EasyPhoto - 一键训练并生成人像写真,支持参考图生成 独立版 本地一键整合包下载

read-normal-img

EasyPhoto最早是作为AI绘画软件StableDiffusion的一款插件备受大家喜爱,今天分享的是 EasyPhoto 的独立版本一键整合包,无需安装StableDiffusion即可解压即用。

和之前分享的腾讯开源的 PhotoMaker 和 阿里开源的 FaceChain 类似,EasyPhoto操作界面更简单,只需要提供5-20张照片,即可一键训练专人专属模型,类似StableDiffusion的Lora模型,然后可以使用训练的专人模型,配合参考图生成各种风格的人像。

之前就看到过这个应用,一直没分享,近期很多人咨询 AI换脸 补全素材的方法,目前全网使用最多的就是AI绘画这个方案,使用较多的是ControlNet配合instantid生成,但这个操作略微复杂,很多小白学起来有难度,于是想到了EasyPhoto这个插件有独立版,因为之前测试过,生成的效果还可以,于是就做了整合包,有类似生成src素材需求的,可以自行下载体验。

当然,EasyPhoto的用途不仅限于补全素材,AI写真生成作为一种新颖的技术应用,已经成为了时下的一种流行趋势。传统的写真生成方式通常需要花费大量时间和金钱,并且往往受限于拍摄场地、摄影师技术等因素。而EasyPhoto的出现,不仅打破了这些限制,还为用户提供了更加便捷和个性化的写真生成方式。

EasyPhoto是一款开源的本地化部署的AI写真生成工具,它采用了Stable Diffusion模型生成逼真的写真照片。

与传统的写真生成方式相比,EasyPhoto具有以下几个显著的优势:

首先,EasyPhoto是一款开源工具,这意味着用户可以在本地进行部署和使用,无需担心数据安全和隐私泄露的问题。同时,开源的特性也使得用户可以根据自己的需求进行定制和扩展,进一步提升了其使用灵活性。

其次,EasyPhoto采用了Stable Diffusion模型进行写真生成,这种模型可以在较少的数据量下实现高质量的生成效果。用户只需上传20张自拍照,就可以获得高质量的个性化数字分身,无需排队取照,也无需担心数据滥用的问题。

此外,EasyPhoto还支持使用SDXL生成高分辨率模板,支持微调背景,并计算生成图片与用户之间的相似度分数。这些功能使得用户可以根据自己的需求进行更加精细的调整和优化,从而得到更加满意的写真生成效果。

在实际应用中,EasyPhoto可以用于生成专业质感的照片,可以用于个人娱乐、社交媒体分享、线上活动等场景。同时,由于其开源和本地化的特性,EasyPhoto也可以被广泛应用于企业、机构等场景中,例如用于生成员工肖像、产品展示等。

总的来说,EasyPhoto作为一款开源本地化部署的AI写真生成工具,不仅突破了传统写真生成的瓶颈,还具有高生成质量和本地部署的优势。它的出现,不仅为用户提供了更加便捷和个性化的写真生成方式,也为AI写真生成领域带来了新的发展机遇。

官方生成案例:

read-normal-img

read-normal-img

read-normal-img

使用教程:(只支持N卡,建议显存12G起使用。训练模型大概8G左右,生成需要12G显存)

本地一键包下载:EasyPhoto - 一键训练并生成人像写真,支持参考图生成 独立版 本地一键整合包下载

EasyPhoto是一款工具,用于生成AI肖像画,该代码可用于训练与您相关的数字分身。建议使用 5 到 20 张肖像图片进行训练,最好是半身照片且不要佩戴眼镜(少量可以接受)。训练完成后,我们可以在推理部分生成图像。我们支持使用预设模板图片与上传自己的图片进行推理。

1. 模型训练

EasyPhoto训练界面如下:

read-normal-img

左边是训练图像。点击上传照片即可上传需要训练模型的图片,点击清除图像即可删除上传的图片;

右边是训练参数,不能为第一次训练进行调整。

点击上传照片后,我们可以开始上传图像这里最好上传5到20张图像,包括不同的角度和光照。最好有一些不包括眼镜的图像。如果所有图片都包含眼镜眼镜,则生成的结果可以容易地生成眼镜。

然后我们点击下面的“开始训练”,此时,我们需要填写上面的用户ID,例如张三,才能开始训练。

模型开始训练后,程序会自动刷新训练日志。如果没有刷新,请单击“刷新日志”按钮。

训练速度很快,一般十分钟左右就可以训练完成。

如果要设置参数,每个参数的解析如下:

read-normal-img

2. 人物生成

a. 单人模版

步骤1:点击刷新按钮,查询训练后的用户ID对应的模型。

步骤2:选择用户ID。

步骤3:选择需要生成的模板。

步骤4:单击“生成”按钮生成结果。

b. 多人模板

步骤1:转到 EasyPhoto 的设置页面,设置 Faceid数量 大于1。

步骤2:应用设置。

步骤3:重新启动webui的ui界面。

步骤4:返回EasyPhoto并上传多人模板。

步骤5:选择两个人的用户ID。

步骤6:单击“生成”按钮。执行图像生成。

read-normal-img

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/803431.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

ArkUI组件——循环控制/List

循环控制 class Item{name: stringprice:number}private items:Array<Item> [new Item("A0",2399),new Item("BE",1999),new Item("Ro",2799)] ForEach(this.items,(item:Item) > {})List组件 列表List是一种复杂的容器&#xff0c;…

C++动态内存的管理

今天来分享C动态内存管理相关知识&#xff0c;闲言勿谈&#xff0c;直接上干货。 1. 动态内存的开辟和销毁(new和delete) (1)前置知识&#xff1a;我们知道c语言有malloc和calloc和realloc三个函数可以进行动态的开辟内存&#xff0c;那么它们有什么区别呢&#xff1f;首先是…

乘积量化pq:将高维向量压缩 97%

向量相似性搜索在处理大规模数据集时&#xff0c;往往面临着内存消耗的挑战。例如&#xff0c;即使是一个包含100万个密集向量的小数据集&#xff0c;其索引也可能需要数GB的内存。随着数据集规模的增长&#xff0c;尤其是高维数据&#xff0c;内存使用量会迅速增加&#xff0c…

自适应巡航控制(ACC)功能—巡航车速控制功能介绍

自适应巡航控制中的跟车行驶功能详解 自适应巡航控制&#xff08;ACC&#xff09;功能—巡航车速控制功能介绍 自适应巡航控制&#xff08;ACC&#xff09;中的跟车车距控制功能&#xff1a;详解与应用 自适应巡航控制中的Cut in & Cut out功能详解 自适应巡航控制中的Stop…

为什么在芯片制造中不能用机械磨削(grinding)代替cmp?

知识星球里的学员问&#xff1a;为什么只有在晶圆背面减薄时会使用griniding工艺&#xff1f;在芯片制程中并未看到该工艺&#xff0c;同样有减薄作用&#xff0c;为什么在芯片制程中用的是cmp&#xff1f; Grinding与cmp的原理&#xff1f; Grinding&#xff0c;机械磨削&…

AV1技术学习:Affine Motion Compensation

一、Affine Model Parameter 除了传统的平移运动补偿&#xff0c;AV1 还支持仿射变换模型&#xff0c;将当前像素点 (x, y) 通过以下方式投影到参考帧中的预测像素点 (x, y). 参数 (h13, h23) 对应于平移模型中使用的常规运动向量。 参数 h11 和 h22 控制垂直和水平轴上的比例…

【React笔记初学总结一】React新手的学习流程笔记总结,掰开了揉碎了,下载安装基础结构学习

REACT学习记录 一、React是什么&#xff1a;二、尝试安装下载&#xff1a;三、理解都有什么四、基础网页学习&#xff1a;1.几个比较重要的资源包例子2.第一个react示例&#xff1a;&#xff08;掰开了揉碎了&#xff0c;咱们先看懂它最简单的结构&#xff09;3.第二个react示例…

【数学建模】高温作业专用服装设计(2018A)隐式差分推导

为方便计算&#xff0c;对区域进行离散化处理&#xff0c;采用隐式差分格式进行离散计算。隐式差分格式如图&#xff1a; 每层材料内部 对第 j j j层材料: 其中&#xff0c; λ j \lambda_j λj​表示第 j j j层的热扩散率&#xff0c; c j c_j cj​表示第 j j j层的比热容…

每日练习,不要放弃

目录 题目1.下面叙述错误的是 ( )2.java如何返回request范围内存在的对象&#xff1f;3.以下代码将打印出4.下列类定义中哪些是合法的抽象类的定义&#xff1f;&#xff08;&#xff09;5.以下代码段执行后的输出结果为6.以下代码运行输出的是总结 题目 选自牛客网 1.下面叙述…

Java 快速入门学习 -- Day 2

Java 快速入门 Ⅱ maven&#xff08;图书管理员&#xff09;IDEA使用 maven框架 maven&#xff08;图书管理员&#xff09; maven 仓库&#xff0c;图书馆。要看书的化先从家里找&#xff08;本地仓库&#xff09;&#xff0c;本地找不到就去中央仓库或者镜像仓库找&#xff0c…

用Python实现学生信息管理系统

用Python来实现学生信息管理系统 学生信息管理系统&#xff08;Python&#xff09; 简介&#xff1a;基本信息管理和学生成绩管理。基本信息管理模块的主要功能有学生信息的添加、删除、修改、显示和学生数据的导入导出&#xff0c;学生成绩管理模块的主要功能有统计课程最高分…

推荐 3个小众精品软件,个个能打实力强,快来看看

X-plore X-plore是一个多功能的文件管理工具&#xff0c;广泛应用于Android设备上。它不仅支持多种文件格式和操作&#xff0c;还提供了丰富的功能以满足用户的需求。 X-plore具有强大的文件管理功能&#xff0c;包括查看、复制、移动、删除、压缩到Zip、提取、重命名、共享等…

C++--lambda表达式

介绍 一个lambda表达式表示一个可调用的代码单元。我们可以将其理解为一个未命名的内联函数。和函数类型,lambda有一个返回值,一个参数列表和一个函数体,但比函数多一个捕获列表。具体形式如下: [捕获列表](参数列表) ->返回值类型 {函数体}其中:捕获列表:可以捕获定义lam…

Tita的OKR:高端制造行业的OKR案例

高端设备制造行业的发展趋势&#xff1a; 产业规模持续扩大&#xff1a;在高技术制造业方面&#xff0c;航空、航天器及设备制造业、电子工业专用设备制造等保持较快增长。新能源汽车保持产销双增&#xff0c;新材料新产品生产也高速增长。 标志性装备不断突破&#xff1a;例如…

美式键盘 QWERTY 布局的来历

注&#xff1a;机翻&#xff0c;未校对。 The QWERTY Keyboard Is Tech’s Biggest Unsolved Mystery QWERTY 键盘是科技界最大的未解之谜 It’s on your computer keyboard and your smartphone screen: QWERTY, the first six letters of the top row of the standard keybo…

亲测--linux下安装ffmpeg最新版本---详细教程

下载地址 Download FFmpeg 下载最新的https://ffmpeg.org/releases/ffmpeg-7.0.1.tar.xz 上传到服务器 解压 tar xvf ffmpeg-7.0.1.tar.xz 编译 cd ffmpeg-7.0.1 ./configure --prefix=/usr/local/ffmpeg make && make install 报错: 解决:在后面加 跳过检测…

【node-RED 4.0.2】连接操作 Oracle 数据库实现 增 删 改 查【新版,使用新插件:@hylink/node-red-oracle】

总览 上节课&#xff0c;我们说到&#xff0c;在 node-red 上链接 oracle 数据库 我们使用的插件是 node-red-contrib-agur-connector。 其实后来我发现&#xff0c;有一个插件更简便&#xff0c;并且也更好用&#xff1a;hylink/node-red-oracle &#xff01;&#xff01;&am…

LinuxShell编程1———shell基础命令

文章目录 前言 一、shell基础知识 1、shell概念 2、Shell的功能 接收&#xff1a;用户命令 调用&#xff1a;相应的应用程序 解释并交给&#xff1a;内核去处理 返还&#xff1a;内核处理结果 3、Shell种类&#xff08;了解&#xff09; 3.1、MS-DOS 3.2、Windows的…

C# 中IEnumerable与IQuerable的区别

目的 详细理清IEnumerator、IEnumerable、IQuerable三个接口之间的联系与区别 继承关系&#xff1a;IEnumerator->IEnumerable->IQuerable IEnumerator&#xff1a;枚举器 包含了枚举器含有的方法&#xff0c;谁实现了IEnuemerator接口中的方法&#xff0c;就可以自定…

R语言模型评估网格搜索

### 网格搜索 ### install.packages("gbm") set.seed(1234) library(caret) library(gbm) fitControl <- trainControl(method repeatedcv,number 10,repeats 5) # 设置网格搜索的参数池 gbmGrid <- expand.grid(interaction.depth c(3,5,9),n.trees (1:2…