Illustrious 模型是什麼、怎麼用:從版本差異到出圖的完整教程
Illustrious 模型是什麼、怎麼用:從版本差異到出圖的完整教程
Contents
Illustrious 是一套面向動漫插畫的開源影像生成模型,由韓國團隊 OnomaAI 在 SDXL 架構上微調,訓練資料與提示詞語法都來自 Danbooru 標籤體系。它屬於 SDXL 系 checkpoint:放進 ComfyUI 或網頁平臺即可出圖,支援 LoRA、ControlNet 與負面提示詞,2024 年釋出 v0.1 後迭代出 v1.0 與 TensorArt 獨佔的 v1.1。
簡介:Illustrious 是什麼模型,適合誰用?
一句話:這是給“想用標籤式提示詞畫動漫插畫”的人準備的 SDXL 派生基礎模型,既能直接出圖,也能當作訓練 LoRA 的底模。
客觀事實層面,各來源給出的資訊如下:
- 定位:動漫/插畫向的開源權重影像模型,生態裡有大量微調版與 LoRA(Source 4)。
- 血緣:OnomaAI 基於 SDXL 微調;中文指南進一步指出底模為 kohaku-xl-beta5(Source 3、Source 5),而 Hugging Face 上的 GGUF 測試包把 base_model 標為
OnomaAIResearch/Illustrious-xl-early-release-v0(Source 1)。兩者說的是不同層級:前者指 SDXL 起點,後者指官方早期釋出版。 - 資料與語法:以 Danbooru 資源訓練(Source 2 稱資料截至 2023 年),因此提示詞語法與 SD1.5、Animagine 系列接近,老使用者遷移成本低(Source 3、Source 5)。
- 釋出節奏:v0.1 開啟局面,v1.0 面向全球,v1.1 為 TensorArt 獨佔(Source 2)。
- 適合的場景:動漫與漫畫插畫、特定畫風的角色圖、線稿與賽璐璐上色、以逗號分隔標籤寫的提示詞(Source 4)。
版本對照表
| 版本 | 範圍 | 關鍵變化 | 使用建議 |
|---|---|---|---|
| v0.1 | 首個公開版 | 提示詞自由度與整體出圖質量存在明顯侷限 | 更適合當訓練基底,不建議作主力出圖 |
| v1.0 | 全球釋出 | 提升高解析度能力(最高 1536×1536),並支援自然語言提示詞 | 日常出圖的主力選擇 |
| v1.1 | TensorArt 獨佔 | 資料集更精細、色彩與對比更好、更適合風格 LoRA 訓練 | 訓練風格 LoRA 優先;其他平臺可能拿不到 |
⚠️ 來源衝突(釋出時間):Tensor.Art 的一篇指南稱 v0.1 於 2024 年 11 月釋出(Source 2);另外兩篇中英文指南則明確寫 2024 年 9 月 30 日(Source 3、Source 5)。本文不擅自取捨,兩者並列呈現,實際以官方倉庫釋出時間為準。
⚠️ 來源衝突(解析度基線):早期指南把 1024×1024 列為推薦標準尺寸(Source 3、Source 5);針對 v1.0 的指南則稱它是首個把 1536×1536 作為標準檔的 SDXL 模型(Source 2)。合理解讀是“版本差異”,而非互相否定——v0.1 時代按 1024 出圖,v1.0 之後可上探到 1536 甚至 1248×1824 而不必開高清修復。
前置準備:跑 Illustrious 需要哪些環境和工具?
先明確一件事:Illustrious 本身是權重檔案,不是一個能雙擊開啟的軟體,你需要一個推理前端來載入它。
必備項
- 推理前端:ComfyUI 是最常見的搭配,官方 GGUF 包直接給出 ComfyUI 的目錄結構(Source 1);不想裝環境也可以用託管平臺在瀏覽器裡出圖(Source 4)。
- 模型檔案:一份 Illustrious checkpoint(原始 bf16/fp16 safetensors、fp8 scaled safetensors,或 GGUF 量化版)。
- 配套元件:按 Source 1 的 GGUF 方案,還需要對應的 text encoder(
illustrious_g_clip、illustrious_l_clip)與 VAE(illustrious_vae)。 - GGUF 節點(僅量化版需要):從 calcuis/gguf 的 release 頁獲取整合包(Source 1)。
- 硬體:量化版對老機器更友好,9xx 系列及更早的顯示卡可用 legacy 模式
--disable-cuda-malloc --lowvram執行(Source 1)。 - 可選擴充套件:LoRA、Textual Inversion、ControlNet——Illustrious 屬於 SDXL checkpoint,這些都支援(Source 4)。
- 網路與賬號:下載權重通常需要模型站賬號;使用 TensorArt 獨佔的 v1.1 需要該平臺賬號(Source 2)。
檔案形態對照表
| 形態 | 量化/精度來源 | 特點 | 適合誰 |
|---|---|---|---|
| 原始 bf16 safetensors | 官方原始權重 | 精度最高、體積最大 | 視訊記憶體充裕、追求穩定畫質 |
| fp8 scaled safetensors | 高精度縮放版 | 體積更小;Source 1 實測 VAE 與 clip 也能正常工作 | 想在高畫質與佔用之間折中 |
illustrious gguf(q4_0 / q8_0 等) | 由原始 bf16 量化 | 保留原始精度血統,佔用更低 | 一般本地部署 |
fast-illustrious gguf(q4_0 / q8_0 等) | 由 fp8 scaled safetensors 量化 | 作者本人的說法是“少 50% 張量是否真的載入更快,請自行測試” | 想驗證載入速度的人 |
Source 1 明確提醒:不同模型可能有各自的結構特性,影響載入器表現,“never one size fits all”,量化檔位不是越高越好或越低越好,需要實測。
分步教程:Illustrious 模型怎麼用?
以下步驟以 ComfyUI + 本地權重為主線,其他前端的邏輯相同:放模型 → 載工作流 → 寫提示詞 → 調引數。
- 確定版本與檔案形態。 日常出圖選 v1.0;要訓練風格 LoRA 優先 v1.1(TensorArt 獨佔)。視訊記憶體吃緊或顯示卡較老,直接選 GGUF q4_0;追求質量選原始 bf16 或 q8_0。
- 放置擴散模型。 把 checkpoint 或 GGUF 檔案放進
./ComfyUI/models/diffusion_models(Source 1)。 - 放置文本編碼器。 將
illustrious_g_clip、illustrious_l_clip等放進./ComfyUI/models/text_encoders(Source 1)。 - 放置 VAE。 將 VAE 檔案放進
./ComfyUI/models/vae(Source 1)。注意 Source 1 的目錄名寫作illustrious_vae,以你所用整合包的實際路徑為準。 - (GGUF 使用者)裝好 GGUF 節點。 下載 calcuis/gguf 的整合包,執行主目錄下的
.bat檔案即可啟動,無需額外安裝(Source 1)。 - 載入工作流。 兩種方式:把工作流 JSON 拖進已啟用的瀏覽器,或把一張帶 workflow metadata 的成品圖直接拖進去,引數會自動還原(Source 1)。
- 寫正向提示詞。 以 Danbooru 標籤為主、自然語言為輔;質量標籤放最前,構圖類修飾放最後;主體務必寫數量,如
1girl、2boys;需要指定主體時用focus,如vehicle focus(Source 2)。 - 寫負向提示詞。 Illustrious 對負面提示詞相當敏感(Source 2),建議常駐一組質量類負向詞,例如
worst quality, low quality, bad anatomy, bad hands, jpeg artifacts, watermark, signature, lowres, extra digits(綜合 Source 1、Source 3、Source 5)。 - 設定取樣引數。 按下方參數列填寫,Clip Skip 設為 2(Source 2)。
- 設定解析度。 起步用 1024×1024、896×1152、832×1216、768×1344 這類 SDXL 常規檔(Source 3、Source 5);v1.0 及以後可直接嘗試 1536×1536 或 1248×1824,無需額外高清修復(Source 2)。
- (可選)載入 LoRA。 風格 LoRA 與角色 LoRA 均可掛載(Source 2),但同時疊加數量控制在 2–3 個以內,堆多了畫質會下降(Source 4)。
- 儲存並復現。 出圖後保留原圖,下次把圖拖回瀏覽器即可還原整套引數(Source 1)。
關鍵引數怎麼設?(含來源衝突)
| 引數 | 來源 A 建議 | 來源 B 建議 | 處理方式 |
|---|---|---|---|
| 取樣器 | Euler a | Euler a | 一致,推薦 Euler a |
| 取樣步數 | 20–28 | 20–28,長複雜提示詞可加到 40 | 一致,預設 20–28 |
| CFG | 3–7;要精確細節時用 4.5–5(Source 2) | 5–7.5(Source 3、Source 5) | 衝突:兩區間在 5–7 重疊,建議從 5 起手自行對比 |
| Clip Skip | 2(Source 2) | 未提及 | 採納 2 |
| 標準解析度 | 1536×1536(v1.0,Source 2) | 1024×1024(Source 3、Source 5) | 版本差異,見上文說明 |
| 分級標籤 | general / sensitive / questionable / explicit 四檔(Source 3、Source 5) | 同 | 想要 SFW 輸出就用 general 或 sensitive |
提示詞怎麼寫才穩?
- 標籤優先,自然語言為輔。 v1.0/v1.1 已能理解自然語言,但因訓練資料是標籤體系,標籤仍然更準(Source 2)。
- 質量詞前置。
masterpiece, best quality, good quality、very aesthetic、absurdres這類詞放最前(Source 3、Source 5)。 - 數量詞必寫。 不寫
1girl/2boys/no human,多人場景很容易糊在一起(Source 2)。 - 空格與下劃線有別。 畫版權角色時,把標籤裡的下劃線換成空格往往成功率更高;角色名拼錯會直接導致出不來(Source 3、Source 5)。
- 畫不出來就加權。 訓練較弱的角色可提高標籤權重,畫男性角色可加
male focus提升準確度(Source 3、Source 5)。
一個 SFW 起手示例(自行組合,非照抄任何模板):
正向:
masterpiece, best quality, 1girl, upper body, black hair, blue eyes, school uniform, looking at viewer, outdoors, depth of field, soft lighting負向:worst quality, low quality, bad anatomy, bad hands, lowres, jpeg artifacts, watermark, signature, extra digits
常見問題排查
| 現象 | 可能原因 | 解決辦法 |
|---|---|---|
| 畫面糊、細節少 | 解析度過低或沒加質量標籤 | 提到推薦檔位,正向加 masterpiece, best quality, absurdres,負向加 lowres(Source 3、Source 5) |
| 手崩、結構錯亂 | 缺少解剖類負向詞 | 負向補 bad anatomy, bad hands, deformed hands(Source 1、Source 3) |
| 角色畫不出或畫錯人 | 角色標籤拼寫錯誤、訓練不足 | 去 Danbooru 核對準確標籤,下劃線換空格,必要時加權(Source 3、Source 5) |
| 多人畫面糊成一團 | 缺少數量標籤 | 明確寫 1girl, 2boys 等,並用 focus 指定主體(Source 2) |
| 整體風格飄忽、不穩定 | 訓練面太寬導致畫風穩定性偏弱 | 加詳細正向描述與負向詞,或換用社群派生模型(Source 3、Source 5) |
| 視訊記憶體不足、載入失敗 | 原始精度權重太大 | 換 GGUF q4_0,老卡加 --disable-cuda-malloc --lowvram(Source 1) |
| 疊 LoRA 後畫質崩 | LoRA 疊加過多 | 控制在 2–3 個以內(Source 4) |
| 圖裡出現水印/簽名 | 負向詞沒覆蓋 | 負向加 watermark, signature, username, scan(Source 3、Source 5) |
| 4K 以下正常、超高解析度變形 | 超出該版本處理範圍 | v1.0 上限約 1536×1536,別盲目再往上頂(Source 2) |
FAQ
Q1:Illustrious 和 Pony、Animagine 有什麼區別? A:Illustrious 只靠標籤就能畫出大量已被訓練過的角色,不必先找 LoRA;同時它比 Pony 對負面提示詞更敏感,用好負向詞收益明顯;相較 Animagine,它支援的角色範圍更廣,畫百合與多人場景更省標籤(Source 2、Source 3、Source 5)。
Q2:它支援自然語言提示詞嗎? A:v1.0 與 v1.1 已支援,官方風格指南也把“自然語言 + 標籤混寫”列為可用方式;但由於底層訓練資料是 Danbooru 標籤,純自然語言的效果通常不如標籤穩定(Source 2)。
Q3:v1.0 和 v1.1 該選哪個? A:只出圖選 v1.0;要訓練風格 LoRA 選 v1.1——它資料集更精細、色彩對比更好、對風格更寬容。代價是 v1.1 為 TensorArt 獨佔,其他平臺不一定拿得到(Source 2)。
Q4:SDXL 的 LoRA、ControlNet 能直接用嗎? A:能。Illustrious 是 SDXL checkpoint,支援 LoRA、Textual Inversion、ControlNet 與負面提示詞;但託管平臺上的這類模型通常不與特定角色或參考圖系統打通,且 LoRA 堆疊上限約 2–3 個(Source 4)。
Q5:Clip Skip 一定要設成 2 嗎? A:目前只有一份指南明確給出“必須設為 2”的建議(Source 2),其他來源未提及。可以此為起點,再按自己的出圖結果微調。
Q6:不想裝環境,能直接在網頁上用嗎? A:可以。Mage 這類平臺並不提供“唯一一個叫 Illustrious 的模型”,而是在目錄裡託管多款 Illustrious checkpoint,你挑一個畫風合適的,在瀏覽器標籤頁裡生成即可(Source 4)。
Q7:GGUF 量化和原版權重差別大嗎?
A:GGUF 有兩種來源——illustrious gguf 由原始 bf16 量化,fast-illustrious gguf 由 fp8 scaled safetensors 量化。作者本人也強調載入速度與效果需自行實測,不存在通用最優解(Source 1)。
Q8:Illustrious 是開源的嗎? A:它是開放權重模型。需要注意 Hugging Face 上那個 GGUF 測試包倉庫標註的是 apache-2.0,但這隻覆蓋該倉庫的打包產物,基礎模型本身仍以官方釋出頁的許可條款為準(Source 1)。
Q9:用它畫有版權的角色會有風險嗎? A:有。多份指南明確提示:該模型很容易生成受日本及其他國家著作權保護的角色,請遵守當地法律,不要用於商業或惡意用途,否則可能承擔侵權風險(Source 3、Source 5)。
Q10:視訊記憶體不大,能用嗎?
A:優先選 GGUF q4_0 檔,並在 9xx 系列及更早的顯示卡上啟用 legacy 模式(--disable-cuda-malloc --lowvram);作者明確表示這條路徑就是為老機器準備的(Source 1)。
CTA
如果你更想先看看 Illustrious 在實際專案裡的表現、再決定要不要本地部署,可以到 tuniang.ai 逛一圈,那裡有相關的實測與整理內容。
Related guides
- agnai 本地部署與使用教程
- Grok 接入酒館教程:SillyTavern 配置 xAI API 與 400/403 報錯全流程
- Janitor AI 中文版怎麼用:tuniang reviews 整合教程
- KoboldAI 使用教程