SDXL 上生产跑了一阵:UNet 更大、原生 1024、短提示词也能出细节

SDXL 在生产环境跑了一阵,拆开说几条实际感受,顺带讲讲每条落到日常干活是什么意思。

  1. UNet backbone 大了差不多三倍。 底子变厚了,后面几条变化基本都从这来,不是孤立的一个卖点。
  2. 原生就是 1024×1024。 以前先出小图再靠放大模型硬撑分辨率,放大那一步经常把细节抹平,或者补出些莫名其妙的东西;现在直接在目标尺寸出,流程里少一个环节,也就少一个出错的地方。
  3. 提示词能写短。 以前脸部细节要堆一长串权重才压得出来,现在几个关键词就有了,人脸崩的概率明显低。词短了还有个附带好处,同事接手你的工作流时看得懂你在干嘛。
  4. 文字渲染比上一代靠谱不少。 海报里塞几个字母,大概率认得出来,至少不是以前那种鬼画符了。
  5. 开源、商用免费。 对我们做落地的来说这条反而最要紧,授权上的扯皮直接省掉。

缺点也得说:显存吃得凶,8G 卡跑起来要精打细算,分辨率和批量都得掂量着开。

至于值不值得换,关键看你原来那套 workflow 迁移成本大不大,这个只有自己清楚。

1 个赞

短提示词出细节是真的,但负面词明显没以前管用了,老用户得适应下

1024原生确实舒服,不过显存也吃得多,8G基本告别了

负面词失效我也有感,后来索性负面只留几个通用的,剩下靠正向描述把路堵死

负面词那块确实,以前一长串现在写了跟没写差不多

@e_ran 8G开tiled vae加低显存模式还能苟,就是慢到怀疑人生