ControlNet — 12 ប្រភេទលក្ខខណ្ឌនៅក្នុងឧបករណ៍មួយ
ផ្ទុកឡើងរូបភាពយោង, ជ្រើសប្រភេទលក្ខខណ្ឌ, សរសេរការជូនដំណឹង. AI រក្សារចនាសម្ព័ន្ធរបស់អ្នកយោង (បន្ទាត់, បង្ហាញ, ជម្រៅ, ល) និងបង្ហាញមាតិកាថ្មីនៅក្នុងរចនាប័ទ្មណាមួយ. គាំទ្រដោយ ControlNet-Union SDXL ProMax - Apache 2.0, ពេញលេញពាណិជ្ជកម្ម-ប្រើមិត្តភក្តិ.
លទ្ធផល
របៀបដែល ControlNet ធ្វើការ
ControlNet អនុញ្ញាតឲ្យអ្នកបញ្ជាការបង្កើតរូបភាពដោយរចនាសម្ព័ន្ធរូបភាពយោងជំនួសឲ្យពឹងផ្អែកតែលើការជូនដំណឹងអត្ថបទតែមួយគត់ ។ កម្មវិធីដំណើរការមុនអានសេចក្ដីយោងរបស់អ្នក និងស្រង់ចេញសញ្ញាលក្ខខណ្ឌតែមួយគត់ - ជ្រុងរបស់វា ផែនទីជម្រៅរបស់វា រាងកាយរបស់មនុស្សជាដើម ។ បន្ទាប់មកម៉ូដែលចម្រុះត្រូវបានចាក់សោទៅសញ្ញានោះ ខណៈពេលការជូនដំណឹងសម្រេចចិត្តរចនាប័ទ្ម ពណ៌ ការចាំងពន្លឺ និងប្រធានបទ ។ លទ្ធផលរក្សាការតែងជាក់លាក់ដែលអ្នកបានផ្ដល់ឲ្យ ប៉ុន្តែមើលទៅដូចជាអ្វីមួយថ្មីទាំងស្រុង ។
ឧបករណ៍នេះត្រូវបានគាំទ្រដោយ ControlNet-Union SDXL ProMax (Apache 2.0) - ម៉ូដែលតែមួយដែលយល់ពីប្រភេទលក្ខខណ្ឌទាំង ១២ ខាងក្រោម ដូច្នេះអ្នកប្ដូររវាងពួកវាពីអ្នកជ្រើសមួយ ដោយមិនផ្ទុកបណ្ដាញផ្សេងគ្នារាល់ពេល ។ វាជាការប្រើពាណិជ្ជកម្មដែលមានភាពងាយស្រួលទាំងស្រុង ៖ រក្សាទុក លក់ ឬកែប្រែអ្វីដែលអ្នកបង្កើត ។
ប្រភេទលក្ខខណ្ឌចំនួន 12
ឆើតឆាយ
ការរកឃើញគែមច្បាស់ ។ ល្អបំផុតសម្រាប់រក្សារូបរាងច្បាស់ និងការធ្វើបន្ទាត់ស្អាត ។
ជម្រៅ
ផែនទីជម្រៅ 3D ។ រក្សាប្លង់ចលនា — អ្វីដែលនៅជិត និងអ្វីដែលនៅឆ្ងាយ ។
ដាក់
ឆ្អឹងរាងកាយ OpenPose ។ ចាក់សោទីតាំងរាងកាយ និងតួរបស់រូបរាង ។
សរសេរជាអក្សរ
គំនូរដែលបានគូរដោយដៃបានប្ដូរទៅជាសិល្បៈដែលបានបញ្ចប់ ។
ការចែកជាផ្នែក
ផែនទីតំបន់ដែលបានដាក់កូដពណ៌ ។ ផ្ដល់តំបន់នីមួយៗនៃឆាកទៅថ្នាក់ ។
ធម្មតា
ផែនទីធម្មតាផ្ទៃ ។ រក្សាទិសផ្ទៃ 3D និងការរអិលល្អ ។
សិល្បៈបន្ទាត់
ការស្រង់បន្ទាត់ល្អិត - ល្អសម្រាប់ការបោះពុម្ពអក្សរខ្មៅ ម៉ាហ្កា និងរូបភាពបង្ហាញ ។
ជ្រុងរលោង
ការរកឃើញព្រំដែនដែលមានភាពរលូនដែលតាមរាងដោយមិនបានកំណត់ច្រើនជាង Canny ។
MLSD
ចម្រៀកបន្ទាត់ត្រង់។ ធ្វើសម្រាប់ស្ថាបត្យកម្ម ខាងក្នុង និងរូបភាពផលិតផល។
ក្រឡាក្បឿង
ការរក្សាលំអិតសម្រាប់ការធ្វើមាត្រដ្ឋានឡើងលើ និងការងារវាយនភាពដែលគ្មានដែនកំណត់ ។
ក្រាហ្វិក
លក្ខខណ្ឌដែលដឹងពីរបាំងដើម្បីបង្កើតឡើងវិញតែផ្នែកមួយនៃរូបភាព ។
គូរឡើងវិញ / ក្រៅពីគូរ
ពង្រីកផ្ទាំងគំនូរលើផ្កាឈូក ឬគូរតំបន់ឡើងវិញខណៈពេលគោរពរចនាសម្ព័ន្ធជុំវិញ ។
បីជំហាន
- ផ្ទុករូបភាពយោងឡើងវិញ — រូបថត គំនូរ រូបថតអេក្រង់ អ្វីដែលមានរចនាសម្ព័ន្ធដែលអ្នកចង់រក្សាទុក ។
- ជ្រើសប្រភេទលក្ខខណ្ឌដែលផ្គូផ្គងនឹងអ្វីដែលអ្នកយកចិត្តទុកដាក់ (ដាក់សម្រាប់រូបរាង ជម្រៅសម្រាប់ឆាក ស្រស់ស្អាត ឬលីនេអ៊ែរសម្រាប់ការគ្រោងស្អាត) ។
- សរសេរសំណូមពរដែលពិពណ៌នាអំពីរូបរាងដែលអ្នកចង់បាន និងបង្កើត ។ បង្កើនកម្លាំងត្រួតពិនិត្យដើម្បីតាមដានសេចក្ដីយោងកាន់តែជិតស្និទ្ធ បន្ថយវាសម្រាប់សេរីភាពច្នៃប្រឌិតកាន់តែច្រើន ។
ControlNet — 12 ប្រភេទលក្ខខណ្ឌនៅក្នុងឧបករណ៍មួយ - FAQ
ControlNet អនុញ្ញាតឱ្យអ្នកគ្រប់គ្រងការបង្កើតរូបភាព AI ជាមួយរូបភាពយោងរចនាសម្ព័ន្ធជំនួសឱ្យការពឹងផ្អែកលើការជូនដំណឹងអត្ថបទតែម្នាក់ឯង។ ផ្ទុកឡើងការយោងជ្រើសរើសប្រភេទលក្ខខណ្ឌ (ទម្រង់, ជម្រៅ, ជ្រុង, ស្នាមក្រហម, ផ្នែកនិងច្រើនទៀត) សរសេរការជូនដំណឹងនិង SDXL បង្កើតរូបភាពថ្មីដែលតាមដានរចនាសម្ព័ន្ធយោងរបស់អ្នកខណៈពេលដែលយកមាតិកា, រចនាប័ទ្មនិងពណ៌ពីពាក្យរបស់អ្នក។ វាត្រូវបានគាំទ្រដោយ ControlNet-Union SDXL ProMax - ម៉ូដែលមួយដែលគ្រប់គ្រងប្រភេទលក្ខខណ្ឌ 12 ក្នុង omni-picker មួយ។
img2img ពណ៌ឡើងវិញលើការបញ្ចូលដោយផ្ទាល់ - ពណ៌ ជ្រុង និងធរណីមាត្រលាយជាមួយនឹងការជូនដំណឹង ។ ControlNet បោះពណ៌ចេញ ហើយរក្សាតែសញ្ញារចនាសម្ព័ន្ធដែលបានជ្រើស (បន្ទាត់ រាងកាយរាងកាយ ផែនទីជម្រៅ ។ ល ។) ។ នោះអនុញ្ញាតឲ្យអ្នកប្តូរមាតិកាយ៉ាងជ្រៅខណៈពេលរក្សាសមាសធាតុរឹងរឹង ។ ត្រួតពិនិត្យរចនាសម្ព័ន្ធខ្លាំងជាង img2img ។
Canny / lineart សម្រាប់ការបញ្ចូលការងារបន្ទាត់ស្អាត ។ Anime- lineart សម្រាប់ការបញ្ចូលបន្ទាត់រចនាប័ទ្ម anime ។ Scribble / soft- edge / HED សម្រាប់ការគូរគំនូរក្រាស់ និងការគូរគំនូរ ។ Pose ដើម្បីចម្លងទីតាំងរាងកាយពីរូបថត ។ ជម្រៅ ដើម្បីរក្សាទុកធរណីមាត្រឆាក / ប្លង់ 3D ។ MLSD ដើម្បីរក្សាទុកបន្ទាត់ត្រង់ (ស្ថាបត្យកម្ម / ខាងក្នុង) ។ ធម្មតា ដើម្បីរក្សាទុកទិសផ្ទៃ និងកម្រិតសំឡេង ។ ចម្រៀក ដើម្បីរក្សាទុកតំបន់ ។ ក្រឡាក្បឿង ដើម្បីកែសម្រួល ឬធ្វើមាត្រដ្ឋានឡើងលើភាពខុសគ្នានៃរូបភាពដែលមានស្រាប់ ។
ControlNet-Union SDXL ProMax (xinsir, Apache 2.0) ដាក់កញ្ចប់បណ្តាញ 12 ទាំងអស់ទៅក្នុងទំងន់តែមួយ 2.5 GB ។ ការដំឡើងចាស់បានទាញយកទំងន់ ~ 2.5 GB រៀងៗខ្លួនក្នុងមួយប្រភេទ - ប្តូររវាង canny និង pose មានន័យថាចាប់ផ្តើមត្រជាក់។ ម៉ូដែលសហព័ន្ធផ្ទុកម្តងហើយនៅសល់ក្តៅដូច្នេះប្រភេទលក្ខខណ្ឌនីមួយៗគឺរងវិនាទីបន្ទាប់ពីការហៅដំបូង។
មែន។ ~1,200 រូបិយប័ណ្ណក្នុងមួយការបង្ហាញ (1,000 មូលដ្ឋាន SDXL + 20% ថ្លៃបន្ថែមនៃការគ្រប់គ្រង ControlNet) ។ អ្នកប្រើដែលបានចុះឈ្មោះទទួលបាន 30,000 រូបិយប័ណ្ណដោយឥតគិតថ្លៃក្នុងមួយថ្ងៃ - ប្រហែល 25 ការបង្ហាញលក្ខខណ្ឌក្នុងមួយថ្ងៃដោយគ្មានការចំណាយ។
បាទ/ ចាស - គ្រាប់រំកិលកម្លាំងត្រួតពិនិត្យ (លំនាំដើម ០. ៧) កំណត់ថាតើលទ្ធផលត្រូវបានយោងតាមការយោងរបស់អ្នកយ៉ាងម៉េច ។ 1.0= ខ្ជាប់ខ្ជួន (លទ្ធផលមើលទៅដូចជាការបង្ហាញឡើងវិញនៃការយោងរបស់អ្នក) ។ ០. ៤ = រលូន (សំណួរមានសេរីភាពច្រើន) ។ បន្ថយវាសម្រាប់ភាពខុសគ្នាច្នៃប្រឌិត លើកវាឡើងនៅពេលដែលភាពស្មោះត្រង់សំខាន់ ។
លំនាំដើម 512 × 512 ។ សមាមាត្រស្តង់ដារ SDXL - រូបរាង 768 × 1024, ទិដ្ឋភាព 1024 × 768, 1024 × 1024 ក្រឡា - ទាំងអស់ធ្វើការ។ លទ្ធផលធំជាងនេះប្រើ VRAM និងតូចជាងនេះ; H200 គាំទ្រដល់ 1024 × 1024 យ៉ាងងាយស្រួល។
បាទ។ ជំនាន់ ControlNet ចំណាយ ~ 1,000 តូក្យូក្នុងមួយរូបភាពដូចគ្នានឹងស្តង់ដារ SDXL ជំនាន់។ អ្នកប្រើអនាមិកទទួលបាន 6,000 តូក្យូ / ថ្ងៃគណនីឥតគិតថ្លៃផ្តល់ 30,000 / ថ្ងៃ។ គ្មានកាតឥណទានគ្មានសញ្ញាទឹក។ គុណភាពបង្ហាញខ្ពស់ឬភាពខុសគ្នាច្រើនចំណាយច្រើនជាងពីក្រុម។
អនុញ្ញាតឲ្យរូបភាពត្រួតពិនិត្យមានរចនាសម្ព័ន្ធរបស់ខ្លួន ហើយអនុញ្ញាតឲ្យការជូនដំណឹងមានអ្វីទាំងអស់ផ្សេងទៀត ។ ពិពណ៌នាប្រធានបទ រចនាប័ទ្ម វត្ថុធាតុដើម ការចាំងពន្លឺ និងអារម្មណ៍ក្នុងការជូនដំណឹង - ឧទាហរណ៍ជាមួយផែនទីជម្រៅនៃបន្ទប់ទទួលភ្ញៀវ ជូនដំណឹង "បន្ទប់ទទួលភ្ញៀវ Scandinavian ស្រស់ស្អាត ពន្លឺព្រឹកក្តៅ ផែនដីឈើអែម រូបថតពិតប្រាកដ" ។ បន្ថែមការជូនដំណឹងអវិជ្ជមានដើម្បីលុបធាតុដែលមិនចង់បាន ។ ប្រសិនបើលទ្ធផលតាមដានសេចក្ដីយោងយ៉ាងតឹងរឹងពេក ដោះកម្លាំងត្រួតពិនិត្យចេញ ប្រសិនបើវាមិនអើពើវា បង្កើនកម្លាំង ។
ម៉ូដែលដូចគ្នា, គុណភាពដូចគ្នា, សញ្ញា conditioning ដូចគ្នា. ComfyUI និង A1111 ត្រូវការ GPU មូលដ្ឋានជាមួយ 12+ GB VRAM បន្ថែមទៀតការរៀបចំ. យើងរត់វានៅលើហេដ្ឋារចនាសម្ព័ន្ធចែករំលែកជាមួយនឹងការសប្បុរសដោយឥតគិតថ្លៃ pool - គ្មានការដំឡើង, គ្មាន GPU ត្រូវការ.
ការហៅដំបូងទាញយកទម្ងន់សហភាព (~ 2.5 GB) ទៅក្នុងឃ្លាំងសម្ងាត់ GPU និងធ្វើឱ្យបំពង់ SDXL ត្រជាក់។ រំពឹងថា 30-60 វិនាទីនៅលើសំណើដំបូងបន្ទាប់ពីការបញ្ជូនឬការដកហូត LRU ។ ការហៅបន្ទាប់ក្រោមការផ្ទុកធម្មតាត្រឡប់មកវិញក្នុង 4-7 វិនាទី។
បាទ - POST ផ្នែកច្រើនទៅ / v1 / image / generate / ជាមួយ model=sdxl (ឬ model=controlnet-union-sdxl-promax), សំណួរ, control_image (ឯកសារ), control_type=<មួយនៃ: canny, ដាក់, ជម្រៅ, scribble, lineart, anime-lineart, mlsd, hed, ចំណុចទន់, ធម្មតា, ការចែកជាផ្នែក, ក្បឿង>, ជម្រើស control_strength (0.1-1.5). ម្ចាស់ auth, 10K ឥតគិតថ្លៃ tokens / ខែ. / api / មានឧទាហរណ៍ curl.