Я промышляю генерациями картинок. Оцените.
>>209866 NaN/10 Лора нет, истории нет, характера нет, мессаджа нет, намерения нет, квалии нет.
>>209868 Согласен. >>209869 Начинается. >Лора нет, истории нет, характера нет Если ты не знаком с персонажем это не значит что всего этого у него нет. >мессаджа Месседж в аниме-картинке, смешно. >намерения Что это? >квалии нет У нейронки? Нету, а что? Во-первых, у карандаша ее тоже нет, во-вторых она и не нужна.
ｷﾀ━━━(ﾟ∀ﾟ)━━━!!
>>209868 А что тебе больше всего понравилось в картинке?
>>209870 Я знаком с тохами хотя не являюсь тохофагом. Ну потому что вокруг люди, которые рассказывают их истории. У сгенерированного набора пикселов есть история, которую рассказывают люди? >Месседж в аниме-картинке, смешно. Т.е. ты утверждаешь что в аниме нет смысла. Nice. >Что это? У любого художника в первую очередь есть намерение передать что-то через своё творчество. Хотя бы свои мокрые фантазии. За это мы творчество и любим. >У нейронки? Нету, а что? Да ни чо, просто как тогда оценивать набор байт, если у него ничего нет? NaN/10, автомат отработал без сегфолтов.
>>209873 Не понял к чему претензия. Мегуми Като это известный персонаж, ее история остается, нарисуешь ты ее оэкаки или сгенерируешь нейросетью. >Т.е. ты утверждаешь что в аниме нет смысла. Довольно нелепая подмена понятия, речь ведь шла пор якобы месседж. Чем бы оно не являлось, художник может его и не закладывать в свой рисунок. Иногда основной смысл рисунка просто чтобы было приятно глазу. А смысл есть везде, в любом осмысленном рисунке. >У любого художника в первую очередь есть намерение передать что-то через своё творчество. В таком случае есть. Нейросеть довольно точно изобразила мою композицию из головы, как Мегуми одиноко сидит на крыше, а я прерываю ее размышления внезапным появлением. Но а главное, конечно, хорошо передана ее неземная красота. >Да ни чо, просто как тогда оценивать набор байт, если у него ничего нет? У человеческих рук и карандаша тоже "ничего нет", тем не менее они рисуют, потому что есть связь с квалиа. У нейросети связь с квалиа через промпты, инпейнт-маски и прочие инструменты. Но опять же, участие сознания в творчестве необязательно, AGI будет способен на придумывание собственных композиций и идей, и рисовать/генерировать их сам. Советую пересмотреть взгляд на этот пафосный эссенциалистический взгляд на творчество, оно уже трещит по швам.
>>209874 >просто чтобы было приятно глазу. Это значит что художник, как минимум, вложил своё чувство прекрасного в картинку.
>>209875 Все так. Но нейросети тоже это позволяют, просто другими средствами.
Не объясняйте.
Продолжим объяснять, не глядя в пол.
>>209866 Почему ее трясет?
>>210041 Ты бы ещё спросил, почему взгляд расфокусирован.
>>210947 Mizgol eto ti?
>>210948 Как бы не так. Мицгол уж лет 40 как седой.
Мицгол родился ещё в XIX-ом веке!
Я не промышляю генерациями картинок. Оцѣните.
+1
Это не Хацуне, а Пальцуне Мику.
Дополнительно сообщаю, что промпт для >>211423 был таким: «Спасибо, а теперь перерисуй её в стиле какой-нибудь ведьмы из Puella Magi Madoka Magica».
>>211427 >промпт был таким: «Спасибо
>>211428 В современном мире смысл этого слова такой же как и у ACK.
Результат генерации моделью anima-turbo-v1.1 (по адресу https://huggingface.co/circlestone-labs/Anima взятою) по промпту «masterpiece, best quality, highres, 1girl, @tamikko, kayari buta, watermelon slice, torii, rice field, rural Japan, airplane trail, mountains, cumulonimbus calvus» за три минуты.
FullHD той же моделью по тому же промпту >>213702 за 17 минут. (Но эти замѣры времени предлагаю не считать показательными, так как параллельно на том же CPU происходило видеокодирование AV1.)
> rural Japan Отчего не rural Russia? Неужели черноглазые суккубы превратили русского националиста в расового предателя?
(В строгом-то смысле не fullHD, а WUXGA, конечно.)
>>213704 Аниме меняет людей.
>>213704 >>213706 Просто возвращайтеся ужé в то мѣсто, из которого вы повылазили на 410чан. (Кто считал бы, что ему никоим образом нельзя любоваться сельскими видами Японии, тот был бы не русский националист, а какой-нибудь патриот концлагерашечки. Вы, однако же, и так уж хорошо выучили это там, откудова люди выносят пару-тройку-другую готовых таких вопросиков с подковырочкою, да и заново дивиться в 2026 году тутошней стороне моих интересов может только персонаж весьма внѣшній по отношению к 410чану.)
Нейросѣтевая иллюстрация (той же модели) к первому из моих стихотворений 2015 года, по адресу https://ii.yakuji.moe/a/res/1106058.html#1109334 расположенных. (Она сгенерирована за 13 минут, потому что в этот раз параллельно ей никакое видеокодирование не совершалося.)
>>213707 Да мне тебя подколоть-то по этому или смежному поводу последние лет 8 периодически хотелось. Потому что и в самом деле интересно, как одно сочетается с другим, и то, как ты будешь отвечать, если не я, а настоящий "патриот концлагерашечки" решит всерьёз докопаться.
>>213709 Всё прекрасно сочетается. По-моему, совершенно ꙫчевидно, что именно в рамках русскаго націонализма можно пристально смотрѣть на Японию как на страну во многом образцовую и с которой брать примѣръ или хотя бы видѣть предмет сопоставления: мигрантов там минимум, высокá этническая однородность, Императора никто не утащил на разстрѣлъ, Хинамидзава не Матёра (см. пикрилэйтид), есть два типа цивилизаций (см. картинки https://twitter.com/heywildrich/status/1114702768206438404 и затѣмъ https://twitter.com/skelemundo/status/1194974674142351366 ещё) и проч. Буквально аниме про японскую школу смотрѣть съ нѣкоторымъ восторгомъ: «дѣтей базовым понятиям там учат» в значении https://krylov.cc/prnt.php?id=7070 При этом, ясное дѣло, не идеализировать Японию (то есть видѣть и недостатки ея, а не только достоинства), никоим образом не считать народ ея сколько-нибудь благожелательным к нам и проч. Но всё это не относится к вопросам нейрогенерирования.
Двѣ недѣли назадъ, а именно 20 сентября, по адресу https://qwen.ai/blog?id=qwen-image-2.1 объявлено было о том, что вѣсá нейромодели Qwen-Image-2.1 обнародованы. Прилагаю для примѣра изображение, этой моделью сгенерированное по промпту «A man in an informal attire sits on a chair in front of a computer display. The background (behind the display) is a carpet. The computer display glows with the only one large word: 410chan».
Изображение, моделью >>213711 сгенерированное по промпту «A white European man in an informal attire sits on a chair in front of a computer display. The background (behind the display) is a carpet. The computer display glows with the only one large word: 410chan».
Мицу вкотился в тему...
Кошкодѣвочка 1344×768 пикселов (≈WXGA), сгенерированная моделью MiniMax-H3 (способной одновременно генерировать и видео, и звук) по промпту «a lovely catgirl (dressed in a nightgown) purrs». Замѣтимъ, что указаннаго мурчанія не получилось. На днях я увидал на форчане гиперссылку на сайт https://neta.art/use-cases/en/h3-1000-prompt-list съ цѣлою тыщщею примѣровъ генераций этой модели, сопровождаемых исходными промптами немалой длины. По содержимому промптов видно, что работа промпт-инженера в этой области приблизительно подобна работе голливудскаго сценариста, только с ещё болѣе подробным расписыванием каждой сцены, не оставляющим почти ничего на волю режиссёрскаго ви́денія и опыта конкретнаго постановщика. Видно также, что как у меня «указаннаго мурчанія не получилось», так и на этом сайте есть сцены, в которых не прорендерены какие-нибудь указанныя подробности (скажем, жестяныя банки на крыше, которыя на бѣгу должен был задѣть персонаж), да есть и сцены, в которых кое-что прорендерено странновато (напримѣръ, неожиданно рвётся металлическая цѣпь, во время погони за мотоциклом на него накинутая, и звенья ея, разлетаясь, выглядят не как должны звенья такой цѣпи въ реальномъ мірѣ).
Майкрософтовская модель https://huggingface.co/microsoft/Mage-Flow в настоящее время отсутствует на сайте HuggingFace, однако по адресу https://huggingface.co/Comfy-Org/Mage-Flow сохранился варіантъ ея, адаптированный под ComfyUI и оттого невозбранно запускаемый и в stable-diffusion.cpp также. Прилагаю для примѣра изображение, этой моделью сгенерированное по промпту >>213712.
Кошкодѣвочка, от >>213715 отличающаяся сгенерированностью по болѣе длинному промпту «2D-animated in modern slice-of-life anime style with sharp cel shading. Japanese 1LDK interior. A lovely catgirl (dressed in a nightgown) smiles happily. The cat purring fills the room.». Мурчание еле слышно в первую треть секунды.
Кошкодѣвочка, от >>213717 отличающаяся сгенерированностью с параметрами «--cache-mode cache-dit --cache-option "Fn=8,Bn=1,threshold=0.1,warmup=5"», отчего работа нейросѣти ускоряется почти в два раза, но менѣе строгимъ становится слѣдованіе промпту. В итоге вокруг кошкодѣвочки летают какие-то жёлтые лепестки, невѣсть откудова взявшіяся (ну технически-то понятно откудова — из latent space), а голос въ послѣднюю секунду приобретает хоровóе звучание.
Кошкодѣвочка, от >>213717 отличающаяся сгенерированностью с параметром «--cache-mode spectrum». Рѣзко ускоренною от этого оказывается не половина шагов генерации, как в случае >>213718, но всё же 45% их (9 из 20), а эффект того ускорения выглядит болѣе мягкимъ (видеогаллюцинацій и аудіогаллюцинацій нѣтъ такихъ замѣтныхъ, какими жёлтые лепестки и хоровой голос в >>213718 были, а что же есть тогда? — ну, всего лишь чуть менѣе стабильны мелкія детали). Слѣдовательно, результат этот можно уж не отбрасывать в ужасе и отчаяніи, а мягонько донастраивать — напримѣръ, накатить параметр «--cache-option "stop=0.84"» въ слѣдующій разъ.
А есть вообще нормальные туториалы, как генерировать? Я как-то смотрел краткое введение в ComfyUI и чуть не блеванул от вьетнамских флешбеков из Блендера. Зачем там 500 нейронок одновременно и граф узлов? Почему нельзя просто дать промпт и 1-2 референсных картинок? Вот, например, элементарная задача "отфотошопать картинку". Есть нейронка Qwen-Image. Какую роль там выполняет ComfyUI? Я с агентами для кодинга разобрался играючи, а вот это вот всё выглядит крайне запутано и неинтуитивно.
Поскольку я редко занимаюсь подобными вещами, для меня выглядит гораздо проще создание короткого Python-скрипта под промпт, как в readme https://huggingface.co/Qwen/Qwen-Image-2.1-Turbo вместо изучения какого-то странного интерфейса.
> накатить параметр «--cache-option "stop=0.84"» И накатил. Теперь ускоренными остаются 8 шагов из двадцати, но стабильность мелких деталей видеокадра существенно не улучшилася. В другой раз попробую «--cache-option "warmup=5"».
>>213722 > Почему нельзя просто дать промпт и 1-2 референсных картинок? Так ведь можно, и всегда можно было. Только промпт тоже придётся сочинять и писать так, чтобы модель поняла, а не проигнорировала. Комфи и графы - для продвинутых (и даже им приходится потом фотошопом проходиться). Остальным — https://en.wikipedia.org/wiki/Automatic1111. > Зачем там 500 нейронок одновременно Детайлеры, рефайнеры, апскейлеры, лоры...
> --cache-option "warmup=5" С этим параметром ускоренными оказываются девять шагов из двадцати, небольшие детали кадра неприемлемо повреждены (даже столь значимыя, как детали контура глаз кошкодѣвочки).
По итогам шагов >>213721 и >>213724 и >>213726 я ужé подготовлен был к выводу о том, что любое «кэширование» (рѣзкое ускореніе нѣсколькихъ очередных шагов генерации) губительно для мелких деталей видеокадров, моделью MiniMax H3 создаваемых. Однако с параметрами «--cache-mode spectrum --cache-option "stop=0.78"» всё же нащупал нѣкоторый баланс: ускоренными остаются семь шагов из двадцати (чуть больше одной трети их), но ни один из четырёх послѣднихъ — и это, по-видимому, даёт MiniMax H3 время для достаточной окончательной стабилизации мелких деталей видеокадров. Итог прилагаю. Ну, «достаточной» на мой взгляд: видеокадры-то всё ещё отличаются от неускоренного варіанта >>213717, но теперича это отличие я могу стерпеть. Всё ещё остаётся вопрос о том, в каких случаях само существование отличия (хотя бы и терпимого ввиду малозамѣтности) вообще стóит того, чтобы ускорить процесс всего только в полтора раза (реально — ещё меньше, потому что ну не только же из шагов генерации он состоит). Предварительно я умозаключаю, что готов буду «уплачивать эту цѣну» при генерациях многократно болѣе продолжительных (чѣмъ этѣ трёхсекундныя) и с многократно бóльшим размѣромъ кадра (чѣмъ этѣ 640×352 пикселов) — и готов оттого, что тогда никакого же терпения моего не хватит на менѣе чѣмъ улиточную скорость их.
>>213723 Если графические интерфейсы типа ComfyUI кажутся малопонятными, то тогда предлагаю пользоваться командною строкою. Пошаговая инструкция по использованию Qwen Image Edit: ① На странице https://github.com/leejet/stable-diffusion.cpp/releases скачиваем послѣдній подходящий релиз. Так как подробности аппаратнаго и программнаго обеспéченія не названы, то по умолчанию предполагаю готовность погонять нейросѣть под Windows и на CPU, так что скачивать буду https://github.com/leejet/stable-diffusion.cpp/releases/download/master-956-1b0ba10/sd-master-1b0ba10-bin-win-cpu-x64.zip (но с пониманием того обстоятельства, что для видюхи NVIDIA архив https://github.com/leejet/stable-diffusion.cpp/releases/download/master-956-1b0ba10/sd-master-1b0ba10-bin-win-cuda12-x64.zip подошёл бы гораздо лучше, тогда как архив https://github.com/leejet/stable-diffusion.cpp/releases/download/master-956-1b0ba10/sd-master-1b0ba10-bin-Linux-Ubuntu-24.04-x86_64-vulkan.zip сгодился бы под Убунту, etc.). ② Скачанный архив полностью распаковываем в чистый подкаталог файловой системы. ③ В тот же подкаталог скачиваем файл https://huggingface.co/Comfy-Org/Qwen-Image-2.1/resolve/main/diffusion_models/qwen_image_2.1_int8_convrot.safetensors?download=true ④ В тот же подкаталог скачиваем файл https://huggingface.co/Comfy-Org/Qwen-Image-2.1/resolve/main/vae/qwen_image_2.1_vae_bf16.safetensors?download=true ⑤ В тот же подкаталог скачиваем файл https://huggingface.co/Qwen/Qwen3-VL-8B-Instruct-GGUF/resolve/main/Qwen3VL-8B-Instruct-F16.gguf?download=true ⑥ В тот же подкаталог скачиваем файл https://huggingface.co/Qwen/Qwen3-VL-8B-Instruct-GGUF/resolve/main/mmproj-Qwen3VL-8B-Instruct-F16.gguf?download=true ⑦ Скачиваем файл https://410chan.org/b/src/179091996395.jpg и сохраняем под именем «Весна.jpg». ⑧ Скачиваем файл, мною здѣсь прилагаемый, и сохраняем под именем «AcademyCityHD.png». ⑨ Подаём в том же подкаталоге такую команду: sd-cli.exe --diffusion-model qwen_image_2.1_int8_convrot.safetensors --llm Qwen3VL-8B-Instruct-F16.gguf --llm_vision mmproj-Qwen3VL-8B-Instruct-F16.gguf --vae qwen_image_2.1_vae_bf16.safetensors --threads 32 --steps 20 --cfg-scale 6 --fa --sampling-method euler --output edited_by_Qwen2.png --ref-image Весна.jpg --ref-image AcademyCityHD.png --prompt "Replace the background in <image1> with the city from <image2>" и ждём часа три с лишним.
Поработав с 6:43 до 9:49 (то есть три часа с небольшим), командная строка >>213730 выдала тот результат, который я здѣсь прилагаю. Высота кадра подросла до 1088 пикселов, потому что Qwen Image мыслит квадратиками по 32×32 пиксела. Фон выглядит не в точности взятым из AcademyCityHD.png, а додуманным. Естественно, три часа — это много; современная видюха типа RTX 5090 управилась бы с этой задачею раз в восемнадцать быстрѣе (по причинам, по адресу https://t.me/ReadMithgol/1581 посчитанным).
Другой способ ускорить всё дѣло — использовать модель Qwen Image Turbo, обнародованную по адресу https://huggingface.co/Qwen/Qwen-Image-2.1-Turbo позавчера (в пятницу 9 октября, в 5:19:14 по времени GMT). Командная строка приобретает такой вид: sd-cli.exe --diffusion-model qwen_image_2.1_turbo_int8_convrot.safetensors --llm Qwen3VL-8B-Instruct-F16.gguf --llm_vision mmproj-Qwen3VL-8B-Instruct-F16.gguf --vae qwen_image_2.1_vae_bf16.safetensors --threads 32 --steps 8 --cfg-scale 1 --fa --sampling-method euler --sigmas "1.0,0.978453,0.95418,0.926626,0.89508,0.845148,0.704534,0.414568,0.0" --output edited_by_Qwen2Turbo.png --ref-image Весна.jpg --ref-image AcademyCityHD.png --prompt "Replace the background in <image1> with the city from <image2>" Обратите внимание на использование «тайнаго знанія» — того значения параметра sigmas, которое изложено в фичреквесте https://github.com/leejet/stable-diffusion.cpp/issues/2125 на Гитхабе. Необходимый для запуска этой команды файл «qwen_image_2.1_turbo_int8_convrot.safetensors» может быть взят по адресу https://huggingface.co/Comfy-Org/Qwen-Image-2.1/resolve/main/diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors?download=true на сайте HuggingFace. Проработав с 9:50 до 10:35 (около ¾ часа), эта команда достигает того результата, который я здѣсь прилагаю. Мы можем видѣть, что Turbo-варіантъ этой модели не только натренирован на достижение ≈вчетверо большей скорости работы, но и лучше справился с подстановкою желаемого фона, и на картинкѣ «Весна.jpg» при вырѣзаніи фона оставил больше объектов передняго плана (считая таковыми и дополнительное содержимое на блюде, и даже стул). По-видимому, впредь Qwen-Image-2.1-Turbo слѣдуетъ предпочитать.
>>213723 ComfyUI не столько для "закинул короткий промпт в нейронку", сколько для автоматизации более сложных штук. Я генерил STL-модельки для своего 3D-принтера через кастомный workflow, было очень грустно.
