寫在前面

? ? ? 這次測試的模型是Anything-v3.0立繪專用模型（以下簡稱anything立繪），全稱為Anything v3.0立繪專用模型（半精度剪枝版），文件名為Anything-v3.0-For-Tachie-non-ema-fp16，這個模型可以直接從WebUI的模型管理中下載到。

? ? ? 測評將從vae，clip跳過層，采樣方法等幾個重要參數(shù)出發(fā)，通過控制變量法進行模型測試，測評結果僅作參考，不代表實際結果。

測試參數(shù)

在之后測試中，除測試變量外，其余變量都為默認測試參數(shù)，正面tag從測試用圖中通過tag反推提取，并經(jīng)過適當修改（圖片中由于篇幅原因tag未顯示全）

1，vae測試

對包括不加vae在內(nèi)的5種vae進行了測試，可以直觀地看出，vae并不能影響畫面內(nèi)容，只會對畫面飽和度，亮度，明度等因素產(chǎn)生影響，不加vae會導致畫面偏灰暗，但對于anything立繪來說影響并不算大（我測試過其他幾個模型，有幾個灰的可怕，甚至有一個模型不加vae就無法出圖，相比之下不加vae的anything立繪的灰度完全在可接受范圍內(nèi)），另外，kl-f8，autoencader等幾個vae出圖后的飽和度較高，某些情況下會出現(xiàn)過飽和的問題，建議視個人喜好使用，個人推薦animevae，提高亮度的同時也不會顯得過飽和。

2，clip跳過層測試

clip跳過層是個很玄乎的東西，一般來說只用2，這次測試了同一種子下clip跳過層從1到12的出圖

可以看到，clip在1，2，5，10，12的時候，畫面出現(xiàn)了明顯變化。

當clip設為1的時候，畫面出現(xiàn)了極大的不穩(wěn)定性，三個例子中只有例1基本符合tag，其他兩個例子不能說毫無關系，只能說完全失去人物特征，但三個例子出圖質(zhì)量相比clip2都比較高，愛好隨機抽卡的可以試試。

clip2，3，4是較為符合tag的參數(shù)，其中2的符合度最高，并依次遞減，因此推薦參數(shù)基本都是2。實際上clip2—9的畫面都是處于均衡變化狀態(tài)，只不過例2中在clip5處出現(xiàn)了較大的畫面變化，因此才分開說。

clip5，6，7，8，9可以說和tag出入已經(jīng)相當大了，在測試中人物僅保留了獸耳，黑絲，外套，白襯衫等幾個tag，其他tag基本都被忽視了，不推薦使用。

在clip10處，三個例子都出現(xiàn)了雙人的情況，而在12處，雖然雙人的情況消失，但生成的圖片可以說與tag基本已經(jīng)沒什么關系了。

總結一下，首先，clip設置只推薦2，有抽卡需求的可以嘗試一下1；其次，雖然都是與tag相關性有關，但clip跳過層的邏輯明顯與提示詞相關性（CFG Scale）有很大不同，clip明顯和tag對著干，到后期甚至出現(xiàn)了雙人的情況；個人猜想clip對畫面的改變與tag的位置有關，越靠后的tag越容易被針對，而比較靠前的tag如1girl，solo等直到clip10才會被針對。

3，迭代步數(shù)測試

迭代步數(shù)測試了1—10，20，40，60，80，100的參數(shù)設置，圖太多就不細講了，這邊直接上結論：1—6步處于出圖狀態(tài)，從第7步開始基本出圖完畢，到了能看的地步，7步以后每增加步數(shù)都會對畫面不合理的地方做細微調(diào)整，20步之后畫面基本穩(wěn)定，不會再有較大改變。

另外值得一提的是，隨著步數(shù)的增加，出圖所需時間也會相應增加，到100步時，我1650的顯卡基本10分鐘才能出1張，因此不建議步數(shù)過高，建議保持在20到40左右。

4，采樣方法測試

對SD自帶的20種采樣方法進行了測試，根據(jù)出圖大概可以分為一下幾系：

a系：名字中帶a的

SDE系：名字中帶SDE的

啥都沒有系：名字里看不出規(guī)律，但是出圖很像的系

以及兩個較特殊的：

Euler a：

Euler a雖然名字也帶a，出圖也很像a系，但是和a系還是存在一定差別，因此單獨分一類。

DPM fast：

DPM fast是個很特殊的采樣方法，我一開始以為他出圖質(zhì)量堪憂，但對比迭代步數(shù)表后發(fā)現(xiàn)，他的出圖效果很像沒有迭代完成時的效果，于是我把迭代步數(shù)從20拉到了80，果不其然，80步迭代后的DPM fast出圖質(zhì)量得到改善，并且是偏a系的，但即使這樣，依然不推薦DPM fast，誰讓他采樣迭代步數(shù)這么高，浪費時間。

5，提示詞相關性測試

在提示詞相關性測試中，選擇了1—10，12，14，16，18，20，23，26，30幾個參數(shù)進行測試。

相關度1時，anything立繪會產(chǎn)出一種極為魔幻的畫風，可以說和他的原本的風格截然不同，我個人很喜歡這種畫風，但是他人體結構等很不穩(wěn)定，得靠自己腦補；相關度從2開始逐漸穩(wěn)定下來，經(jīng)過3，4的兩次迭代，直到10都不會有什么明顯的變化。

但其實微小的變化還是有的，直接對比4和10就會發(fā)現(xiàn)，相比于4，10的顏色飽和度，亮度明顯高了一點，之后這一區(qū)別會被不斷放大。

到了20，之前說的圖像顏色問題被進一步放大，人物的動作，服飾也出現(xiàn)了改變，變得更加單調(diào)古板，此時的圖已經(jīng)難以稱得上優(yōu)秀了。

20以后的圖像基本已經(jīng)不能看了，人物發(fā)著詭異的光芒，顏色的曝光度，鮮明度被拉滿，動作變成簡單的站姿……簡直慘不忍睹。

提示詞相關性上，4—10是一個比較能接受的區(qū)間，拉高相關性并不能讓圖像更符合tag，只會讓圖像過曝過鮮明。

6，尺寸測試

出乎我意料的是，即使是在相同的種子下，不同的尺寸出的圖也是截然不同的，我本以為會是簡單地放大畫面?？梢灾庇^地看到，如過想要不錯的出圖效果，長寬比最好保持在1：2或2：1內(nèi)，且圖像不宜過小。但除了128*128只畫出了一雙腿（ai還是很懂得嘛），128*768之后的比例沒畫出人形外，其他比例都畫出了完整人形，甚至1024*128還畫了兩個，畢竟畫面太長了，總不能把人給拉長了。

7，tag數(shù)量測試

在tag數(shù)量測試中，測試了不同數(shù)量的tag對畫面的影響程度（具體tag見文末測試表），這里不做詳細分析，直接給出結論，在不加權重的情況下，100字（不是100詞！）以后的tag基本對畫面產(chǎn)生不了多大影響，極有可能被忽略，可以參考測試例后三列，如果有特別想要表現(xiàn)出的tag，建議寫在100字內(nèi)，另外，通過加權重或多寫相似tag也有可能解決此問題。（順便吐槽一句，AI根本不認識阿米婭！第一列tag我只加了質(zhì)量控制tag和amiya，AI顯然不知道我在說什么）

另外值得一提的是，明顯可以看出，在低tag情況下anything立繪出圖的質(zhì)量比高tag時高得多，由此可以得出兩個結論：1，anything立繪的低tag適應性強，這是個很重要的特性，某些模型在低tag情況下完全出不了圖。2，anything立繪tag敏感性高，這意味著anything模型能否出好圖很大一部分由tag質(zhì)量決定，這對不會寫tag的小伙伴來說絕對是一場災難。

最后總結，如果你不在乎出的是誰，只想要好看的妹紙，建議tag盡量少，體會抽卡的快感；如果你想要固定某個人物，又想要高質(zhì)量的圖，那么恰恰相反，tag寫的越多越好，而且還得精通大魔導書，懂得tag權重等一系列知識，才有可能在anything立繪上出好圖。

8，模型對比測試

這里我用了我手上14個模型用相同的種子進行對比測試，不對模型好壞做評價，每個人有每個人的畫風喜好。但還是可以看出，在相同條件下，一些模型出的圖從細節(jié)，畫面結構，人物動態(tài)，背景等方面確實是要優(yōu)于其他模型的。anything立繪在這方面我只能說表現(xiàn)一般。

9，重繪幅度測試

不多說，直接上結論，重繪幅度0.6之前都對畫面造不成太大影響；重繪加tag確實能讓重繪的方向與tag一致，但是也和tag質(zhì)量息息相關；同一種子不同原圖重繪的結果也不一樣；

10，模型圖例

后話

anything立繪在我看來是一個相當穩(wěn)定的模型，人物結構穩(wěn)定，出圖質(zhì)量偏上，有很好的低tag適應力，但是其對tag質(zhì)量要求較高，否則出的圖容易平平無奇。

測試表，測試圖包，模型以及一些不能說的鏈接：

鏈接：https://pan.baidu.com/s/1oX_EtQz7w94CGQYgM15WVA?pwd=y4px?

提取碼：y4px

如果有想測試的模型可以提供模型私聊哦

up微社恐所以不怎么回私信和評論

下一期模型預告：cetusmix（不知道啥時候會寫出來，有可能咕咕咕）

Q&A

Q:用的配置是什么？

A:出圖的參數(shù)包括種子都在測試表里，請去鏈接自取~~

顯卡配置為NVIDIA GeForce GTX 1650（4G），垃圾顯卡嗚嗚嗚……

Q：為什么不測試面部修復/平鋪分塊/高清修復等其他功能？

A：統(tǒng)一回答，顯卡帶不動……

面部修復試過，感覺沒什么區(qū)別；

平鋪分塊不知道是啥，總之沒帶動；

高清修復低了感覺沒區(qū)別，高了帶不動……

Q：為啥圖包質(zhì)量這么低？

A：圖包包括測試圖包（測試表里的圖，文件名為：模型名+測試），測試廢料圖包（因為一些原因未能進入測試表的圖，文件名為：測試），不能說的圖包（文件名為：nsfw測試），這三個圖包均為測試中生成，沒有經(jīng)過篩選，僅供學習使用，如果只是想要優(yōu)秀的圖包請自己跑或去p站

Q：為啥參數(shù)一模一樣生成的圖片不一樣？

A：暫時不知道不同顯卡是否會對出圖內(nèi)容產(chǎn)生影響，建議v我張顯卡助我測試

Q：建議tag是什么？

A:建議tag為：質(zhì)量tag（必加）+人物tag（自己決定，可用lora代替，抽卡可不寫）+畫面tag（最好加，大幅提升質(zhì)量）+環(huán)境tag（最好加，大幅提升質(zhì)量）+動作tag（有需要加）；

我在測試時沒加畫面tag和環(huán)境tag，導致測試用圖都平平無奇，在10，模型圖例中加入了畫面tag和環(huán)境tag，畫面質(zhì)量大幅度提升；

Q：為什么我測試的結果和你完全不一樣？

A：本測試所得出的結論僅基于本測試用例，僅供參考，不代表實際效果；

Q：可不可以給我模型，圖包，參數(shù)/怎么用AI繪畫，AI繪畫的軟件

A：前者鏈接自取，后者b站自己搜教程

Q：為啥圖片這么糊？

A：屏幕截圖截的，想要高清圖請去鏈接下載測試表

Q：為啥做這分析？

A：我在學習AI繪畫的過程中，總會遇到：推薦模型不給參數(shù)的，給了參數(shù)沒說原因的，說了原因太深奧聽不懂的。所以才想嘗試用自己能夠理解且直觀的方法去測試一款模型。