Model
.ai
sinusubaybayan ang mga open AI model

Boreal HL

8189°
Boreal HL
Ginawa ni
kudzueye
sa Civitai
by Kudzueye - realism effect video lora. makes videos look like ordinary real everyday footage
Mga tala ng gumawa
QUICK UPDATE: Please be aware that this LoRA is still very experimental and can be still be very difficult to get good results. I will continue to explore ways to improve on the training and workflow. If you notice anything unusual about the results, or have any suggestions on improving the training or workflow feel free to let me know. Boreal-HL: Boring Reality Hunyuan LoRA This model is my first attempt at improving the realism details of Hunyuan videos. It focuses on creating more natural backgrounds without shallow depths of field, better skin texture, more realistic lighting, and overall increase in details in a scene. I followed previous practices in training my other boring reality models where I try to use as diverse of a group of public domain and AI generated photos as possible. IMPORTANT NOTES FOR USING THIS LORA: This LoRA is very over-trained. In most scenarios keeping strength at around 0.6 should be good enough. Some prompts and seeds and what not can handle higher strength and give better quality but it is not very consistent. I have only tested this LoRA so far on the . It is still early in the process of working with Hunyuan workflows and model training so there is still a lot of potential for further improvements down the road here. Starting out recommended settings: - LoRA Strength: 0.6 (0.4-0.9 is the range I mostly worked with if this is the primary lora you are using) - Resolution: I would start with something like 512x768 for resolution with a 1.5x upscale. Go higher if not using the upscale. Vertical aspect ratios give more boring realism while wider aspect ratios will make it more cinematic. - GUIDANCE: I would start out with a higher guidance like 12.5. It will prevent a lot deformation though you will run into issues such as characters with the same face or same scene. I like to push it down to 3.5 guidance for more interesting images/videos but you have to really work around the seeds/resolution/lora strength to not get a disfigured mess. - STEPS: I recommend having a minimum of maybe 30 steps for at least that workflow. You will get better results though if you get up to 55 or so - SEED: Be mindful to try swapping out seeds as some will work far better than others. - Prompt Recommendations: Try to be descriptive where possible about the actual things and actions in the scene. If you do not provide enough info you may end up with a boring background or a character that always looks the same. As a general rule of thumb when dealing with distortion try raising the guidance, swapping the seeds, reducing the LoRA strength, increasing the steps, be more descriptive in the prompt, and raise the resolution. As a general rule to reduce the generic AI look and same characters appearing, try to reduce the guidance, maybe raise the LoRA strength, be more descriptive in the prompt, and swap the seed. Another note, is that sometimes combing the LoRA with another motion oriented LoRA may lead to more stability in the video output. Image Generation Capabilities This LoRA can also generate decent images at times via the first frame. Sometimes they may be more distorted than grabbing a frame from a longer video, so you may need to experiment with the settings mentioned above. I think Hunyuan has a lot of potential to be the next best text2image model. It will take some time though to find a better workflow for utilizing it and maybe improving on the model training. Additional Info Video for better demonstrating the different aspects of the LoRA.
4,060 download · 399 like sa Civitai
SHA256
657972C09D107E6ED41835C23A7E26E005064B2CF071985CE8AC4D8DF2D04465
Trend ng kasikatan ng Boreal HL
Heat score, huling 12 buwan
Iskor ng init
8,189°
Ngayong linggo
▲
0.5%
8,190° noon, 8,189° ngayon
Ngayong buwan
▲
2.4%
8,192° noon, 8,189° ngayon
Nakaraang taon
▲
68.4%
8,167° noon, 8,189° ngayon
Boreal HL: Heat score, huling 12 buwan7,000°7,412°7,825°8,237°8,650°Oct 2025Dec 2025Mar 2026May 2026Aug 2026Oct 20268,189°ModelTrends.ai
7,000°
Floor
Ang sukat ay mula 0° hanggang 9,999°. Lahat ng nasa ibaba ng 7,000° ay para sa mga modelong wala pang ulat mula sa pinanggalingan, kaya may stand-in na numero doon para kumpleto ang mga listahan. Sa 7,000° nagsisimula ang nasusukat na datos: ang modelong may totoong datos pero halos walang downloads ay nasa floor, at ang mga sukat ay pumupuno sa mga degree sa itaas nito. Ang floor ay hindi nagsasabi ng anuman tungkol sa modelo; ang mga degree sa itaas nito ang nagkakaiba-iba at siyang naghihiwalay ng mga modelo.
+1,083°
Mga download sa Civitai
4,060 downloads ng eksaktong bersyon na ito sa Civitai. Ang downloads ang pinakamahalagang sangkap at binibilang sa log scale: sampung beses na downloads ay nagdadagdag ng parehong 300°, kaya ang modelong may isang milyong downloads ay hindi isang libong beses na mas mainit kaysa sa may isang libong downloads. Ang anim na pinagmulan ng download ay naghahati sa isang term na iyon, ayon sa proporsyon ng kanilang bilang.
+390°
Mga likes
399 mga likes at thumbs up mula sa mga pinanggalingan. Ang isang like ay katumbas ng kalahating download, gamit ang parehong log scale.
−284°
Edad
−284° dahil lumabas ang Huny weights noong 2024. Lahat ng modelo ay minamana ang edad ng weights na pinagbasehan nito: 150° kada taon, hanggang 750°, at patuloy itong tumataas hanggang doon. Kung wala ito, ang nangunguna sa listahan ay mga checkpoint ng 2022 at 2023 dahil sa lakas ng downloads na naipon sa loob ng mga taon.
Ipakita ang detalyadong paghahati
Pwedeng suriin ang bawat numero sa site na ito. Ang heat score ng modelong ito ay 8,189°, at dito ito binubuo ng paisa-isang sangkap, kasama ang tumatakbong kabuuan pagkatapos ng bawat isa: ang floor, ang mga degree na idinadagdag ng bawat pinanggalingan, ang bonus para sa uri ng modelo at ang binabawas ng edad ng mga weights nito. Ang mga kulay ay ang mga banda ng tsart sa itaas. Ang glossary sa dulo ay naglilinaw ng bawat termino.
  1. 1
    Magsimula sa floor.
    Bakit 7,000° at hindi zero: ang sukat ay mula 0° hanggang 9,999°, at ang bahagi sa ibaba ng 7,000° ay nakalaan para sa mga modelong wala pang ulat mula sa pinanggalingan, kaya may stand-in na numero doon para kumpleto ang mga listahan at hindi mauuna sa modelong may datos. Sa 7,000° nagsisimula ang nasusukat na datos. Ang modelong may totoong datos pero halos walang downloads ay nandito; ang lahat ng susunod ay sukat, at ang espasyo sa itaas ng floor ay may sampung hakbang na sampung beses na pagtaas sa downloads na may 300° bawat isa. Pareho ang floor para sa lahat ng modelo, kaya hindi ito nagdedesisyon; ang mga degree sa itaas nito ang nagdedesisyon.
    7,000°
    patuloy na kabuuan
  2. 2
    Idagdag ang mga download.
    4,060 na katumbas ng download sa lahat, mula sa Mga download sa Civitai. Sampung beses na pagdagdag ng downloads ay nagdadagdag ng parehong 300°, kaya mahalaga ang laki pero hindi ito sobra sa puntos.
    +1,083°
    8,083°
    patuloy na kabuuan
  3. 3
    Idagdag ang mga likes.
    399 na likes at thumbs up, kalahati ang bigat kumpara sa isang download.
    +390°
    8,473°
    patuloy na kabuuan
  4. 4
    Alisin ang edad.
    Lumabas ang Huny weights noong 2024: 150° kada taon, hanggang sa 750°, tumataas hanggang noon.
    −284°
    8,189°
    patuloy na kabuuan
  5. =
    Ang heat score.
    Kung saan nakatayo ang modelong ito sa bawat listahan ng site na ito. Wala nang ibang nagbabago nito.
    8,189°
Talahulugan: ang mga terminong ginagamit dito
Heat score
Isang numero kung gaano kadalas gamitin at gusto ang isang modelo ngayon, mula 0° hanggang 9,999°. Bawat listahan sa site na ito na nagsasabing pinakamainit ay nakaayos base dito at wala nang iba pa.
Floor
Ang 7,000° na panimulang puntos ng bawat modelong may totoong datos. Ang sukatan ay mula 0° hanggang 9,999°; ang bahagi sa ilalim ng floor ay para sa mga stand-in (mga modelong walang datos), para laging mas mataas ang ranggo ng may datos kaysa wala. Pareho ang floor para sa lahat at hindi ito nagpapasya; ang mga degree sa itaas nito ang totoong sukat.
Katumbas ng download
Lahat ng tinatrato ng score bilang download, pinagsama-sama: mga download mismo, bawat torrent seeder bilang 1,000, bawat AI Horde na larawan at bawat takbo sa isang generation site bilang isa.
Log scale
Bilang ng sampu, hindi isa-isa: ang pagtaas mula 1,000 hanggang 10,000 downloads ay nagdadagdag ng parehong degree tulad ng mula 10,000 hanggang 100,000. Pinipigilan nito ang mga higante na mauna sa lahat.
Likes
Thumbs up at likes mula sa lahat ng pinanggalingan, na katumbas ng kalahati ng download sa log scale.
Bilis ng pagtanggap
Ilang downloads kada araw ang nakukuha ng modelo ngayon, mula sa pagkakaiba ng dalawang readings ng isang pinanggalingan. Isang-kapat ng bigat ng term na download.
Nasukat at tinantya
Ang nasukat ay ibig sabihin may dalawang pagbabasa mula sa isang pinagmulan at tunay ang pagkakaiba. Ang tinantya naman ay alam lang ang kabuuan ngayon at hinahati ang nakaraan sa buong buhay ng modelo; sinasabi ng site kung alin ang ipinapakita.
Seeder
Isang tao na nag-iimbak ng kopya ng weights online para ma-download ng iba gamit ang torrent, o isang naka-host na mirror na gumagawa rin nito. Bawat isa ay katumbas ng 1,000 downloads.
AI Horde
Isang volunteer network na gumagawa ng mga larawan nang libre gamit ang mga donadong computer. Pampubliko kung ilang larawan ang nagawa gamit ang isang modelo, at bawat isa ay katumbas ng isang download.
Mga generation site
Mga site na may sariling kopya ng modelo at pinapayagan ang mga tao na gumawa gamit ito, tulad ng PixAI, SeaArt at Yodayo. Ang kanilang mga downloads ay binibilang tulad ng sa Civitai at bawat generation run ay isang download.
OpenRouter tokens
Ang isang text model na pinagsisilbihan sa pamamagitan ng API, tulad ng Claude o GPT, ay walang weights na ida-download, kaya ang paggamit nito ay sinusukat sa tokens: mga piraso ng teksto na binasa at isinulat nito sa pamamagitan ng OpenRouter, isang gateway na ginagamit ng maraming apps, sa nakaraang 30 araw. Bawat 10,000,000 tokens ay katumbas ng isang download. Pinagmulan: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Buong modelo (checkpoint)
Ang weights mismo, ang file na kayang mag-generate mag-isa. May bonus ito dahil nakadepende dito ang mga add-on.
LoRA at embedding
Maliit na add-on files na nagtutulak sa weights ng iba papunta sa isang estilo, karakter o konsepto. Hindi sila kayang tumakbo mag-isa.
Pamilya at weights
Ang base na pinagbuo ng modelo, tulad ng SD 1.5, SDXL, Flux o Wan. Lahat ng modelo ay namamana ang petsa ng release ng weights ng pamilya nito.
Edad
Mga degree na ibinabawas base sa gaano katagal nang lumabas ang weights ng pamilya: 150° kada taon, hanggang 750°. Pinananatili nito ang mga lumang downloads na may taon para mag-ipon mula sa pag-freeze sa taas ng listahan.
Pampasigla ng pamilya
Isang maliit at limitadong tulak para sa mga LoRA ng pamilyang itinataguyod ng site ngayon, palaging nakalista sa breakdown.
Stand-in score
Isang matatag na numero sa ibaba ng floor na ibinibigay sa modelong wala pang ulat mula sa pinagmulan, para kumpleto ang listahan. Hindi ito nangunguna sa modelong may datos.
Bago! (panahon ng grace)
Ang isang model na mas mababa sa 7 araw ang tanda ay nagpapakita ng Bago! sa halip na score at walang puwesto sa mga ranggo. Ang score nito ay kinakalkula mula unang araw, pero ang modelong isang araw pa lang ang tanda ay lumalago nang mas mabilis kaysa sa iba, kaya kung walang paghihintay, ang #1 ng linggo ay palaging yung lumabas kahapon kaysa sa tumagal nang isang linggo.
Uso
Paano ang paglago ng modelo sa isang panahon kumpara sa karaniwang paglago ng modelo sa parehong panahon. Mas mabilis kaysa karaniwan ay pagtaas, mas mabagal ay pagbaba.
Karaniwang modelo
Gitna ng katalogo: kalahati ng mga modelo na may numero ay mas mabilis ang paglago sa panahon, kalahati ay mas mabagal.
Paano gumalaw ang kasikatan ng modelong ito kumpara sa ibang mga nasa katalogo: ang paglago nito sa downloads, likes, at paggamit sa bawat panahon, sinusukat laban sa karaniwang paglago ng modelo sa parehong panahon, kasama ang heat score nito sa panahong iyon. Kapag mas mataas kaysa sa karaniwan, ibig sabihin ay pagtaas, kapag mas mababa ay pagbaba. Binubuo ang nakaraan mula sa mga kabuuan ngayon, unang araw ng modelo at sukat na bilis ng pag-download kung may dalawang sukat; ang modelong hindi pa umiiral sa simula ng panahon ay nagpapakita ng n/a.
Patakbuhin nang lokal
boreal-hl-v1.safetensors
172 MB · SafeTensor
Ang mga download ay mula sa Civitai. May mga gumawa na humihingi muna ng Civitai login.