Deep Negative V1.x V1 75T
8751°
<deep-negative>
Les applications qui supportent les tags ModelTrends vous permettent d'exécuter/installer des modèles en copiant ce code dans votre prompt sans aucune configuration. Cherchez notre icône dans les applications qui le supportent, comme Prism (ci-dessous).
Lancer ce modèle
Offres / Pub
Easy Creator (Prism) Web
Illimité · forfait fixe
Idéal pour les débutants. Flux de travail puissants, courbe d'apprentissage faible.
PirateDiffusion Telegram
Illimité · forfait fixe
Créez des vidéos, images, personnages de chat personnalisés, et plus encore.
Pro studio (SpyGlass) Web
Illimité · forfait fixe
Parcourez les modèles, générez et affinez depuis n'importe quel navigateur ou téléphone.
Discord bot (Vector)
Illimité · forfait fixe
Ajoutez Vector à votre serveur ou rejoignez le Discord de Vector. Créez tout ce que vous voulez !
Unified Editor Web
Illimité · forfait fixe
Éditeur pour images et vidéos : générez, modifiez, améliorez et plus encore sur une seule page.
Civitai Web
Paiement à l'usage
Générez sur le site de Civitai ; chaque image est payée avec des crédits Buzz.
Applications locales
Nécessite une configuration
Installe des programmes locaux si ton ordinateur est assez puissant.
ModelDuel Web
Paiement à l'usage
Génère la même invite sur jusqu'à 50 modèles checkpoint/base en même temps.
Deep Negative Ver. 1.75T by IenML is a popular general quality boosting embedding. Make sure you put it in the negative prompt unless you want your photos to be really disgusting.
Notes du créateur
This embedding will tell you what is REALLY DISGUSTING🤢🤮
So please put it in negative prompt😜
⚠This model is not trained for SDXL and may bring undesired results when used in SDXL.
If you use SDXL, recommended this 👇
another deep-negative:
-
pony version:
-
SDXL version:
TOP Q&A
-
how to use TI model?
-
what is negative prompt?
[Special Reminder] If your webui reports the following errors:
- CUDA: CUDA error: device-side assert triggered
- Assertion -sizes[i] The reason is that many scripts do not handle overly long negative prompt words (greater than 75 tokens) properly, so choosing a smaller token version can improve this situation.
[Update:230120] What does it do?
These embedding learn what disgusting compositions and color patterns are, including faulty human anatomy, offensive color schemes, upside-down spatial structures, and more. Placing it in the negative can go a long way to avoiding these things.
-
What is 2T 4T 16T 32T?
Number of vectors per token
[Update:230120] What is 64T 75T？
64T: Train over 30,000 steps on mixed datasets.
75T: embedding limit maximum size, training 10,000 steps on a special dataset (generated by many different sd models and special reverse processing)
Which one should choose?
-
75T: The most ”easy to use“ embedding, which is trained from its accurate dataset created in a special way with almost no side effects. And it contains enough information to cover various usage scenarios. But for some "good-trained-model" may hard to effect
and, change about may be subtle and not drastic enough.
-
64T: It works for all models, but has side effect. so, some tuning is required to find the best weight. recommend: [( NG_DeepNegative_V1_64T :0.9) :0.1]
-
32T: Useful, but too more
-
16T: Reduces the chance of drawing bad anatomy, but may draw ugly faces. Suitable for raising architecture level.
-
4T: Reduces the chance of drawing bad anatomy, but has a little effect on light and shadow
-
2T: ”easy to use“ like T75, but just a little effect
Suggestion
Because this embedding is learning how to create disgusting concepts, it cannot improve the picture quality accurately, so it is best used with (worst quality, low quality, logo, text, watermark, username) these negative prompts.
Of course, it is completely fine to use with other similar negative embeddings.
More examples and tests
-
draw building:
-
hand fix:
-
portrait (with ):
-
fusion body fix:
How is it work?
I tried to make SD learn what is really disgusting with deepdream algorithm, the dataset is imagenet-mini (1000 images chosen randomly from the dataset again)
deepdream is REALLLLLLLLLLLLLLLLLLLLLY disgusting 🤮 and process of training this model really made me experience physical discomfort 😂
Backup
Mots déclencheurs
ng_deepnegative_v1_75t
SHA256
54E7E4826D53949A3D0DDE40AEA023B1E456A618C608A7630E3999FD38F93245
Tendance de popularité de Deep Negative V1.x V1 75T
Score de chaleur, derniers 12 mois
Score de popularité
8,751°
Cette semaine
▼
0.1%
8,753° alors, 8,751° maintenant
Ce mois-ci
▼
0.4%
8,758° alors, 8,751° maintenant
L'année passée
▼
4.8%
8,840° alors, 8,751° maintenant
7,000°
Plancher
L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.
+1,708°
Téléchargements Civitai
493,058 téléchargements de cette version exacte sur Civitai. Les téléchargements sont l'ingrédient le plus lourd et sont comptés sur une échelle logarithmique : multiplier par dix les téléchargements ajoute 300° au score, donc un modèle avec un million de téléchargements n'est pas mille fois plus chaud qu'un avec mille. Les six sources de téléchargements partagent ce terme, réparti proportionnellement à leurs comptes.
+652°
Likes
22,090 likes et pouces levés sur toutes les sources. Un like vaut la moitié d’un téléchargement, sur la même échelle logarithmique.
−609°
Âge
−609° parce que les poids SD15 sont sortis en 2022. Chaque modèle hérite de l’âge des poids sur lesquels il est construit : 150° par an, jusqu’à 750°, et ça continue de grandir jusqu’à ce seuil. Sans ça, le haut de la liste serait occupé par des checkpoints de 2022 et 2023 grâce aux téléchargements accumulés sur des années.
Afficher le détail
Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 8,751°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.
- 1Commence au plancher.Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.7,000°total en cours
- 2Ajoute les téléchargements.493,058 équivalents de téléchargement au total, venant de Téléchargements Civitai. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.+1,708°8,708°total en cours
- 3Ajoute les likes.22,090 likes et pouces levés, à moitié du poids d’un téléchargement.+652°9,360°total en cours
- 4Enlève l’âge.Les poids SD15 sont sortis en 2022 : 150° par an, jusqu’à 750°, qui augmente jusqu’à ce moment.−609°8,751°total en cours
- =Le score de chaleur.La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.8,751°
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.
Rendus d'exemple
Prompts et réglages partagés par les personnes qui ont réalisé ces rendus sur Civitai. Choisissez un rendu pour voir comment il a été fait.
Réglages
Sampler
Euler a
Étapes
19
Guidance
4
Seed
1737173171
Taille
832x1216
Clip skip
2
Poids utilisé
1
Prompt
score_9, score_8_up, score_8, (solo), (solo:2), (fluffy:0.8), (feral), outdoors, furry, (((mouse))), female, bright green eyes, grey fur, grey ears, claws, (fluffy cheeks:0.4), grey hooded cape, hood up, (blue dress), cute, in the style of beatrix potter, cel-shading, fca style, village, night, rain, (dark:1.5), backlit, (side view:1.3), (upper body shot), look back
Prompt négatif
ng_deepnegative_v1_75t, score_6, score_5, score_4, (cub, young, child, chibi:1.5), busty, ugly face, low res, blurry face, ugly hands, pumped body, black and white, penis, clothing, breasts, big ears, ((hair)), nipples, green fur, belly, extra ears, human, blue fur, panties, simple background, signature
Réglages
Sampler
DPM++ 2M Karras
Étapes
20
Guidance
7
Seed
2676625826
Taille
512x768
Prompt
(masterpiece:1.2), (photo of a partially buried cyborg, sandblasted and rusted, their robotic arm reaching towards a flickering sun Emphasizing the harsh environment, with cracked lenses and fading paint details:1.1), (bathed in the cold light of a holographic moon:1.1), (art by Cyril Rolando:1.4), (close-up shot:1.0), (hyperdetailed:1.1), (intricate details:1.0), (Refined details:1.1), (best quality:1.1), (high resolution:1.2)
Prompt négatif
embedding:EasyNegative, embedding:negative_hand-neg, (worst quality, low quality, bad quality:1.3), low-res, blur, blurry, (extra fingers, bad anatomy, wrong proportions, deformed, mutated hands and fingers:1.2), (monochrome, grayscale:1.1), image artifacts, low resolution, (watermark:1.2), loli, headphones, text, embedding:ng_deepnegative_v1_75t, embedding:AloeCrapArt-5000
Réglages
Sampler
Euler a
Étapes
29
Guidance
4
Seed
4288902158
Taille
832x1216
Clip skip
2
Poids utilisé
1
Prompt
score_9, score_8_up, score_7_up, score_6_up, 1girl, solo, portrait, brown hair, lips, freckles, biting own lip, (biting lip:1), seductive, ponytail, lipstick, makeup, eyeliner, eyeshadow, beautiful detailed face, sexy woman, open shirt, no bra, night, night club background, blurry background
Prompt négatif
score_6,score_5,score_4, worst quality, low quality, bad anatomy, bad hands, missing fingers, fewer digits, source_furry, source_pony, source_cartoon,3d, nipples, easynegative, ng_deepnegative_v1_75t, simple background, bad hands, missing fingers, extra fingers, deformed hands,
Réglages
Sampler
Euler a
Étapes
40
Guidance
4
Seed
338164970
Taille
832x1216
Clip skip
2
Poids utilisé
1
Prompt
top- down, fantastical and surreal scene, closeup inside of an enormous ancient pocket_clock standing upright with its cover open revealing a magical portal, portal inside the clock, Through the portal is a breathtaking landscape unfolds, towering mountains, a cascading volcano, a steaming river winding through a burned forests, The edges of the pocket_clock are adorned with intricate glowing runes and vines, the clock resting on obsidian floor, mystical touch, illuminated by a crescent moon and twinkling stars, dreamlike and otherworldly atmosphere, sense of adventure and wonder, ((red-blue, artifact,
<lora:aidmaMTG-CardsXL-v0.1:1> ,mtg, mtg card)), view from above,
(score_9, score_8_up:1.1), score_7_up, a fine color ink lineart sketch, (reflective volumetric), raytracing, absurdres, dark, low-key,
Prompt négatif
boring, bad quality, (low quality, worst quality:1.4),(bad_prompt:0.8), (monochrome:1.1), negativeXL_D, aidxlv05_neg, jpeg artifacts, unsharp, ugly, deformed, noisy, score_6, score_5, score_4, cropped, lowres, strabismus, ugly, old, unrealistic physics, unrealistic, dry, bad background, distorted, not detailed, simple, cgi, distorted card,
Exécuter en local
Comment installer
Qu'est-ce que ComfyUI ? Un guide pour débutants sur les nœuds, les workflows et le premier graphe
17 Déc 2025
ng_deepnegative_v1_75t.pt
ng_deepnegative_v1_75t.safetensors
Les téléchargements sont servis par Civitai. Certains créateurs demandent d'abord une connexion à Civitai.
Deep Negative V1.x V1 75T est un embedding pour la famille Stable Diffusion 1.5, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Stable Diffusion 1.5, consultez son score de chaleur pour suivre sa tendance et ouvrez-le sur PirateDiffusion ou BitVector pour l'essayer.
Plus de modèles Stable Diffusion 1.5Plus de Embeddings Stable Diffusion 1.5effetsphotographienégatifspositifsanatomieconceptsnégatifembedding négatif
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153