ControlNet — એક સાધનમાં ૧૨ સ્થિતિ પ્રકારો
સંદર્ભ ચિત્ર અપલોડ કરો, પરિસ્થિતિ પ્રકાર પસંદ કરો, પ્રશ્ન લખો. AI તમારા સંદર્ભનું બંધારણ (લીટીઓ, પોઝ, ઊંડાઈ, વગેરે) રાખે છે અને કોઈપણ શૈલીમાં નવું સમાવિષ્ટ રેન્ડર કરે છે. ControlNet-Union SDXL ProMax — Apache ૨.૦ દ્વારા પાછળથી, સંપૂર્ણપણે વાણિજ્યિક-ઉપયોગ માટે અનુકૂળ.
પરિણામ
ControlNet કેવી રીતે કામ કરે છે
ControlNet તમને લખાણ પ્રશ્ન પર જ આધાર રાખવાને બદલે સંદર્ભ ચિત્રની રચના સાથે ચિત્ર ઉત્પન્ન કરવા દે છે. પ્રીપ્રોસેસર તમારો સંદર્ભ વાંચે છે અને એક જ શરતો સંકેત બહાર કાઢે છે - તેની બાજુઓ, તેની ઊંડાઈ નકશા, વ્યક્તિના પોઝ સ્કેલેટોન, વગેરે. પછી ડિફ્યુઝન મોડેલ એ સંકેત પર તાળુ મારેલ છે જ્યારે પ્રશ્ન શૈલી, રંગો, પ્રકાશ અને વિષય નક્કી કરે છે. પરિણામ તમે દાખલ કરેલ ચોક્કસ સંયોજનને રાખે છે પરંતુ કંઈક સંપૂર્ણપણે નવું દેખાય છે.
આ સાધન ControlNet-Union SDXL ProMax (Apache 2.0) દ્દારા આધારભૂત છે - એક જ મોડેલ કે જે નીચેના બધા 12 નિયંત્રણ પ્રકારોને સમજે છે, તેથી તમે દરેક વખતે અલગ નેટવર્ક લાવવા વગર એક પસંદ કરનારમાંથી તેમના વચ્ચે બદલો. તે સંપૂર્ણપણે વ્યવસાયિક-વપરાશ માટે મૈત્રીપૂર્ણ છે: રાખો, વેચો, અથવા તમે જે બનાવો તે બદલો.
12 પ્રકારના નિયંત્રણો
કેની
તીક્ષ્ણ બાજુ શોધ. તીક્ષ્ણ આકારો અને સાફ લીટીઓ સંગ્રહવા માટે શ્રેષ્ઠ.
ઊંડાઈ
3D ઊંડાઈ નકશો. સ્થાનિક દેખાવ રાખે છે - નજીક શું છે અને દૂર શું છે.
પોઝ
OpenPose શરીરના સ્કેલેટોન. આકૃતિની સ્થિતિ અને અંગની સ્થિતિઓને તાળુ મારે છે.
સ્ક્રિબલ
હાથે દોરાતી દોરાણી ચિત્રકળામાં પરિણમી.
વિભાજન
રંગ-કોડ થયેલ વિસ્તારનો નકશો. દ્રશ્યના દરેક વિસ્તારને વર્ગને સોંપો.
સામાન્ય
સપાટી-સામાન્ય નકશો. સારી 3D સપાટી દિશા અને બમ્પને સંગ્રહે છે.
લીટી ચિત્ર
લીટીઓનું કાઢી નાખવું — ઈંકિંગ, માંગા, અને ચિત્ર માટે આદર્શ.
સોફ્ટ-એન્ડ
સરળ સીમા શોધ કે જે આકારોને કેની કરતા વધુ સરળતાથી અનુસરે છે.
MLSD
સીધી લીટીના સેગમેન્ટ્સ. આર્કિટેક્ચર, ઇન્ટીરિયર, અને પ્રોડક્ટ શૉટ્સ માટે બનાવેલ છે.
તકતી
અપસ્કેલિંગ અને સીમલેસ ટેક્સચર કામ માટે વિગતો-સંરક્ષિત નિયંત્રણ.
ચિત્ર બનાવો
ચિત્રનો માત્ર ભાગ પુનઃસંગ્રહ કરવા માટે માસ્ક-સંભવ સ્થિતિ.
પુન: રંગોળી / બહાર રંગોળી
કેનવાસને વિસ્તૃત કરો અથવા વિસ્તારોને પુન:રંગો જ્યારે આસપાસના બંધારણને માન આપો.
ત્રણ પગલાં
- સંદર્ભ ચિત્રને અપલોડ કરો - ફોટો, સ્કેચ, સ્ક્રીનશોટ, તમે રાખવા માંગતા હોય તેવા બંધારણ સાથે કંઈપણ.
- તમે જેની ચિંતા કરો છો તે સાથે બંધબેસતો શરતોનો પ્રકાર પસંદ કરો (આકૃતિ માટે પોઝ, દ્રશ્ય માટે ઊંડાઈ, સાફ પરિમાણો માટે કની અથવા લીનીયર).
- તમે ઇચ્છો તે દેખાવ વર્ણવતી પ્રશ્ન લખો અને ઉત્પન્ન કરો. સંદર્ભને વધુ કડકપણે અનુસરવા માટે નિયંત્રણ મજબૂતીને વધારો, વધુ રચનાત્મક સ્વતંત્રતા માટે તેને ઘટાડો.
ControlNet — એક સાધનમાં ૧૨ સ્થિતિ પ્રકારો - FAQ
એક સાધન કે જે ControlNet-Union SDXL ProMax મોડેલમાંથી બધા ૧૨ નિયંત્રણ પ્રકારો પ્રદર્શિત કરે છે - canny, pose, depth, scribble, lineart, anime-lineart, MLSD, HED, soft-edge, normal, segmentation, અને તકતી. નિયંત્રણ પ્રકાર પસંદ કરો, સંદર્ભ ચિત્ર છોડો, પ્રશ્ન લખો, અને SDXL નવું ચિત્ર રેન્ડર કરે છે કે જે તમારા સંદર્ભની રચનાને અનુસરે છે.
img2img ઇનપુટ પર સીધું જ પુનઃપિન કરે છે - રંગો, બાજુઓ, AND ભૂમિતિ પ્રશ્ન સાથે મિક્સ કરે છે. ControlNet રંગોને દૂર ફેંકે છે અને માત્ર પસંદ થયેલ બંધારણ સંકેત (લીટીઓ, પોઝ સ્કેલેટોન, ઊંડાઈ નકશો, વગેરે) રાખે છે. જે તમને સંયોજનને મજબૂત રાખતી વખતે સમાવિષ્ટોને બદલવા દે છે. img2img કરતા ઘણું મજબૂત બંધારણ નિયંત્રણ.
સાફ લીટીકાર્ય ઈનપુટ માટે Canny / lineart. Anime-style લીટી ઈનપુટ માટે Anime-lineart. સ્ક્રેબલ / સોફ્ટ-એન્ડ / HED ઘાટા સ્કેચ અને ડોડલ્સ માટે. ફોટામાંથી શરીરની સ્થિતિની નકલ કરવા માટે પોઝ. દ્રશ્ય ભૂમિતિ / 3D લેઆઉટને સંગ્રહવા માટે ઊંડાઈ. સીધી લીટીઓ (આર્કિટેક્ચર / ઇન્ટીરિયર) સંગ્રહવા માટે MLSD. સપાટીની દિશા અને વોલ્યુમને સંગ્રહવા માટે સામાન્ય. વિસ્તારોને સંગ્રહવા માટે સેગમેન્ટેશન. હાજર ચિત્રની વિવિધતાઓને સુધારવા અથવા વધારવા માટે ટાઇલ.
ControlNet-Union SDXL ProMax (xinsir, Apache 2.0) બધા 12 conditioning નેટવર્કોને એક જ 2.5 GB વજનમાં પેક કરે છે. જૂના વિસ્તરણોએ પ્રકાર પ્રતિ અલગ ~2.5 GB વજન ડાઉનલોડ કરેલ - canny અને pose વચ્ચે બદલવાનું અર્થાત્ કોલ્ડ-સ્ટાર્ટ. union મોડેલ એકવાર લોડ કરે છે અને ગરમ રહે છે, તેથી દરેક conditioning પ્રકાર પ્રથમ કોલ પછી ઉપ-સેકન્ડ છે.
હા. ~1,200 ટોકન પ્રતિ રેન્ડર (1,000 આધાર SDXL + 20% ControlNet conditioning surcharge). પ્રવેશેલ વપરાશકર્તાઓ દરરોજ 30,000 મુક્ત ટોકન મેળવે છે - દરરોજ કોઈ ખર્ચ વગર 25 conditioned renders. અનામિક: 2,500 ટોકન/દિવસ (~2 renders).
હા — નિયંત્રણ મજબૂતાઈ સ્લાઇડર (મૂળભૂત ૦.૭) નક્કી કરે છે કે આઉટપુટ તમારા સંદર્ભને કેટલું કડકપણે અનુસરે છે. ૧.૦ = કડક (આઉટપુટ તમારા સંદર્ભના પુનઃરેન્ડર જેવું લાગે છે). ૦.૪ = લુઝ (પ્રોમ્પ્ટને વધારે આઝાદી છે). રચનાત્મક બદલાવ માટે તેને નીચે લાવો, જ્યારે વિશ્વસનીયતા મહત્વની હોય ત્યારે તેને વધારો.
512×512 મૂળભૂત. SDXL પ્રમાણભૂત પ્રમાણો - 768×1024 પોર્ટ્રેટ, 1024×768 લેન્ડસ્કેપ, 1024×1024 ચોરસ - બધા કામ કરે છે. મોટા આઉટપુટ વધુ VRAM અને ટોકન્સનો વપરાશ કરે છે; H200 1024×1024 સુધી આરામદાયક રીતે આધાર આપે છે.
હા. ControlNet પેઢી ~1,000 ટોકન પ્રતિ ચિત્રની કિંમત કરે છે, પ્રમાણભૂત SDXL પેઢી જેવી જ. અનામિક વપરાશકર્તાઓ 6,000 ટોકન/દિવસ મેળવે છે; મુક્ત ખાતું 30,000/દિવસ આપે છે. ક્રેડિટ કાર્ડ નથી, વૉટરમાર્ક નથી. ઉચ્ચ રીઝોલ્યુશન અથવા ઘણાબધા ફેરફારો સંગ્રહમાંથી પ્રમાણભૂત રીતે વધુ કિંમત કરે છે.
ControlNet-Union SDXL ProMax એ Apache 2.0 ની નીચે બહાર પાડવામાં આવેલ છે - સંપૂર્ણપણે પરવાનગી આપેલ, વ્યાપારિક વપરાશને સમાવતો. SDXL આધાર OpenRAIL++ છે. બંને વ્યાપારિક વપરાશને પરવાનગી આપે છે; તમારા ઉત્પન્ન થયેલ ચિત્રો કોઈ રજિસ્ટર વગર વ્યાપારિક રીતે વાપરવા માટે તમારા છે.
સરખું મોડેલ, સરખી ગુણવત્તા, સરખી સ્થિતિ સંકેતો. ComfyUI અને A1111 ને 12+ GB VRAM સાથે સ્થાનિક GPU ની જરૂર છે. અમે તેને વિશાળ મુક્ત પુલ સાથે વહેંચાયેલ ઇન્ફ્રાસ્ટ્રક્ચર પર ચલાવીએ છીએ - કોઈ સ્થાપન નથી, કોઈ GPU ની જરૂર નથી.
પ્રથમ કોલ GPU કેશમાં યુનિયન વજન (~2.5 GB) ડાઉનલોડ કરે છે અને SDXL પાઇપલાઇનને ગરમ કરે છે. 30-60 સેકન્ડની અપેક્ષા રાખો પહેલી જ વિનંતી પર વિસ્તરણ અથવા LRU નીકાળ્યા પછી. પછીના કોલ્સ સામાન્ય ભાર નીચે 4-7 સેકન્ડમાં પાછા આવે છે.
હા — /v1/image/generate/ ને મોડેલ=sdxl (અથવા મોડેલ=controlnet-union-sdxl-promax) સાથે POST મલ્ટીપાર્ટ, પ્રૉમ્પ્ટ, નિયંત્રણ_ચિત્ર (ફાઇલ), નિયંત્રણ_પ્રકાર=<canny, pose, depth, scribble, lineart, anime-lineart, mlsd, hed, soft-edge, normal, segmentation, tile>, વૈકલ્પિક નિયંત્રણ_શક્તિ (0.1-1.5) માંનું એક. વહનકર્તા સત્તા, 10K મુક્ત ટોકન/મહિના. /api/ પાસે કર્લ ઉદાહરણો છે.