Judy landers ti
Najlepsze dla początkujących. Potężne procesy, niska krzywa nauki.
Twórz filmy, obrazy, niestandardowe postacie do czatu i więcej.
Przeglądaj modele, renderuj i poprawiaj z dowolnej przeglądarki lub telefonu.
Dodaj Vector do swojego serwera lub dołącz do Vector Discord. Twórz wszystko!
Edytor obrazów i wideo: renderuj, edytuj, powiększaj i więcej na jednej stronie.
Generuj na stronie Civitai; każda grafika płatna kredytami Buzz.
Zainstaluj programy lokalnie, jeśli masz wystarczająco mocny komputer.
Generuj ten sam prompt na maksymalnie 50 modelach checkpoint/podstawowych jednocześnie.
__html__A request of @Crash67.Judy Landers is an American actress, known for her roles in popular TV series like B.J. and the Bear and The Love Boat during the 70s and 80s.This is a 135-step TI trained on a dataset of 15 images with these settings.Curious about my work process? I have summarized it here.Do you have a specific idea for a TI in mind? Visit my website and let me know.Please also check my good friend @ElizaPottinger's version of Judy!Building a good prompt with my TIsYou're obviously free to experiment, but bear in mind that my TIs are trained with a more or less fixed phrasing,…__html__A request of @Crash67.Judy Landers is an American actress, known for her roles in popular TV series like B.J. and the Bear and The Love Boat during the 70s and 80s.This is a 135-step TI trained on a dataset of 15 images with these settings.Curious about my work process? I have summarized it here.Do you have a specific idea for a TI in mind? Visit my website and let me know.Please also check my good friend @ElizaPottinger's version of Judy!Building a good prompt with my TIsYou're obviously free to experiment, but bear in mind that my TIs are trained with a more or less fixed phrasing, that normally starts with:"photo of EMBEDDING_NAME, a woman"So I recommend always starting your prompt like that and then building the rest of the prompt from there. For instance, "photo of beautiful (jl4nders:0.99), a woman with beautiful hair, as a movie star in a (movie premiere), premiere gala, (near a movie theatre), natural skin texture, (sexy tight {red|yellow|blue|green|black|turquoise} mesh strapless dress), 24mm, 4k textures, soft cinematic light, adobe lightroom, photolab, hdr, intricate, elegant, highly detailed, sharp focus, ((((cinematic look)))), soothing tones, insane details, intricate details, hyperdetailed, low contrast, soft cinematic light, exposure blend, hdr, faded, (paparazzi in background), (painted lips:1.1), ((looking at viewer:1.1))"Please also note that I'm using the "add detail" LoRA for my example pics. I recommend setting it around 0.5 for best results.
Słowniczek: używane tu terminy
- Wynik heat
- Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
- Podstawa
- 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
- Równoważniki pobrań
- Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
- Skala logarytmiczna
- Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
- Polubienia
- Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
- Tempo adopcji
- Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
- Zmierzony i szacowany
- Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
- Seeder
- Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
- AI Horde
- Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
- Strony generujące
- Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
- Tokeny OpenRouter
- Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Pełny model (checkpoint)
- Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
- LoRA i embedding
- Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
- Rodzina i wagi
- Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
- Wiek
- Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
- Wzmocnienie rodziny
- Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
- Wynik zastępczy
- Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
- Nowy! (okres karencji)
- Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
- Trend
- Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
- Typowy model
- Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.
