懂AI
FuzzyHazel

FuzzyHazel

文本到图像生成的稳定扩散模型及LoRA融合应用

FuzzyHazel项目致力于探索稳定扩散模型与LoRA技术在文本到图像生成中的应用。通过整合多样化模型，如HazyAbyss、OctaFuzz、MareAcernis等，并使用EasyNegative和pastelmix-lora资源优化，项目展现了多样的高质量图像生成能力。利用权重公式合并模型，提供了对图像生成的细致控管。同时，项目重视图像合并时的色彩、细节和结构的准确性，为高精度图像生成行业提供了新的解决方案，显示出其在AI艺术和设计中的潜力。

Stable Diffusion下载链接HuggingfaceGithub艺术风格开源项目模型AI绘图模型合并
Hugging Face

项目背景

FuzzyHazel项目是一个生成图像模型的研究项目，致力于利用先进的人工智能技术，将文本描述转换为高质量的图像。该项目涉及多个模型和算法的集成与优化，以提高图像生成的效果和精度。通过一系列先进的技术和工具组合，FuzzyHazel力求在图像生成领域取得重大的突破。

关键技术概述

FuzzyHazel项目基于多种稳定扩散模型（stable diffusion models），这些模型包含稳定扩散、稳定扩散扩展器、文本生成图像和扩展器等技术。项目集成了以下几种模型和工具：

  • HazyAbyss 和 OctaFuzz：基本模型，对高质量图像生成提供强大的基础。
  • MareAcernis 和 RefSlaveV2：用于改进和增强图像细节的模型。
  • dlfmaanjffhgkwl v2：一种高级扩展模型，用于增强图像的多样性和细节表现。

此外，项目还结合了一些优秀的风格和工具，例如：

  • EasyNegative 和 pastelmix-lora：辅助模型，与图像生成模型更好地配合使用，以优化生成效果。

模型融合与策略

FuzzyHazel项目的一个重要创新在于对多种模型进行整合和优化。在融合过程中，项目团队使用了SuperMerger LoRA Merge的方法，通过不同权重的调整及设置，实现了模型的最佳性能输出。这些模型及其组合包括：

  • FuzzyHazel：主要成果模型之一，基于多个先前模型的融合。
  • FuzzyAlmond：进一步基于FuzzyHazel模型，结合多种艺术风格的LoRA模型（如guardian tales, komowata, terada, yaro等），提高了艺术表现力。

图像样本与生成参数

项目中提供了一系列样本图像，展示了模型在不同细节和艺术风格上的表现。这些样本图像呈现了模型的强大生成能力和细腻的风格展示。典型的图像生成参数如下：

  • 使用“负面提示”（Negative prompt）以避开低质量生成。
  • 使用DPM++ 2M Karras采样器，设置步骤为28，调整生成图像的精细度。
  • 图像尺寸为768x512，提供高清晰度和细节。

总结

FuzzyHazel项目通过整合稳定扩散模型和多种艺术风格的融合，成功实现了从文本到图像的高质量生成。这一项目的研究和实践为人工智能在图像生成领域的应用提供了有力的支持和参考。不管是在艺术创作还是商业应用中，FuzzyHazel所体现的技术创新与潜力都值得进一步探索和应用。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多