Creation NAIXL V1-251001
中文 / English
简介
这一模型基于 NoobAI-XL 的 Epsilon 系列模型,使用全新的数据集进行训练,希望你能喜欢。我会在此基础上扩大数据集规模继续训练,直至其完善。十月版本的模型对比五月在多方面得到了显著增强,但语义准确性降低了不少,有待继续改进。
模型训练详情
数据集
继续训练所使用的数据集的生成样本主要是从 Pixiv 收集的图像,提示词则包括某一图像在 Pixiv 由作者或群众添加的英文标签,以及由 Danbooru API 获取的标签作为提示词。
对于未上传到 Danbooru 的图像,由于 Pixiv 对作品提供的标签较少,故利用 wd-tagger-v3 对每一个图像推理,进一步获取作为提示词的 danbooru 标签,然后使用本地的索引,配合 Danbooru 提供的自动补全 API,映射每一个画师的用户名为正确的 danbooru 艺术家标签。
详情如下:
从 Pixiv 的常规月排行榜完整爬取从 2025 年 1 月至 10 月每天的 500 张图像后去重,并获取每张图像的英文标签。
从 Pixiv 的R18周排行榜完整爬取从 2025 年 1 月至 5 月每天的图像后去重,并获取每张图像的英文标签,之所以没有继续更新 R18 排行榜上的图片是因为打码的太多了。
从 Pixiv VISIONS 年鉴中选取约 50 名插画作者从 2024 年 11 月 1 日至 2025 年 10 月 1 日的作品,并获取每张图像的英文标签。
由于 Pixiv 所在国家的政策原因,绝大多数 R18 作品被审查过,所以从 Danbooru 按 order:score age:<1year 遴选近 7000 张正面样本,涵盖多数游戏角色,并收集负面样本 bad hands, bad feet...。
合计 21,345 张样本。
WEEKLY_RANKING_R18_API: str = "https://www.pixiv.net/ranking.php?mode=weekly_r18&date={date}&p={p}&format=json" MONTHLY_RANKING_API: str = "https://www.pixiv.net/ranking.php?mode=monthly&date={date}&p={p}&format=json" ILLUST_INFO_API: str = "https://www.pixiv.net/ajax/illust/{illust_id}?lang=en" DANBOORU_SEARCH_API: str = "https://danbooru.donmai.us/posts.json?tags={tags}&page={page}&limit={limit}" DANBOORU_AUTO_COMPLETE_API: str = "https://danbooru.donmai.us/autocomplete.json"
对提示词去重,删去部分错误提示词,删去提示词过短或过长的训练样本,删去含以下提示词的样本。
chat log, fake screenshot, ai-generated, ai-generated illustration, announcement celebration, comic, manga, how to draw, multiple boys, multiple girls
按作品的热度自动添加质量标签(见下文)。
生成指引
提示词
在每次生成中,你应该统一使用同一种写法的提示词,可供使用的提示词书写方式有两种。
• 移除提示词中的所有下划线,如 robin \(honkai: star rail\) (建议,因为训练用的提示词格式就是这样的)。
• 含下划线的提示词,如 robin_\(honkai:_star_rail\);
推荐的提示词顺序如下:
<1boy/1girl/1other/...>, <character>, <artists/styles>, <quality tags>, <composition tags>, <IP/franchise>, <more tags>
数据集中将 Pixiv 中的 “xxx n+ bookmarks/users” 标签映射为了质量提示词,以此增强了模型的质量控制。经对比,这些提示词的效果已较为显著。
可用的质量提示词有:
masterpiece # n >= 10000 best quality # 5000 <= n < 10000 high quality #