This model was trained by me in Dreambooth, and then merged with other models. I don’t dare to name the exact number of images in the dataset, but I guess there are more than 160000.

This is a truly multi-concept checkpoint. Portraits, landscapes, 3d models, interior, objects, food, characters, animals. Thanks to a versatile approach to data captioning, the result remains predictable with short and long prompts, as well as prompts consisting of separate words and whole sentences.

All examples are generated without face restoration and hires fix in the original resolution.

Contains noise offset with a large value and baked TRCVAE, which should give more subtle control over the brightness and contrast level.

警告：包含少量但重要的不安全内容。

这个模型是我在 Dreambooth 中训练的，然后与其他模型合并。我不敢说数据集中的确切图片数量，但我猜有超过 160000 张。

这是一个真正的多概念检查点。肖像，风景，3d 模型，室内，物体，食物，人物，动物。由于采用了多样化的数据描述方法，无论是短的还是长的提示，还是由单个单词或整个句子组成的提示，结果都保持可预测性。

所有示例都是在原始分辨率下生成的，没有使用 face restoration 和 hires fix。

包含 noise offset 和烘焙 TRCVAE，这应该能够更细致地控制亮度和对比度水平。

Предупреждение: содержит малое, но существенное количество небезопасного контента.

Эта модель была обучена мной в Dreambooth, а затем объединена с другими моделями. Я не решусь назвать точное число изображений в датасете, но предположу, что их более 160000.

Это по-настоящему мультиконцептный чекпоинт. Портреты, пейзажи, 3d модели, интерьер, предметы, еда, персонажи, животные. Благодаря разностороннему подходу к разметке данных, результат остаётся предсказуемым и с короткими, и с длинными, и состоящими из отдельных слов, и состоящими из целых предложений промптами.

Все примеры сгенерированы без face restoration и hires fix в оригинальном разрешении.

Содержит noise offset с большим значением и запечённый TRCVAE, что должно давать более тонкий контроль над уровнем яркости и контраста.