Belavbûna Stable Navbera Bikarhêner a Webê, an SD-WebUI, projeyek berfireh e ji bo modelên Diffusion Stable ku pirtûkxaneya Gradio bikar tîne da ku navgînek gerokê peyda bike. Îro, em ê li ser EasyPhoto biaxivin, pêvekek WebUI-ya nûjen ku bikarhênerên dawîn dihêle ku portre û wêneyên AI-ê çêbikin. Pêveka EasyPhoto WebUI bi karanîna şablonên cihêreng portreyên AI-ê diafirîne, şêwazên wêneya cihêreng û gelek guheztinan piştgirî dike. Wekî din, ji bo zêdekirina kapasîteyên EasyPhoto bêtir, bikarhêner dikarin bi karanîna modela SDXL wêneyan biafirînin da ku encamên têrker, rast û cihêrengtir bikar bînin. Were em destpêkin.

Destpêkek EasyPhoto û Belavbûna Stable

Çarçoveya Belavkirina Stable çarçoveyek nifşê-bingeha belavkirinê ya populer û bihêz e ku ji hêla pêşdebiran ve tê bikar anîn da ku li ser bingeha danasîna nivîsa têketinê wêneyên rastîn çêbike. Bi saya kapasîteyên xwe, çarçoveya Stable Diffusion xwedan cûrbecûr sepanan e, di nav de kişandina wêneyê, kişandina wêneyê, û wergera wêne-bi-wêne. Stable Diffusion Web UI, an SD-WebUI, wekî yek ji serîlêdanên herî populer û naskirî yên vê çarçoveyê radiweste. Ew navgînek gerokê ya ku li ser pirtûkxaneya Gradio hatî çêkirin vedihewîne, ji bo modelên Diffusion Stable navbeynkariyek înteraktîf û bikarhêner-heval peyda dike. Ji bo zêdekirina kontrol û karanîna di hilberîna wêneyê de, SD-WebUI gelek serîlêdanên Belavkirina Stable yek dike.

Ji ber rehetiya ku ji hêla çarçoweya SD-WebUI ve hatî pêşkêş kirin, pêşdebirên çarçoveya EasyPhoto biryar da ku wê ji bilî serîlêdanek bêkêmasî wekî pêvekek malperê biafirînin. Berevajî rêbazên heyî yên ku bi gelemperî ji windabûna nasnameyê dikişînin an taybetmendiyên nerealîst di nav wêneyan de vedigirin, çarçoveya EasyPhoto kapasîteyên wêne-bi-wêne yên modelên Diffusion Stable bi kar tîne da ku wêneyên rast û rastîn hilberîne. Bikarhêner dikarin bi hêsanî çarçoweya EasyPhoto-yê wekî pêvekek di nav WebUI-yê de saz bikin, hevalbendiya bikarhêner û gihîştina berbelavtir bikarhêneran zêde bike. Çarçoveya EasyPhoto destûrê dide bikarhêneran ku nasnameya-rêber, kalîteya bilind, û portreyên rastîn ên AI-ê ku ji nêz ve dişibin nasnameya têketinê.

Pêşîn, çarçoveya EasyPhoto ji bikarhêneran dipirse ku bi barkirina çend wêneyan doppelgangera xweya dîjîtal biafirînin da ku rûyek LoRA an modela Adaptasyona Kêm-Rank serhêl perwerde bikin. Çarçoveya LoRA bi karanîna teknolojiya adaptasyona nizm-pilebilind modelên belavbûnê zû rast dike. Ev pêvajo dihêle ku modela bingehîn agahdariya nasnameya bikarhênerên taybetî fam bike. Dûv re modelên perwerdekirî ji bo destwerdanê di modela bingehîn a Belavkirina Stable de têne yek kirin û yek kirin. Digel vê yekê, di dema pêvajoya destwerdanê de, model modelên belavbûna domdar bikar tîne di hewildanek ji bo ji nû ve boyaxkirina deverên rû di şablona destwerdanê de, û wekheviya di navbera têketin û wêneyên derketinê de bi karanîna yekîneyên ControlNet-ê yên cihêreng têne verast kirin. 

Çarçoveya EasyPhoto di heman demê de pêvajoyek belavkirinê ya du-qonaxê jî bicîh tîne da ku pirsgirêkên potansiyel ên mîna hunerên sînor û windabûna nasnameyê çareser bike, bi vî rengî piştrast dike ku wêneyên ku têne hilberandin dema ku nasnameya bikarhêner diparêzin nakokiyên dîtbarî kêm dikin. Digel vê yekê, lûleya destwerdanê di çarçoveya EasyPhoto de ne tenê bi çêkirina portreyan re sînordar e, lê ew dikare ji bo afirandina her tiştê ku bi nasnameya bikarhêner ve girêdayî ye jî were bikar anîn. Ev tê vê wateyê ku gava ku hûn perwerde bikin Modela LoRA ji bo nasnameyek taybetî, hûn dikarin rêzek berfireh a wêneyên AI-ê biafirînin, û bi vî rengî ew dikare bibe sepanên berbelav tevî ceribandinên virtual. 

Tu bi kurtî, çarçoveya EasyPhoto

1. Nêzîkatiyek nûjen pêşniyar dike ku modela LoRA perwerde bike bi tevlêkirina gelek modelên LoRA-yê da ku dilsoziya rûyê wêneyên ku hatine çêkirin biparêzin. 
2. Rêbazên fêrbûna hêzdarkirinê yên cihêreng bikar tîne da ku modelên LoRA ji bo xelatên nasnameya rû xweş bike ku bêtir di zêdekirina wekheviya nasnameyan di navbera wêneyên perwerdehiyê de, û encamên ku têne hilberandin, dibe alîkar. 
3. Pêvajoyek belavkirinê ya du-qonaxê-based inpaint-ê pêşniyar dike ku armanc dike ku wêneyên AI-ê bi estetîk û wekheviya bilind biafirîne. 

EasyPhoto: Mîmarî & Perwerde

Nîgara jêrîn pêvajoya perwerdehiya çarçoveya EasyPhoto AI-ê nîşan dide. 

Wekî ku tê dîtin, çarçove pêşî ji bikarhêneran dipirse ku wêneyên perwerdehiyê binivîsin, û dûv re vedîtina rû pêk tîne da ku cihên rûyan tespît bike. Gava ku çarçove rûyê xwe kifş dike, ew wêneya têketinê bi karanîna rêjeyek taybetî ya ji berê ve diyarkirî ku bi tenê li herêma rû disekine hildiweşîne. Dûv re çarçove xweşikbûnek çerm û modelek tespîtkirina salixdanê bicîh dike da ku wêneyek perwerdehiya rûyê paqij û zelal bistîne. Van her du modelan di zêdekirina qalîteya dîtbarî ya rû de rolek girîng dilîzin, û her weha piştrast dikin ku agahdariya paşîn hatî rakirin, û wêneya perwerdehiyê bi giranî rû dihewîne. Di dawiyê de, çarçove van wêneyên pêvajoyî û tavilên têketinê bikar tîne da ku modela LoRA perwerde bike, û bi vî rengî wê jê re şiyana têgihîştina taybetmendiyên rûyê-taybetî yên bikarhêner bi bandortir û rasttir bi kar tîne. 

Digel vê yekê, di qonaxa perwerdehiyê de, çarçove gavek pejirandî ya krîtîk vedihewîne, ku tê de çarçove valahiya nasnameya rûyê di navbera wêneya têketina bikarhêner, û wêneya verastkirinê ya ku ji hêla modela LoRA-ya perwerdekirî ve hatî çêkirin hesab dike. Pêvajoya pejirandinê pêvajoyek bingehîn e ku di bidestxistina hevgirtina modelên LoRA de rolek sereke dilîze, di dawiyê de piştrast dike ku çarçoveya LoRA perwerdekirî vediguhere doppelganger, an nûnertiyek dîjîtal a rastîn a bikarhêner. Wekî din, wêneya verastkirinê ya ku xwedan xala face_id ya çêtirîn e dê wekî wêneya face_id were hilbijartin, û ev wêneya face_id dê dûv re were bikar anîn da ku wekheviya nasnameya nifşa destwerdanê zêde bike. 

Bi rê ve, li ser bingeha pêvajoya ensembleyê, çarçove modelên LoRA bi texmîna îhtîmalê ku armanca bingehîn e, perwerde dike, di heman demê de parastina wekheviya nasnameya rû armanca jêrîn e. Ji bo çareserkirina vê pirsgirêkê, çarçoveya EasyPhoto teknolojiyên fêrbûna bihêzkirinê bikar tîne da ku rasterast armanca jêrîn xweşbîn bike. Wekî encamek, taybetmendiyên rûyê ku modelên LoRA fêr dibin çêtirkirina nîşan didin ku dibe sedema wekheviyek zêde ya di navbera encamên ku şablon hatî çêkirin de, û di heman demê de gelemperîkirina di nav şablonan de jî destnîşan dike. 

Pêvajoya Destwerdanê

Nîgara jêrîn pêvajoya destwerdanê ya ji bo Nasnameyek Bikarhênerek kesane di çarçoveya EasyPhoto de destnîşan dike, û li sê beşan tê dabeş kirin.

• Pêş-pêvajoya rû ji bo bidestxistina referansa ControlNet, û wêneya têketina pêşdibistanê. 

• Belavbûna Yekem ku di hilberîna encamên hişk ên ku dişibin têketina bikarhêner de dibe alîkar. 

• Belavbûna Duyemîn ku hunerên sînor rast dike, bi vî rengî wêneyan rasttir dike, û rasttir xuya dike. 

Ji bo têketinê, çarçove wêneyek face_id digire (di dema erêkirina perwerdehiyê de bi karanîna pîvana face_id ya çêtirîn hatî çêkirin), û şablonek destwerdanê digire. Derket portreyek pir hûrgulî, rast û rasteqîn a bikarhêner e, û ji nêz ve dişibihe nasname û xuyangiya bêhempa ya bikarhêner li ser bingeha şablona encamdanê. Ka em bi hûrgulî li van pêvajoyan binêrin.

Face PreProcess

Rêbazek ku meriv portreyek AI-ê li ser bingeha şablonek destwerdanê bêyî sedemek hişmendî biafirîne ev e ku meriv modela SD bikar bîne da ku devera rû di şablona destwerdanê de boyax bike. Wekî din, lê zêdekirina çarçoveya ControlNet li pêvajoyê ne tenê parastina nasnameya bikarhêner zêde dike, lê di heman demê de wekheviya di navbera wêneyên hatî çêkirin de jî zêde dike. Lêbelê, karanîna ControlNet rasterast ji bo xêzkirina herêmî dikare pirsgirêkên potansiyel ên ku di nav de hene destnîşan bike

• Nakokiya di navbera Ketin û Wêneya Çêkirî de: Eşkere ye ku xalên sereke yên di wêneya şablonê de bi xalên sereke yên di wêneya face_id de ne hevaheng in, ji ber vê yekê karanîna ControlNet bi wêneya face_id re wekî referans dikare bibe sedema hin nakokiyên di encam de. 

• Kêmasiyên li Herêma Inpaint: Maskekirina herêmek, û dûv re xêzkirina wê bi rûyek nû dibe ku bibe sedema kêmasiyên berbiçav, nemaze li ser sînorê xêzkirinê ku dê ne tenê bandorê li rastiya wêneya hatî çêkirin bike, lê di heman demê de dê bandorek neyînî li realîzma wêneyê jî bike. 
• Wendabûna Nasnameyê ji hêla Tora Kontrolê: Ji ber ku pêvajoya perwerdehiyê çarçoweya ControlNet bikar nayîne, karanîna ControlNet di qonaxa destwerdanê de dibe ku bandorê li kapasîteya modelên LoRA yên perwerdekirî bike ku nasnameya nasnameya bikarhênerê ya têketinê biparêzin. 

Ji bo çareserkirina pirsgirêkên ku li jor hatine destnîşan kirin, çarçoveya EasyPhoto sê rêbazan pêşniyar dike. 

• Lihevkirin û pêvekirin: Bi karanîna algorîtmayek lêdana rûyê, çarçoweya EasyPhoto armanc dike ku pirsgirêka nehevsengiya di navbera nîşanên rûyê di navbera nasnameya rû û şablonê de çareser bike. Pêşîn, model nîşaneyên rû yên face_id û wêneya şablonê hesab dike, li dûv wê model matrixa veguherîna affine ya ku dê were bikar anîn destnîşan dike da ku nîşaneyên rûyê wêneya şablonê bi wêneya face_id re hevaheng bike. Wêneya encamî heman nîgarên wêneya face_id digire, û di heman demê de bi wêneya şablonê re li hev dike. 

• Sîgorteya rû: Face Fuse nêzîkatiyek nûjen e ku ji bo rastkirina hunerên sînor ên ku di encama xêzkirina maskê de ne tê bikar anîn, û ew sererastkirina huneran bi karanîna çarçoweya ControlNet-ê vedihewîne. Rêbaz destûrê dide çarçoveya EasyPhoto ku parastina keviyên ahengdar misoger bike, û bi vî rengî di dawiyê de rêberiya pêvajoya hilberîna wêneyê dike. Algorîtmaya tevhevkirina rû hê bêtir wêneya roop (wêneyên bikarhênerê rastiya erdê) û şablonê yek dike, ku dihêle ku wêneya hevgirtî ya ku derketiye aramkirina sînorên keviya çêtir nîşan bide, ku dûv re di qonaxa belavkirina yekem de rê li ber hilberek pêşkeftî vedike. 
• Verastkirina rêberî ControlNet: Ji ber ku modelên LoRA bi karanîna çarçoweya ControlNet nehatin perwerde kirin, karanîna wê di dema pêvajoya encamdanê de dibe ku bandorê li kapasîteya modela LoRA bike ku nasnameyan biparêze. Ji bo zêdekirina kapasîteyên giştîkirina EasyPhoto, çarçove bandora çarçoveya ControlNet-ê dihesibîne, û modelên LoRA yên ji qonaxên cihêreng vedihewîne. 

Belavbûna Yekem

Qonaxa belavbûnê ya yekem wêneya şablonê bikar tîne da ku wêneyek bi nasnameya yekta ku dişibihe nasnameya bikarhênerê ya têketinê çêbike. Wêneyê têketinê hevgirtinek ji wêneya têketina bikarhêner, û wêneya şablonê ye, lê maskeya rûyê kalibrated maskeya têketinê ye. Ji bo zêdekirina kontrola li ser hilberîna wêneyê, çarçoweya EasyPhoto sê yekîneyên ControlNet yek dike ku yekîneya yekem ControlNet balê dikişîne ser kontrolkirina wêneyên hevgirtî, yekîneya ControlNet ya duyemîn rengên wêneyê yekgirtî kontrol dike, û yekîneya ControlNet ya dawîn vekirî ye. (kontrola pozê ya mirovî ya pir-kesî ya rast-rast) ya wêneya hatî veguheztin ku ne tenê avahiya rûyê wêneya şablonê, lê di heman demê de nasnameya rûyê bikarhêner jî dihewîne.

Belavbûna Duyemîn

Di qonaxa belavbûnê ya duyemîn de, hunerên li nêzî sînorê rû têne safîkirin û birêkûpêk têne hevûdu, digel ku ji bikarhêneran re nermbûnek peyda dikin ku herêmek taybetî di wêneyê de mask bikin da ku hewl bidin ku bandorkeriya nifşê di wê devera diyarkirî de zêde bikin. Di vê qonaxê de, çarçove wêneya derketinê ya ku ji qonaxa belavbûnê ya yekem hatî wergirtin bi wêneya roop an encama wêneya bikarhêner re dişewitîne, bi vî rengî wêneya têketinê ji bo qonaxa belavkirina duyemîn çêdike. Bi tevayî, qonaxa belavbûna duyemîn di zêdekirina kalîteya giştî, û hûrguliyên wêneya hatî çêkirin de rolek girîng dilîze. 

Nasnameyên Pir Bikarhêner

Yek ji balkêşên EasyPhoto piştgirîya wê ye ji bo hilberîna nasnameyên pir bikarhêneran, û jimareya jêrîn xeta pêvajoya destwerdanê ji bo nasnameyên pir bikarhêneran di çarçoveya EasyPhoto de destnîşan dike. 

Ji bo ku ji bo hilberîna nasnameya pir-bikarhêner piştgirî peyda bike, çarçoveya EasyPhoto pêşî li ser şablona destwerdanê tespîtkirina rûyê dike. Dûv re ev şablonên destwerdanê di gelek maskan de têne dabeş kirin, ku her maskek tenê rûyek dihewîne, û mayî ya wêneyê bi spî tê nixumandin, bi vî rengî nifşa nasnameya pir-bikarhêner di nav karek hêsan a çêkirina nasnameyên bikarhêner ên kesane de dişikîne. Gava ku çarçove wêneyên nasnameya bikarhêner diafirîne, ev wêne di nav şablona encamnameyê de têne yek kirin, bi vî rengî yekbûnek bêkêmasî ya wêneyên şablonê bi wêneyên çêkirî re hêsan dike, ku di dawiyê de di encamê de wêneyek kalîteya bilind çêdike. 

Ceribandin û Encam

Naha ku me di çarçoveya EasyPhoto de têgihiştinek heye, ew dem e ku em performansa çarçoveya EasyPhoto bikolin. 

Wêneya jorîn ji hêla pêveka EasyPhoto ve hatî çêkirin, û ew ji bo hilberîna wêneyê modelek SD-ya bingeha Style bikar tîne. Wekî ku tê dîtin, wêneyên hatine çêkirin rasteqîn xuya dikin, û pir rast in. 

Wêneyê ku li jor hatî zêdekirin ji hêla çarçoveya EasyPhoto ve bi karanîna modela SD-ya bingehîn a Comic Style ve hatî çêkirin. Wekî ku tê dîtin, wêneyên komîk, û wêneyên realîst pir rast xuya dikin, û ji nêz ve dişibin wêneya têketinê li ser bingeha daxwaz an daxwazên bikarhêner. 

Wêneyê ku li jêr hatî zêdekirin ji hêla çarçoveya EasyPhoto ve bi karanîna şablonek Pir-Person ve hatî çêkirin. Wekî ku bi zelalî tê dîtin, wêneyên ku têne hilberandin zelal, rast in û dişibin wêneya orîjînal. 

Bi alîkariya EasyPhoto, bikarhêner naha dikarin rêzek berfireh a portreyên AI-ê biafirînin, an bi karanîna şablonên parastî gelek nasnameyên bikarhêner biafirînin, an jî modela SD-ê bikar bînin da ku şablonên encamdanê çêbikin. Wêneyên ku li jor hatine zêdekirin kapasîteya çarçoveya EasyPhoto di hilberandina wêneyên AI-ê yên cihêreng û bi kalîte de destnîşan dikin.

Xelasî

Di vê gotarê de, me li ser EasyPhoto, a pêveka WebUI ya nû ku destûrê dide bikarhênerên dawîn ku portre û wêneyên AI-ê çêbikin. Pêveka EasyPhoto WebUI bi karanîna şablonên keyfî portreyên AI-ê diafirîne, û encamên heyî yên EasyPhoto WebUI şêwazên wêneya cihêreng, û gelek guheztinan piştgirî dike. Wekî din, ji bo zêdekirina kapasîteyên EasyPhoto, bikarhêner xwedan nermbûnek e ku bi karanîna modela SDXL wêneyan biafirînin da ku wêneyên têrker, rast û cihêreng biafirînin. Çarçoveya EasyPhoto modelek bingehîn a belavkirina stabîl bi modela LoRA-ya pêşdibistanê re ku derketinên wêneyê bi kalîteya bilind çêdike, bikar tîne.

Di jeneratorên wêneyê de eleqedar in? Em lîsteyek jî pêşkêş dikin Best Generator Headshot AI û ji Generatorên Wêne AI-ê yên çêtirîn ku karanîna wan hêsan in û ne pisporiya teknîkî hewce ne.