SDXL Controlnet LoRA एक पाठ-से-छवि मॉडल है जो Canny किनारे पहचान को LoRA-संचालित शैली अनुकूलन के साथ जोड़ता है। आप एक संदर्भ छवि अपलोड करते हैं, मॉडल इसकी किनारे संरचना को पढ़ता है, और वह संरचना नियंत्रित करती है कि वस्तुएं, आकार, और गहराई उत्पादित आउटपुट में कहां आती है। यह संरचना से अनुमान हटाता है और आपको दोहराए जाने योग्य लेआउट देता है भले ही आप शैली, रंग पैलेट, या विषय पूरी तरह से बदलें। मॉडल img2img मोड का समर्थन करता है, जिसका मतलब है कि एक एकल छवि संरचनात्मक संदर्भ और डिनोइजिंग के आधार दोनों के रूप में काम कर सकती है, मॉडल को सामग्री को फिर से पेंट करने देते हुए मूल लेआउट को जगह पर रखता है। LoRA वजन किसी भी प्रशिक्षित शैली या वर्ण सेट को सीधे पीढ़ी में इंजेक्ट करते हैं, और lora_scale आपको उस प्रभाव को इच्छा की तीव्रता से मिश्रण करने देता है। Guidance scale, condition scale, scheduler, और refiner steps सभी आपको अंतिम आउटपुट गुणवत्ता पर सटीक नियंत्रण देते हैं। Picasso IA पर, कोई प्रति-पीढ़ी क्रेडिट या उपयोग कोटा नहीं है, इसलिए आप किसी काउंटर को देखे बिना जितने भिन्नताएं चाहें चला सकते हैं। यह मॉडल प्राकृतिक रूप से उन वर्कफ़्लो में फिट बैठता है जहां दृश्य सामंजस्य कई आउटपुट में महत्वपूर्ण है, जैसे एक उत्पाद कैटलॉग बनाना, वर्ण शीट डिजाइन करना, या यह परीक्षण करना कि विभिन्न कलात्मक शैलियों में संरचना कैसे होती है। Picasso IA पर SDXL Controlnet LoRA खोलें, अपना संदर्भ अपलोड करें, अपना प्रॉम्प्ट लिखें, और तब तक जनरेट करें जब तक परिणाम बिल्कुल वह न हो जो आपको चाहिए।
SDXL Controlnet LoRA एक पाठ-से-छवि मॉडल है जो Canny किनारे पहचान का उपयोग करके एक संदर्भ छवि से संरचना को लंगर डालता है, फिर उस संरचना को आपके पाठ प्रॉम्प्ट से सामग्री के साथ भरता है। Picasso IA पर, आप असीमित पीढ़ियां प्राप्त करते हैं, जिसका मतलब है कि आप एक ही संरचना पर दर्जन प्रॉम्प्ट के आर पार पुनरावृत्त कर सकते हैं जब तक परिणाम बिल्कुल सही न हो। यह एक विशिष्ट समस्या को हल करता है: एक जनरेटिव एआई मॉडल को यह सम्मान करना कि चीजें फ्रेम में कहां दिखाई देती हैं, सिर्फ वे कैसी दिखती हैं नहीं। उत्पाद डिजाइनर, चित्रकार, और फोटोग्राफर इसका उपयोग करते हैं जब लेआउट सटीकता दृश्य शैली जितनी महत्वपूर्ण हो।
क्या मुझे इसे उपयोग करने के लिए प्रोग्रामिंग कौशल या तकनीकी ज्ञान की आवश्यकता है? नहीं, बस Picasso IA पर SDXL Controlnet LoRA खोलें, वह सेटिंग समायोजित करें जो आप चाहते हैं, और generate दबाएं। नियंत्रण स्लाइडर और ड्रॉपडाउन हैं, कोई कोड आवश्यक नहीं।
क्या यह परीक्षण करने के लिए स्वतंत्र है? हाँ। आप भुगतान विवरण दर्ज किए बिना अपनी पहली पीढ़ी चला सकते हैं। मॉडल तुरंत उपलब्ध है और शुरू करने के लिए कोई खाता सेटअप की आवश्यकता नहीं है।
परिणाम प्राप्त करने में कितना समय लगता है? अधिकांश पीढ़ियां 15 से 45 सेकंड में समाप्त होती हैं inference चरणों और शोधक सक्रिय है या नहीं इस पर निर्भर करते हुए। num_inference_steps को कम करने से विस्तार के लिए एक छोटी कीमत पर चीजें तेजी से चलती हैं।
मैं मॉडल को कितनी बार चला सकता हूं? Picasso IA पर कोई कैप नहीं है। आप जितनी चाहें उतनी छवियां उत्पन्न कर सकते हैं, बैक-टू-बैक सत्र चला सकते हैं, और किसी भी उपयोग कोटा को हिट किए बिना स्वतंत्र रूप से पुनरावृत्त कर सकते हैं।
क्या मैं अपने स्वयं के LoRA वजन का उपयोग कर सकता हूं? हाँ। किसी भी संगत LoRA वजन सेट के स्थान को lora_weights फ़ील्ड में पेस्ट करें और इसे अपनी इच्छा की तीव्रता पर आउटपुट में मिश्रण करने के लिए lora_scale को समायोजित करें।
कौन से आउटपुट प्रारूप समर्थित हैं? मॉडल SDXL रिज़ॉल्यूशन पर मानक PNG छवियों को आउटपुट करता है। आप पीढ़ी समाप्त होने के बाद परिणाम पैनल से सीधे उन्हें डाउनलोड कर सकते हैं।
अगर मुझे परिणाम से खुश नहीं हूं तो क्या? बीज बदलें, condition scale को कम या बढ़ाएं, शेड्यूलर स्विच करें, या प्रॉम्प्ट को परिष्कृत करें और फिर से चलाएं। क्योंकि कोई पीढ़ी सीमा नहीं है, आप आउटपुट काम करने तक जितनी बार चाहें पुनरावृत्त कर सकते हैं।
प्रत्येक जेनरेशन 1 क्रेडिट का उपयोग करता है
1 क्रेडिट
या 5 क्रेडिट्स 5 जेनेरेशन के लिए
एलीट या इनफिनिट योजनाओं के साथ, बिना किसी अतिरिक्त लागत के इस मॉडल के साथ असीमित जेनरेशन का आनंद लें।
यह मॉडल आपके लिए क्या कर सकता है
किसी भी छवि की संरचना को संरचित करें एक संदर्भ खिलाकर जिसका किनारे मानचित्र निर्धारित करता है कि वस्तुएं और गहराई आउटपुट में कहां दिखाई देती है।
उत्पादित छवि में विशिष्ट कलात्मक शैलियों, बनावट, या प्रशिक्षित वर्णों को पुन: उत्पन्न करने के लिए किसी भी संगत LoRA वजन लागू करें।
एक छवि को संरचनात्मक एंकर और डिनोइजिंग आधार दोनों के रूप में उपयोग करें, प्रॉम्प्ट से सामग्री को फिर से पेंट करते हुए मूल लेआउट को संरक्षित करते हैं।
विस्तार को तेज करने और अंतिम आउटपुट में शोर को कम करने के लिए समायोज्य चरणों के साथ एक आधार छवि शोधक चरण जोड़ें।
जनरेशन गति और आउटपुट शैली को आकार देने के लिए सात शेड्यूलर से चुनें, जिसमें K_EULER, DDIM, और DPMSolverMultistep शामिल हैं।
किनारे मानचित्र परिणाम को कितनी सख्ती से आकार देता है यह बढ़ाएं या कम करें, एक हल्के सुझाव से कड़ी संरचनात्मक लॉक तक।
Picasso IA पर जितनी चाहें उतनी छवियां उत्पन्न करें क्रेडिट कैप, कोटा, या प्रति-रन शुल्क के बिना।
सुरक्षित छवि तैनाती के लिए वैकल्पिक वॉटरमार्किंग
shot in the style of sksfer, a woman, blue sky
shot in the style of sksfer, a woman
shot in the style of sksfer, a woman
shot in the style of sksfer, a woman
shot in the style of sksfer, a woman in paris, tower eiffel in te background
shot in the style of sksfer, a woman in alaska
