麦橘超然上线魔搭社区,免费生图和训练,文末返图有奖

简介: 麦橘超然是麦橘制作的基于Flux.1的模型,可以生成高度摄影写实和富有光影感的图片,尤其擅长表现人物的脸部和肌肤细节。麦橘之前的作品麦橘写实是各大文生图开源站点最受欢迎的模型之一。

麦橘超然是麦橘制作的基于Flux.1的模型,可以生成高度摄影写实和富有光影感的图片,尤其擅长表现人物的脸部和肌肤细节。麦橘之前的作品麦橘写实是各大文生图开源站点最受欢迎的模型之一。

麦橘超然特点有:

• 真实度高:模型融合了多种模型,可以生成逼真的人物摄影风格,甚至能够呈现出头发、眼睛、雀斑等微小的特征。

• 光影感强:模型可以还原画面中的明暗对比,增强图片的立体感和氛围,适合处理暗部和阴影的场景。

• 社区共建:麦橘超然和社区30多位lora创作者合作,共同发布超过50个基于麦橘超然训练的lora。

麦乐园组织链接:

https://modelscope.cn/organization/MAILAND

麦橘超然模型链接:

https://modelscope.cn/models/MAILAND/majicflus_v1

01.魔搭AIGC专区体验

快速生图

麦橘超然已经线上魔搭社区AIGC专区快速生图页面,首页即可选择模型,快速生图!

生图历史中可选择分享到创意广场,快来分享你的作品吧!

专业生图

专业生图支持正向和负向提示词,提示词翻译和优化,基模,lora和vae的随心搭配,以及更多的生图基本参数:采样方法、提示词引导系数、随机种子、采样步数、生成图片数量、宽度和高度,局部重绘,图片前处理如抠图,高清修复,ADetailer修复,ControlNet等

魔搭社区本次和麦乐园合作,上线了数十种麦橘超然lora,lora还在持续训练和上线中,快来探索吧!

点击生图历史,分享图片到创意广场,快来分享你的作品吧!

02.模型训练

LoRA 训练模块允许基于少量图片和对应标签,通过使用Lora(Low-Rank Adaptation),基于麦橘超然快速微调,训练得到自己想要的专属风格LoRA模型,创造出具有独特风格的图像生成器!

和使用自己的电脑训练 LoRA 相比,使用魔搭平台有以下优势:

  • 无需配置复杂的 Python、GPU 环境,整个流程在网页上操作即可
  • 社区免费提供的算力资源,显卡性能优于 RTX 4090
  • 模型、参数、训练任务等信息严格鉴权,不用担心被其他人窃取你的信息

03.工作流

本次魔搭还为大家准备了Comfyui一键工具包,配置社区的麦橘超然工作流+魔搭社区免费notebook算力,享受独占式生图自由!

Comfyui一键工具包链接:

https://modelscope.cn/models/AI-ModelScope/ComfyUI-MajicFlus

麦橘超然工作流链接:

https://modelscope.oss-cn-beijing.aliyuncs.com/resource/majicflus.json

在魔搭社区免费notebook中,选择GPU算力:

!wget "https://modelscope.oss-cn-beijing.aliyuncs.com/resource/cloudflared-linux-amd64.deb"
!dpkg -i cloudflared-linux-amd64.deb
!git clone https://www.modelscope.cn/AI-ModelScope/ComfyUI-MajicFlus.git
%cd /mnt/workspace/ComfyUI-MajicFlus
import subprocess
import threading
import time
import socket
import urllib.request
def iframe_thread(port):
  while True:
      time.sleep(0.5)
      sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
      result = sock.connect_ex(('127.0.0.1', port))
      if result == 0:
        break
      sock.close()
  print("\nComfyUI finished loading, trying to launch cloudflared (if it gets stuck here cloudflared is having issues)\n")
  p = subprocess.Popen(["cloudflared", "tunnel", "--url", "http://127.0.0.1:{}".format(port)], stdout=subprocess.PIPE, stderr=subprocess.PIPE)
  for line in p.stderr:
    l = line.decode()
    if "trycloudflare.com " in l:
      print("This is the URL to access ComfyUI:", l[l.find("http"):], end='')
    #print(l, end='')
threading.Thread(target=iframe_thread, daemon=True, args=(8188,)).start()
!python main.py --dont-print-server

评论区前10位返图,赠魔搭社区超in棒球帽一个,快来!

点击链接阅读原文:麦橘超然

目录
相关文章
|
3月前
|
人工智能 物联网 测试技术
Qwen-Image-Edit:全能图像编辑,驱动内容创作提质增效
通义千问团队开源Qwen-Image-Edit,基于20B模型,支持语义与外观双重编辑、精准中英文文字修改,具备SOTA图像编辑能力,可用于IP创作、风格迁移、文字修复等。
2401 6
|
人工智能
AI 绘画Stable Diffusion 研究(五)sd文生图功能详解(下)(3)
AI 绘画Stable Diffusion 研究(五)sd文生图功能详解(下)
851 0
|
12月前
|
XML Java 应用服务中间件
SpringBoot-打包&部署
SpringBoot 项目支持两种打包方式:WAR 包和 JAR 包。JAR 包内置 Tomcat,可直接运行;WAR 包需部署在外部 Tomcat 上。JAR 包通过 `mvn clean package` 打包并用 `java -jar` 运行,支持后台运行和 JVM 参数配置。WAR 包需修改 pom.xml 为 war 类型,移除嵌入式 Tomcat 依赖,添加 servlet-api,并继承 `SpringBootServletInitializer`。配置文件可通过外部 application.yml 覆盖,默认优先级高于 JAR 内部配置。
1271 17
SpringBoot-打包&部署
|
11月前
|
人工智能 算法 物联网
ComfyUI:搭积木一样构建专属于自己的AIGC工作流(保姆级教程)
通过本篇文章,你可以了解并实践通过【ComfyUI】构建自己的【文生图】和【文生动图】工作流。
ComfyUI:搭积木一样构建专属于自己的AIGC工作流(保姆级教程)
|
JavaScript 计算机视觉
FLUX.1 Tools 全家桶开源!文末附一键ComfyUI启动链接
Black Forest Labs 发布了 FLUX.1 Tools,一套增强 FLUX.1 文本转图像模型的工具集,包括 FLUX.1 Fill、FLUX.1 Depth、FLUX.1 Canny 和 FLUX.1 Redux,分别用于图像修复、深度引导、边缘检测和图像重组。提供详细的安装指南和模型下载链接,支持用户快速上手并优化图像处理流程。
4782 4
FLUX.1 Tools 全家桶开源!文末附一键ComfyUI启动链接
|
11月前
|
开发者 异构计算
高效部署通义万相Wan2.1:ComfyUI文生/图生视频实战,工作流直取!
通义万相Wan2.1开源不到一周,已登顶HuggingFace Model 和 Space 榜双榜首,在HuggingFace和ModelScope平台的累计下载量突破100万次,社区热度持续攀升!为响应小伙伴们对ComfyUI工作流运行Wan2.1的强烈需求,社区开发者整理了实战教程👇
8134 23
高效部署通义万相Wan2.1:ComfyUI文生/图生视频实战,工作流直取!
|
自然语言处理 开发者
通义语音大模型评测:CosyVoice与SenseVoice
随着人工智能技术的不断发展,语音生成和理解模型在各个领域得到了广泛应用。本文将评测两个由FunAudioLLM团队开发的多语言语音模型——[CosyVoice](https://github.com/FunAudioLLM/CosyVoice)和[SenseVoice](https://github.com/FunAudioLLM/SenseVoice),并结合阿里云开发者社区的相关资源,探讨其在实际应用中的表现。
3362 3
|
12月前
|
机器学习/深度学习 决策智能 网络架构
C-3PO:多智能体强化学习赋能检索增强生成
检索增强生成(Retrieval-augmented generation,RAG)作为一种关键范式,它通过融入外部知识来提升大型语言模型(LLMs)的能力。RAG的有效性很大程度上取决于检索器和大语言模型之间的对齐程度以及各组件间的紧密交互和协作。
246 1
|
数据采集 人工智能 自然语言处理
魔搭社区每周速递(1.5-1.18)
🙋魔搭ModelScope本期社区进展:新增3239个模型,711个数据集,192个创新应用, 16篇内容
661 11

热门文章

最新文章