ControlNet — Karazan-javatra 12 ao anaty fitaovana iray
Akaro sary iray, safidio ny karazana fifehezana, soraty ny fanontaniana. Manaja ny firafitra amin'ny sary (tsipika, fijery, halava, sns.) ny AI ary mamorona votoaty vaovao amin'ny endrika rehetra. Notarihin'ny ControlNet-Union SDXL ProMax - Apache 2.0, azo ampiasaina amin'ny varotra tanteraka.
Valiny
Ahoana ny fomba fiasan'ny ControlNet
ControlNet mamela anao hifehy ny famoronana sary amin'ny alalan'ny firafitra amin'ny sary iray fototra fa tsy amin'ny alalan'ny fanontaniana amin'ny soratra fotsiny. Misy mpamokatra aloha mamaky ny fanontanianao ary maka marika iray tokana - ny sisiny, ny sarintany halavany, ny endrika fototra an'ny olona, sns. Averina amin'io marika io ny modelin'ny fampielezana rehefa mametraka ny endriky ny sary, ny loko, ny hazavana, ary ny lohahevitra ny fanontaniana. Tsy miova ny famoronana napetrako ny vokatra, saingy toy ny zavatra vaovao tanteraka.
Ity fitaovana ity dia tohanan'ny ControlNet-Union SDXL ProMax (Apache 2.0) — modely tokana izay mahatakatra ireo karazana fifehezana 12 etsy ambany rehetra, ka afaka miova eo amin'izy ireo ianao avy amin'ny mpifidy iray tsy misy fametrahana tambajotra hafa isaky ny mandeha. Azo ampiasaina amin'ny varotra tanteraka izy io: tazonina, amidy, na ovaina izay rehetra namoronanao.
Ireo karazana fifehezana 12
Canny
Famantarana ny sisiny miloko. Tsara indrindra ho an'ny fiarovana ny sisin-dalana sy ny sisin-dalana madio.
Halava
Sarin'ny halalin'ny 3D. Mitahiry ny firafitra ara-jeografika — izay akaiky sy izay lavitra.
_Pose
Ny skeleton'ny vatana OpenPose. Migeja ny fijerin'ilay sary sy ny toerana misy ny tongony.
Scribble
Ny doodles namboarina tanana dia lasa zavakanto vita.
Fampizarana
Sarin'ny faritra misy loko. Ampidiro anaty sokajy ny faritra tsirairay ao amin'ilay seho.
_Normal
Sarintany ara-pifaneraserana. Mametra ny fihodinana 3D sy ny fihodinana.
Sary an-tsisiny
Ny fivoahana amin'ny tsipika madinika — mety indrindra ho an'ny fanoratana, manga, ary sary.
Soft-edge
Ny fiteny malagasy dia manana fiteny fototra izay miavaka kokoa noho ny fiteny malagasy.
MLSD
Ireo faritra mivadika mivantana. Natao ho an'ny famolavolana, ny anatiny, ary ny sary momba ny vokatra.
Hazo
Ny fiteny dia mifototra amin'ny fiteny fototra sy ny fiteny tsy fototra.
_Soratra
Ny fiteny malagasy dia mampiasa ny fiteny malagasy ho ampahany amin'ny fiteny iray.
Hanova loko / hanova endrika
Mampitombo ny hazo fijaliana na mamerina mamorona faritra amin'ny alalan'ny fanajana ny firafitra manodidina.
Dingana telo
- Akaro ny sary fototra — sary, sary an-tsary, dikasary, na inona na inona amin'ny firafitra tianao ho hitazonana.
- Misafidiana ny karazana fifehezana mifanaraka amin'izay tianao (fijery ho an'ny sary, halava ho an'ny seho, sarotra na tsotra ho an'ny endrika mazava).
- Manoratra fanontaniana iray milaza ny endrika tianao hamoronana. Alefaso ny herin'ny fifehezana mba hanarahana ny rohy amin'ny fomba henjana kokoa, ary esory izany raha te hanana fahalalahana bebe kokoa amin'ny famoronana.
ControlNet — Karazan-javatra 12 ao anaty fitaovana iray - FAQ
Ny ControlNet dia mamela anao hifehy ny famoronana sary AI amin'ny alalan'ny sary famantarana ny foto-drafitrasa fa tsy miankina amin'ny fanontaniana momba ny lahatsoratra fotsiny. Afindrao ny famantarana, misafidiana karazana fampiatoana (fijerin'ny endrika, halava, sisiny, sary misoratra, fizarazarana, sns.), manoratra fanontaniana, ary ny SDXL dia hamorona sary vaovao izay manaraka ny foto-drafitrasa famantaranao rehefa mandray ny votoaty, ny endrika, ary ny loko avy amin'ny teny lazainao. Notohanan'ny ControlNet-Union SDXL ProMax izy io - modely iray izay mifehy karazana fampiatoana 12 ao anatin'ny mpifidy omni-picker tokana.
Ny img2img dia mamerina mamorona loko eo amin'ny angon-drakitra mivantana — loko, sisiny, ary ny endrika geometrika miaraka amin'ny fanontaniana. Manaisotra ireo loko ny ControlNet ary mitahiry ny marika ara-pirafitra voafaritra ihany (tsipika, endrika, sarintany halava, sns). Izany no ahafahanao mifampitodika amin'ny mpiaty raha toa ka tsy misy fiovana amin'ny famoronana. Fifehezana ny firafitra matanjaka kokoa noho ny img2img.
Canny / lineart ho an'ny fandefasana andalana madio. Anime-lineart ho an'ny fandefasana andalana amin'ny endrika anime. Scribble / soft-edge / HED ho an'ny sary sokitra sy ny doodles. Pose ho an'ny fandikana ny toerana misy ny vatana avy amin'ny sary. Depth ho an'ny fitazonana ny endrika geometrika / ny firafitra 3D. MLSD ho an'ny fitazonana ny tsipika mitsangana (arkitektonika / anatiny). Normal ho an'ny fitazonana ny fihodinana sy ny haben'ny sehatr'asa. Segmentation ho an'ny fitazonana ny faritra. Tile ho an'ny fanatsarana na fanatsarana ny endriky ny sary misy.
Ny ControlNet-Union SDXL ProMax (xinsir, Apache 2.0) dia mametraka ireo tambajotra 12 rehetra amin'ny fifehezana ao anatin'ny lanja tokana 2.5 GB. Ny fampidirana taloha dia nandefa ny lanja ~2.5 GB isaky ny karazana — ny fiovana eo amin'ny canny sy ny pose dia midika fa manomboka amin'ny fiatoana. Ny modelin'ny union dia miakatra indray mandeha ary mijanona mafana, ka ny karazana fifehezana tsirairay dia tsy maintsy miandry segondra vitsy aorian'ny antso voalohany.
Eny. ~1,200 tokens isaky ny render (1,000 base SDXL + 20% ControlNet conditioning surcharge). mahazo tokens 30,000 maimaimpoana isan'andro ireo mpampiasa efa niditra — render 25 isan'andro tsy misy vidiny. Anonymous: 2,500 tokens/andro (~2 render).
Eny — ny tsindry misintona ny hery (0.7 ny sanda tsotra) dia mamaritra ny maha-mafy ny fivoahana manaraka ny fiovam-peo. 1.0 = mafy (miseho toy ny fanehoana indray ny fiovam-peo). 0.4 = malefaka (manana fahalalahana bebe kokoa ny fanontaniana). Ahenao izy io raha te-hamorona, avoavo izy io raha ilaina ny fahamarinana.
512×512 tsotra. Ny tahan'ny SDXL mahazatra — 768×1024 mitsangana, 1024×768 mitsangana, 1024×1024 karetsaka — dia miasa daholo. Ny famoahana lehibe kokoa dia mampiasa VRAM sy tokens bebe kokoa; mandray an-tànana ny 1024×1024 ny H200.
Eny. Ny fivoaran'ny ControlNet dia mitentina ~1,000 tokens isaky ny sary, mitovy amin'ny fivoaran'ny SDXL mahazatra. Ny mpampiasa tsy fantatra anarana dia mahazo 6,000 tokens/andro; ny kaonty maimaimpoana dia manome 30,000/andro. Tsy misy karatra fandoavam-bola, tsy misy marika rano. Ny resolution avo kokoa na ny fiovana maro dia mitentina mihoatra noho ny amin'ny tahiry.
Avelao ny sary mpanara-maso hifehy ny firafitra ary aleo ny fanontaniana no hifehy ny zavatra hafa. Ampidiro ao anatin'ny fanontaniana ny lohahevitra, ny endrika, ny fitaovana, ny hazavana, ary ny toe-po - ohatra amin'ny alalan'ny sarintany amin'ny halalin'ny efitrano iray, ny fanontaniana "efitrano Scandinave mahafinaritra, hazavana mamy maraina, rindrina voanio, tena marina amin'ny sary". Ampidiro ny fanontaniana miiba mba hanala ireo singa tsy ilaina. Raha manaraka ny rohy tsy miova loatra ny vokatra, dia esory ny herin'ny fanontaniana; raha tsy raisina an-tànana izy, dia avoahy ny heriny.
Modely mitovy, kalitao mitovy, famantarana fanaraha-maso mitovy. Mila GPU ao an-toerana manana VRAM 12+ GB sy ny fametrahana ny ComfyUI sy ny A1111. Alefanay amin'ny fotodrafitrasa iraisana miaraka amin'ny tahiry malalaka izy io — tsy mila fametrahana, tsy mila GPU.
Ny antso voalohany dia maka ny lanja Union (~2.5 GB) ao anatin'ny cache GPU ary mameno ny fantsona SDXL. Andraso 30-60 segondra ny fangatahana voalohany aorian'ny fampidirana na ny fanesorana LRU. Ny antso manaraka eo ambanin'ny sandan'ny entana mahazatra dia miverina ao anatin'ny 4-7 segondra.
Eny — POST multipart ho an'ny /v1/image/generate/ miaraka amin'ny model=sdxl (na model=controlnet-union-sdxl-promax), fanontaniana, control_image (rakitra), control_type=<iray amin'ireo: canny, pose, depth, scribble, lineart, anime-lineart, mlsd, hed, soft-edge, normal, segmentation, tile>, control_strength safidy (0.1-1.5). Bearer auth, 10K tokens maimaimpoana/volana. /api/ manana ohatra curl.