคาดการณ์ V	Huggingface	V-pred 0.6	(ไม่แนะนำ) มีปัญหาเรื่องการอิ่มตัว.
V-pred 0.65s	การคาดการณ์ V	CivitAIHuggingface	V-pred 0.6	ปัญหาการอิ่มตัวเกือบจะถูกแก้ไข! แต่มีปัญหาภาพที่เกิดขึ้น ซึ่งจะถูกแก้ไขในเวอร์ชันถัดไป.
Epsilon-pred 1.1	การคาดการณ์เสียง	CivitAIHuggingface	Epsilon-pred 1.0	(แนะนำ) ปัญหาความสว่างเฉลี่ยได้รับการแก้ไข และทุกด้านได้รับการปรับปรุง.
V-pred 0.75	การคาดการณ์ V	Huggingface	V-pred 0.65	(ไม่แนะนำ) มีปัญหาเรื่องการอิ่มตัว.
V-pred 0.75s	การคาดการณ์ V	CivitAIHuggingface	V-pred 0.65	(แนะนำ) แก้ไขการอิ่มตัวในสถานการณ์สุดขีด ปัญหาเสียงที่เหลือ และปัญหาภาพ.
V-pred 0.9r	การคาดการณ์ V	CivitAI	V-pred 0.75	ฝึกด้วยข้อมูลความเป็นจริงประมาณ 10%. มีการเสื่อมสภาพ.
V-pred 1.0	การคาดการณ์ V	CivitAI	V-pred 0.75	(แนะนำ) คุณภาพ/ประสิทธิภาพ/สีที่ดีที่สุดที่สมดุล.

2. โมเดลขยาย: ControlNet

ประเภทการคาดการณ์	ประเภท ControlNet	ลิงก์	ประเภท Preprocessor	หมายเหตุ
การคาดการณ์เสียง	Hed soft edge	CivitAIHuggingface	softedge_hed
การคาดการณ์เสียง	Anime lineart	CivitAIHuggingface	lineart_anime
การคาดการณ์เสียง	Midas normal map	CivitAIHuggingface	normal_midas
การคาดการณ์เสียง	Midas depth map	CivitAIHuggingface	depth_midas
การคาดการณ์เสียง	Canny contour	CivitAIHuggingface	canny
การคาดการณ์เสียง	Openpose human skeleton	CivitAIHuggingface	openpose
การคาดการณ์เสียง	Manga line	CivitAIHuggingface	manga_line / lineart_anime / lineart_realistic
การคาดการณ์เสียง	Realistic lineart	CivitAIHuggingface	lineart_realistic
การคาดการณ์เสียง	Midas depth map	CivitAIHuggingface	depth_midas	เวอร์ชันใหม่
การคาดการณ์เสียง	HED scribble	CivitAIHuggingface	scribble_hed
การคาดการณ์เสียง	Pidinet scribble	CivitAIHuggingface	scribble_pidinet
การคาดการณ์เสียง	Tile	CivitAIHuggingface	tile

โปรดทราบว่าเมื่อใช้ ControlNet คุณ ต้อง จับคู่ประเภทของ preprocessor ที่คุณใช้กับประเภทของ preprocessor ที่ ControlNet ต้องการ นอกจากนี้ คุณ อาจไม่จำเป็นต้อง จับคู่ประเภทการคาดการณ์ของโมเดลพื้นฐานกับประเภทการคาดการณ์ของ ControlNet.

3. โมเดลขยาย: IP-Adapter

เร็วๆ นี้.

4. โมเดล LoRA

LoRA ส่วนใหญ่สามารถใช้ได้กับทั้งรุ่นการคาดการณ์เสียงและรุ่นการคาดการณ์ V และในทางกลับกัน.

2. คำแนะนำคำสั่ง

ก่อนอื่นเราต้องชี้แจงว่าบทบาทของคำสั่งคือการชี้นำ คำสั่งที่ดีสามารถปลดปล่อยศักยภาพของโมเดล แต่คำสั่งที่ไม่ดีหรือแม้แต่คำสั่งที่ไม่ถูกต้องอาจไม่ทำให้ผลลัพธ์แย่ลงเสมอไป โมเดลที่แตกต่างกันมีการใช้งานคำสั่งที่ดีที่สุดที่แตกต่างกัน และผลกระทบจากการใช้งานที่ไม่เหมาะสมมักจะไม่ชัดเจน และในบางกรณีก็อาจทำให้ดีขึ้นได้ คู่มือนี้บันทึก การวิศวกรรมคำสั่งที่ดีที่สุดตามทฤษฎี ของโมเดล และผู้อ่านที่มีความสามารถสามารถใช้ได้อย่างอิสระ.

ส่วนนี้จะให้คำแนะนำโดยละเอียดเกี่ยวกับการเขียนคำสั่ง รวมถึงมาตรฐานการเขียนคำสั่ง การใช้งานเฉพาะของคำกระตุ้นบทบาทและสไตล์ การใช้งานแท็กพิเศษ และอื่นๆ ผู้ที่สนใจในวิศวกรรมคำสั่งสามารถเลือกอ่านได้ตามต้องการ.

1. ข้อกำหนดคำสั่ง

NoobAI-XL มีข้อกำหนดคำสั่งเดียวกันกับโมเดลพื้นฐานที่คล้ายกันอื่นๆ ส่วนนี้จะแนะนำข้อกำหนดการเขียนคำสั่งพื้นฐานอย่างเป็นระบบและช่วยให้ผู้อ่านขจัดความเข้าใจผิดทั่วไปในชุมชน.

ตามรูปแบบที่แตกต่างกัน คำสั่งสามารถแบ่งออกเป็นสองประเภท: แท็ก และ ภาษาธรรมชาติ. แท็กแรกส่วนใหญ่ใช้สำหรับโมเดลอนิเมะ และแท็กหลังส่วนใหญ่ใช้สำหรับโมเดลชีวิตจริง ไม่ว่าจะเป็นคำสั่งประเภทใด ก็ตาม เว้นแต่โมเดลจะระบุไว้เป็นอย่างอื่น คำสั่งควรประกอบด้วยตัวอักษรภาษาอังกฤษ ตัวเลข และสัญลักษณ์เท่านั้น.

แท็กประกอบด้วย คำภาษาอังกฤษตัวพิมพ์เล็ก หรือวลีที่แยกจากกันด้วย จุลภาคภาษาอังกฤษ “,” ตัวอย่างเช่น “1girl, solo, blue hair” ประกอบด้วยแท็กสามแท็ก “1girl”, “solo” และ “blue hair”.

ช่องว่างพิเศษและอักขระขึ้นบรรทัดในคำสั่งจะไม่ส่งผลต่อผลลัพธ์การสร้างจริง. กล่าวอีกนัยหนึ่ง “1girl, solo, blue hair” และ “1girl, solo, blue hair” มีผลลัพธ์ที่เหมือนกัน.

คำสั่งไม่ควรมีอักขระขีดล่าง “_”. ได้รับอิทธิพลจากเว็บไซต์เช่น Danbooru การใช้ขีดล่าง “_” แทนช่องว่างระหว่างคำในแท็กได้แพร่หลาย ซึ่งจริงๆ แล้วเป็นการใช้งานที่ไม่เหมาะสมและจะทำให้ผลลัพธ์ที่สร้างขึ้นแตกต่างจากการใช้ช่องว่าง โมเดลส่วนใหญ่ รวมถึง NoobAI-XL ไม่แนะนำให้รวมอักขระขีดล่างในคำสั่ง การใช้งานที่ไม่เหมาะสมนี้อาจส่งผลต่อคุณภาพของการสร้างได้ดีที่สุด และอาจทำให้ trigger words ไม่สามารถใช้งานได้เลยในกรณีที่เลวร้ายที่สุด.

หลีกเลี่ยงวงเล็บหากจำเป็น วงเล็บ รวมถึงวงเล็บกลม (), วงเล็บสี่เหลี่ยม [], และวงเล็บปีกกา {} เป็นสัญลักษณ์ที่พิเศษมากในคำสั่ง แตกต่างจากสัญลักษณ์ทั่วไป ใน UI การสร้างภาพส่วนใหญ่ วงเล็บจะถูกตีความว่าเป็นการชั่งน้ำหนักเนื้อหาที่เฉพาะเจาะจง และวงเล็บที่เข้าร่วมในการชั่งน้ำหนักจะไม่เล่นตามความหมายเดิมของพวกเขา อย่างไรก็ตาม หากคำสั่งเดิมต้องรวมวงเล็บ เช่น คำกระตุ้นบางคำ คำตอบคือฟังก์ชันการชั่งน้ำหนักของวงเล็บสามารถถูกกำจัดได้โดยการเพิ่มแบ็คสแลช “\” ก่อนวงเล็บ การดำเนินการนี้ในการเปลี่ยนความหมายเดิมของอักขระเรียกว่า escape และแบ็คสแลชยังเรียกว่าอักขระ escape ตัวอย่างเช่น หากคุณไม่ใช้แบ็คสแลชเพื่อหลีกเลี่ยง คำสั่ง “1girl, ganyu ( genshin impact ) ” จะถูกตีความอย่างไม่ถูกต้องว่า “1girl, ganyu genshin impact” ซึ่ง “genshin impact” ถูกชั่งน้ำหนักและวงเล็บหายไป โดยการเพิ่มอักขระ escape คำสั่งจะกลายเป็น “1girl, ganyu \ ( genshin impact \) “ ตามที่คาดไว้.

โดยสรุป การมาตรฐานแท็กแบ่งออกเป็นสองขั้นตอน: (i) แทนที่ขีดล่างด้วยช่องว่างในแต่ละแท็ก และ (ii) เพิ่มแบ็คสแลช “\” ก่อนวงเล็บ.

แท็กที่มาจาก Danbooru และ e621 มีผลการแสดงออกที่แข็งแกร่งกว่า. ดังนั้นแทนที่จะสร้างแท็กของคุณเอง เราขอแนะนำให้ผู้อ่านค้นหาแท็กโดยตรงจากเว็บไซต์ทั้งสองนี้ ควรสังเกตว่าแท็กที่ได้มาโดยตรงในลักษณะนี้จะแยกด้วยขีดล่าง “_” และวงเล็บจะไม่ได้รับการหลีกเลี่ยง ดังนั้นก่อนที่จะเพิ่มคำแนะนำในแท็กจากพวกเขา คุณต้องลบช่องว่างในแท็กและหลีกเลี่ยงวงเล็บ ตัวอย่างเช่น แท็กจาก Danbooru ” ganyu_ (genshin_impact) ” จะถูกจัดการเป็น “ganyu\ (genshin impact\) ” ก่อนการใช้งาน.

อย่าใช้แท็กเมตาที่ไม่ถูกต้อง. แท็กเมตา ( แท็กเมตา ) เป็นประเภทแท็กพิเศษใน Danbooru ที่ใช้เพื่อระบุลักษณะของไฟล์ภาพหรือผลงานเอง ตัวอย่างเช่น ” highres ” ระบุว่าภาพมีความละเอียดสูง “ oil_painting_ (medium) ” ระบุว่าภาพอยู่ในสไตล์ของการวาดภาพด้วยน้ำมัน อย่างไรก็ตาม ไม่ได้แท็กเมตาทุกตัวที่เกี่ยวข้องกับเนื้อหาหรือรูปแบบของภาพ ตัวอย่างเช่น ” commentary_request ” ระบุว่าบทความใน Danbooru มีคำขอแปลสำหรับผลงาน ซึ่งไม่มีความสัมพันธ์โดยตรงกับผลงานเองและจึงไม่มีผลกระทบ.

คำกระตุ้นตามลำดับจะดีกว่า. NoobAI-XL แนะนำให้เขียนคำสั่งในลำดับที่มีเหตุผล จากหลักไปถึงรอง หนึ่งในลำดับการเขียนที่เป็นไปได้มีดังนี้ สำหรับการอ้างอิงเท่านั้น:

< 1girl/1boy/1other/female/male/… >, < ตัวละคร >, < ซีรีส์ >, < ศิลปิน (s) >, < แท็กทั่วไป >, < แท็กอื่นๆ >, < แท็กคุณภาพ & ความงาม >

ในหมู่พวกเขา < แท็กคุณภาพ & ความงาม > สามารถมีการเติมหน้า.

คำสั่งภาษาธรรมชาติประกอบด้วยประโยค โดยแต่ละประโยคเริ่มต้นด้วยตัวพิมพ์ใหญ่และสิ้นสุดด้วยจุด “.”. โมเดลอนิเมะส่วนใหญ่ รวมถึง NoobAI-XL มีความเข้าใจที่ดีกว่าเกี่ยวกับแท็ก ดังนั้น ภาษาธรรมชาติมักใช้เป็นส่วนเสริมมากกว่าที่จะเป็นส่วนประกอบหลักในคำสั่ง.

2. ตัวละครและสไตล์ศิลปิน

NoobAI-XL สนับสนุนการสร้างตัวละครและสไตล์ศิลปินที่สร้างขึ้นจากแฟนๆ ได้โดยตรง ตัวละครและสไตล์ถูกกระตุ้นโดยชื่อซึ่งยังเป็นแท็กที่เรียกว่า trigger words คุณสามารถค้นหาโดยตรงที่ Danbooru หรือ e621 และ มาตรฐานแท็กที่ได้มาเป็นคำสั่ง.

1. การใช้งาน

มีความแตกต่างบางประการในวิธีการกระตุ้นตัวละครและศิลปิน.

• สำหรับสไตล์ศิลปิน เพียงแค่เพิ่มชื่อศิลปินลงในคำสั่ง โดยไม่ต้องเพิ่มคำนำหน้า
• สำหรับตัวละคร ใช้รูปแบบ “ชื่อของตัวละคร + ซีรีส์”. นั่นคือ นอกจากการเพิ่มชื่อของตัวละครแล้ว ยังต้องเพิ่ม แท็กซีรีส์ ทันทีหลังจากแท็กคำกระตุ้นตัวละครเพื่อระบุว่าตัวละครมาจากงานไหน หากตัวละครมีแท็กซีรีส์หลายแท็ก สามารถเพิ่มหนึ่งหรือมากกว่าหนึ่งแท็กได้ โปรดทราบว่าหากชื่อของตัวละครมีชื่อซีรีส์อยู่แล้ว คุณยังต้องเพิ่มแท็กซีรีส์โดยไม่ต้องพิจารณาถึงการซ้ำกัน โดยทั่วไป “ชื่อของตัวละคร + ชื่อซีรีส์” ก็เพียงพอที่จะฟื้นฟูตัวละครได้ ตัวอย่างเช่น ตัวละครจากซีรีส์ ” genshin_impact ” ganyu_ (genshin_impact) “คำกระตุ้นสำหรับ” คือ “ganyu\ (genshin impact\), genshin impact”. เช่นเดียวกัน คำกระตุ้นตัวละครไม่จำเป็นต้องเพิ่มคำนำหน้า คำต่อท้าย หรือการปรับแต่งเพิ่มเติมใดๆ.

ตารางด้านล่างแสดงกรณีที่ถูกต้องและไม่ถูกต้องบางประการของการกระตุ้นตัวละครและสไตล์:

ประเภท	คำสั่ง	ถูกต้องหรือไม่ถูกต้อง	เหตุผล
บทบาท	Rei Ayanami	ไม่ถูกต้อง	ชื่อของตัวละครควรเป็น ” ayanami rei “.ไม่มีแท็กซีรีส์ ” neon genesis evangelion ” ที่เพิ่มเข้ามา.
บทบาท	character:ganyu \(genshin impact\), genshin impact	ไม่ถูกต้อง	เพิ่มคำนำหน้า “character:” อย่างผิวเผิน.
บทบาท	ganyu_\(genshin impact\)	ไม่ถูกต้อง	ไม่มีแท็กที่ถูกต้องทั้งหมด: ไม่ควรมีขีดล่าง. ไม่มีแท็กซีรีส์ที่เพิ่มเข้ามา.
บทบาท	ganyu (genshin impact), genshin impact	ไม่ถูกต้อง	ไม่มีแท็กที่ถูกต้องทั้งหมด: วงเล็บไม่ได้รับการหลีกเลี่ยง.
บทบาท	ganyu (genshin impact\), genshin impact	ไม่ถูกต้อง	ไม่มีแท็กที่ถูกต้องทั้งหมด: วงเล็บซ้ายไม่ได้รับการหลีกเลี่ยง.
บทบาท	ganyu \(genshin impact\)，genshin impact	ไม่ถูกต้อง	แยกแท็กสองแท็กด้วยจุลภาคจีน
บทบาท	ganyu \(genshin impact\), genshin impact	ถูกต้อง
สไตล์ศิลปิน	by wlop	ไม่ถูกต้อง	เพิ่มคำนำหน้า “by” อย่างผิวเผิน.
สไตล์ศิลปิน	artist:wlop	ไม่ถูกต้อง	เพิ่มคำนำหน้า “artist:” อย่างผิวเผิน.
สไตล์ศิลปิน	dino	ไม่ถูกต้อง	ชื่อศิลปินไม่ถูกต้อง ชื่อศิลปินของ aidxl/artiwaifu ไม่ควรใช้ แต่ควรปฏิบัติตาม Danbooru ดังนั้นจึงเป็น ” dino\ (dinoartforame\) “
สไตล์ศิลปิน	wlop	ถูกต้อง

2. Wiki คำกระตุ้น

เพื่อความสะดวก เราได้จัดเตรียมแบบฟอร์มคำกระตุ้นที่สมบูรณ์ใน noob-wiki เพื่อการอ้างอิงของคุณ:

ประเภทตาราง	ลิงก์ดาวน์โหลด
ตัวละคร Danbooru	คลิกที่นี่
สไตล์ศิลปิน Danbooru	คลิกที่นี่
ตัวละคร E621	คลิกที่นี่
สไตล์ศิลปิน E621	คลิกที่นี่

แต่ละแบบฟอร์มเหล่านี้มีตารางคำกระตุ้นจากหนึ่งในฐานข้อมูล Danbooru และ e621 แต่ละแถวของตารางแสดงถึงตัวละครหรือสไตล์ศิลปิน คุณเพียงแค่ต้องค้นหาแถวที่ตรงกับตัวละครหรือสไตล์ศิลปินที่ต้องการ คัดลอกส่วน ” trigger ” และวางลงในคำสั่งตามที่เป็นอยู่ หากคุณไม่แน่ใจเกี่ยวกับตัวละครหรือสไตล์ศิลปิน คุณยังสามารถคลิกที่ลิงก์ในคอลัมน์ “url” เพื่อดูภาพตัวอย่างบนเว็บไซต์ ตารางด้านล่างอธิบายความหมายของแต่ละคอลัมน์ ไม่ได้ตารางทุกตารางมีทุกคอลัมน์.

ระบุ	ความหมาย	หมายเหตุ
ตัวละคร	ชื่อแท็กของบทบาทในเว็บไซต์ที่เกี่ยวข้อง.
ศิลปิน	สไตล์ศิลปินในชื่อแท็กของเว็บไซต์ที่เกี่ยวข้อง.
trigger	คำกระตุ้นหลังจากการมาตรฐาน.	คัดลอกและวางลงในคำสั่งตามที่เป็นอยู่และใช้งาน.
count	จำนวนภาพที่มีแท็กนี้.	เป็นการคาดหวังระดับการฟื้นฟูของแนวคิดนี้ สำหรับตัวละคร จำนวนที่สูงกว่า 200 สามารถฟื้นฟูได้ดีกว่า สำหรับสไตล์ จำนวนที่สูงกว่า 100 สามารถฟื้นฟูได้ดีกว่า.
url	หน้าของแท็กในเว็บไซต์ต้นฉบับ.
solo_count	จำนวนภาพในชุดข้อมูลที่มีแท็กนี้และมีตัวละครเพียงตัวเดียวในภาพ.	เฉพาะตารางบทบาท สำหรับบทบาท solo_count ที่สูงกว่า 50 สามารถฟื้นฟูได้ดีกว่า เมื่อระดับการลดลงถูกตัดสินจากจำนวน จำนวนในคอลัมน์มีความเบี่ยงเบนขนาดใหญ่และความแม่นยำต่ำ ในขณะที่ solo_count เป็นตัวชี้วัดที่แม่นยำมากกว่า.
core_tags	แท็กลักษณะหลักของตัวละครรวมถึงลักษณะเพศและเสื้อผ้า แยกด้วยจุลภาคภาษาอังกฤษ แท็กแต่ละแท็กได้รับการมาตรฐาน.	เฉพาะรายการตัวละครของ Danbooru เมื่อกระตุ้นตัวละครที่ไม่เป็นที่นิยมและระดับการฟื้นฟูไม่เพียงพอ สามารถเพิ่มแท็กลักษณะหลักหลายแท็กเพื่อเสริมสร้างระดับการฟื้นฟู.

3. แท็กพิเศษ

แท็กพิเศษเป็นประเภทแท็กที่มีความหมายและผลกระทบพิเศษที่ทำหน้าที่เป็นฟังก์ชันเสริม.

1. แท็กคุณภาพ

แท็กคุณภาพเป็นแท็กความนิยมที่ได้มาจากข้อมูลสถิติที่อิงตามความชอบของผู้ใช้ Danbooru และ e621 โดยเรียงตามคุณภาพจากสูงไปต่ำ:

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

2. แท็กความงาม

แท็กความงามถูกจัดอันดับตามโมเดลการให้คะแนนความงาม ขณะนี้มีเพียงสองแท็ก ” very awa ” และ ” worst aesthetic “. แท็กแรกคือข้อมูลที่มีคะแนนจาก waifu-scorer-v3 และ waifu-scorer-v4-beta ที่มีคะแนนใน 5% แรก และแท็กหลังคือข้อมูลที่มีคะแนนใน 5% ล่าง มันถูกตั้งชื่อ very awa เนื่องจากมาตรฐานความงามของมันคล้ายกับ A rti Wa ifu Diffusion โมเดล นอกจากนี้ แท็กความงามที่ยังอยู่ในระหว่างการฝึกและไม่มีผลกระทบที่ชัดเจนคือ “very as2″ ซึ่งเป็นข้อมูลที่มีคะแนน ” aesthetic-shadow-v2-5 ใน 5% แรก.

การเปรียบเทียบผลกระทบของแท็กความงาม

3. แท็กความปลอดภัย/การจัดอันดับ

มีแท็กความปลอดภัย/การจัดอันดับสี่แท็ก: ทั่วไป , ละเอียดอ่อน , nsfw และ ชัดเจน .

เราหวังว่าผู้ใช้จะเพิ่ม “nsfw” ในคำสั่งเชิงลบเพื่อกรองเนื้อหาที่ไม่เหมาะสมโดยสำนึก. 😀

4. แท็กปีและระยะเวลา

แท็กปีใช้เพื่อระบุปีที่สร้างผลงาน ซึ่งมีผลกระทบต่อคุณภาพ สไตล์ ระดับการฟื้นฟูตัวละคร เป็นต้น รูปแบบของมันคือ ” ปี xxxx “ โดยที่ “xxxx” คือปีที่เฉพาะเจาะจง เช่น “ปี 2024”.

แท็กระยะเวลาเป็นแท็กปีที่มีผลกระทบอย่างมีนัยสำคัญต่อคุณภาพของภาพ ความสัมพันธ์ระหว่างแท็กและปีแสดงในตารางด้านล่าง.

ช่วงปี	2021~2024	2018~2020	2014~2017	2011~2013	2005~2010
แท็กระยะเวลา	ใหม่ที่สุด	ล่าสุด	กลาง	ต้น	เก่า

4. เคล็ดลับอื่นๆ

ส่วนนี้ให้ตัวอย่างการใช้งานคำสั่งที่แนะนำเพื่อการอ้างอิงเท่านั้น.

1. คำสั่งคุณภาพ

จุดเริ่มต้นที่แนะนำต่อไปนี้ใช้แท็กพิเศษ ซึ่งเป็นแท็กที่มีความสัมพันธ์สูงสุดกับคุณภาพของภาพ.

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

2. คำสั่งเชิงลบ

ตารางต่อไปนี้แนะนำแท็กเชิงลบทั่วไปและแหล่งที่มา ไม่ได้แท็กเชิงลบทั้งหมดจะไม่ดี และการใช้งานอย่างเหมาะสมอาจมีผลลัพธ์ที่ไม่คาดคิด.

แท็ก	การแปล	หมายเหตุ	แหล่งที่มา
แท็กคุณภาพ
worst aesthetic	ความงามที่เลวร้ายที่สุด	มีแนวคิดความงามต่ำ เช่น คุณภาพต่ำ ลายน้ำ การ์ตูน มุมมองหลายมุม และภาพร่างที่ยังไม่เสร็จ	ความงาม
worst quality	คุณภาพที่เลวร 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...