Gintoki ti
Terbaik untuk pemula. Aliran kerja yang kuat, lengkung pembelajaran rendah.
Cipta video, imej, persona sembang tersuai, dan banyak lagi.
Layari model, render dan perbaiki dari mana-mana pelayar atau telefon.
Tambah Vector ke pelayan anda atau sertai Discord Vector. Cipta apa sahaja!
Editor untuk imej dan video: render, sunting, tingkatkan dan banyak lagi dalam satu halaman.
Jana di laman Civitai sendiri; setiap imej dibayar dengan kredit Buzz.
Pasang program tempatan kalau komputer kau cukup kuat.
Jana arahan yang sama pada sehingga 50 model checkpoint/asas sekaligus.
__html__SAKATA GINTOKI The parfait addict.The white Devil.and uh.. SILVER BALLS!This is not 100% ACCURATE, but it actually does FAIRLY well depending on the model, weirdly we've tested it on a lot of our back mixes. The lack of accuracy is just that it won't do his specific outfit, and his hair comes out fairly standard. This WILL RESPOND DIFFERENTLY ON DIFFERENT MODELS AS IT IS A PROMPTED EMBED rather than trained.If you're seeing models not available yet, please be patient or go surf our E&D repositories on huggingface. We're in a huge testing phase right now and want to make sure we're…__html__SAKATA GINTOKI The parfait addict.The white Devil.and uh.. SILVER BALLS!This is not 100% ACCURATE, but it actually does FAIRLY well depending on the model, weirdly we've tested it on a lot of our back mixes. The lack of accuracy is just that it won't do his specific outfit, and his hair comes out fairly standard. This WILL RESPOND DIFFERENTLY ON DIFFERENT MODELS AS IT IS A PROMPTED EMBED rather than trained.If you're seeing models not available yet, please be patient or go surf our E&D repositories on huggingface. We're in a huge testing phase right now and want to make sure we're depositing quality not turds ;). DISCLAIMER: ALL TI's were developed using the EMBEDDING MERGE tool on A1111, these were not TRAINED like normal TI's so behavior entirely depends on clip settings and otherwise. We use Clip Skip 2.Created using A1111 - Embedding Merge tool.https://github.com/klimaleksus/stable-diffusion-webui-embedding-mergeAbout & SponsoredWant to see more? We're starting to release EXCLUSIVE Content via our patreon: https://patreon.com/earthndusk"WE"? - We have Dissociative identity disorder, ADHD, Autism and CPTSD - "WE" as in we're a system of over 200 alters, and we're not ashamed about it. We believe that AI can break down barriers in some aspects of mental health, but we also believe that AI can hinder aspects of it.We're gunning for our huge exhibition project watch this space: https://www.end-media.orgOur photography (WHEN WE DID IT) is available for FREE via Unsplas
Glosari: istilah yang digunakan di sini
- Skor heat
- Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
- Lantai
- 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
- Setara muat turun
- Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
- Skala log
- Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
- Suka
- Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
- Kadar penerimaan
- Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
- Diukur dan dianggarkan
- Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
- Seeder
- Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
- AI Horde
- Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
- Laman penjanaan
- Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
- Token OpenRouter
- Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Model penuh (checkpoint)
- Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
- LoRA dan embedding
- Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
- Keluarga dan berat
- Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
- Umur
- Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
- Peningkatan keluarga
- Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
- Skor gantian
- Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
- Baru! (tempoh kelonggaran)
- Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
- Trend
- Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
- Model biasa
- Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.
