परिचय
SDXL मॉडल छवि निर्माण और परिशोधन के लिए शक्तिशाली क्षमताएँ प्रदान करता है, जिससे यह रचनात्मक वर्कफ़्लो के लिए एक लोकप्रिय विकल्प बन जाता है। इस लेख में, हम बेस मॉडल और रिफाइनर मॉडल दोनों का उपयोग करके पूर्ण SDXL वर्कफ़्लो स्थापित करने का तरीका जानेंगे। इन मॉडलों का प्रभावी ढंग से लाभ उठाकर, आप बेहतर विवरण और कलात्मक प्रभावों वाली उच्च-गुणवत्ता वाली छवियाँ बना सकते हैं।
आपकी सुविधा के लिए, मॉडल यहाँ से डाउनलोड करें:
- SDXL Base Model: Hugging Face से डाउनलोड करें
- SDXL Refiner Model: Hugging Face से डाउनलोड करें
मॉडल डाउनलोड करने के बाद, इसे फ़ोल्डर “C:\Users\<username>\Documents\ComfyUI\models\checkpoints” में रखें
विषय-सूची
SDXL क्या है?
Stable Diffusion XL (SDXL) मॉडल AI का उपयोग करके छवि निर्माण के क्षेत्र में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है। Stability AI द्वारा विकसित, यह मॉडल अति-यथार्थवादी, उच्च-रिज़ॉल्यूशन छवियाँ बनाने के लिए उन्नत क्षमताएँ पेश करके पहले के Stable Diffusion संस्करणों की सफलता पर आधारित है।
SDXL की प्रमुख विशेषताएँ:
- दो-चरणीय वर्कफ़्लो: SDXL दो मॉडलों के साथ काम करने के लिए डिज़ाइन किया गया है:
- बेस मॉडल: मूलभूत विशेषताओं, बनावट और रचनाओं वाली प्रारंभिक छवि बनाने के लिए ज़िम्मेदार है।
- रिफाइनर मॉडल: विवरणों को परिष्कृत करके, बनावट में सुधार करके और कलात्मक प्रभाव जोड़कर उत्पन्न छवि को और बढ़ाता है।
- उच्च रिज़ॉल्यूशन आउटपुट: SDXL 1024×1024 पिक्सेल तक के रिज़ॉल्यूशन का समर्थन करता है, जिससे यह विस्तृत और उच्च-गुणवत्ता वाली छवियों की आवश्यकता वाली रचनात्मक परियोजनाओं के लिए आदर्श है।
- बेहतर प्रॉम्प्ट समझ: मॉडल जटिल प्रॉम्प्ट की व्याख्या करने में उत्कृष्ट है, जिससे उपयोगकर्ता अपनी रचनात्मक दृष्टि के अनुरूप अत्यधिक अनुकूलित आउटपुट बना सकते हैं।
- शोर प्रबंधन: SDXL छवि निर्माण के दौरान शोर प्रबंधन के लिए उन्नत तकनीकों को शामिल करता है, जिससे बेस और रिफाइनर चरणों के बीच सहज संक्रमण संभव होता है।
- शैलियों में बहुमुखी प्रतिभा: चाहे आप फ़ोटोरियलिज़्म, अमूर्त कला, या शैलीबद्ध आउटपुट का लक्ष्य रख रहे हों, SDXL उल्लेखनीय लचीलेपन के साथ विभिन्न कलात्मक शैलियों के अनुकूल होता है।
SDXL का उपयोग क्यों करें?
SDXL उन वर्कफ़्लो के लिए विशेष रूप से उपयोगी है जिनमें रचनात्मकता और सटीकता दोनों की आवश्यकता होती है। बेस मॉडल को रिफाइनर मॉडल के साथ मिलाकर, उपयोगकर्ता ऐसे परिणाम प्राप्त कर सकते हैं जो न केवल देखने में शानदार हैं बल्कि अत्यधिक अनुकूलन योग्य भी हैं। यह SDXL को डिजिटल कला, ग्राफ़िक डिज़ाइन और दृश्य कहानी कहने जैसे क्षेत्रों के पेशेवरों के लिए एक उत्कृष्ट विकल्प बनाता है।
SDXL वर्कफ़्लो सेट करना
चरण 1: बेस मॉडल कॉन्फ़िगर करना
SDXL Base 1.0 checkpoint को अपने वर्कफ़्लो में लोड करके शुरू करें। K Sampler Advanced Node का उपयोग करके छवि निर्माण प्रक्रिया को परिष्कृत करें।
- Add Noise: साधारण डिफ्यूज़न प्रक्रिया करने के लिए बेस मॉडल के लिए शोर जोड़ना सक्षम करें।
- चरण कॉन्फ़िगरेशन: कुल चरण 30 पर सेट करें। हालाँकि, दूसरे सैंपलर नोड के लिए कुछ शोर छोड़ दें ताकि वह बाद में परिष्कृत कर सके।
- Return with Leftover Noise सक्षम करें: यह सुनिश्चित करता है कि कुछ शोर लेटेंट स्पेस में बना रहे ताकि रिफाइनर मॉडल उसे संसाधित कर सके।
सेट करने के लिए पैरामीटर:
- Add Noise: Enable
- End at Step: 20 (30 में से)
- Return with Leftover Noise: Enable
प्रारंभिक छवि बनाने के लिए वर्कफ़्लो चलाएँ। बाद में तुलना के लिए इस छवि को डिस्क पर सहेजें।
चरण 2: रिफाइनर मॉडल सेट करना
बेस मॉडल द्वारा प्रारंभिक छवि तैयार किए जाने के बाद, अब SDXL Refiner Model का उपयोग करके इसे परिष्कृत करने का समय है।
- Load Checkpoint: SDXL रिफाइनर मॉडल को अपने वर्कफ़्लो में लोड करें।
- शोर जोड़ना अक्षम करें: चूँकि छवि में पहले से ही बेस मॉडल का शोर है, रिफाइनर मॉडल के लिए शोर जोड़ना अक्षम करें।
- नोड कनेक्ट करें:
- Positive Conditioning: सकारात्मक प्रॉम्प्ट को रिफाइनर मॉडल से कनेक्ट करें।
- Negative Conditioning: नकारात्मक प्रॉम्प्ट को रिफाइनर मॉडल से कनेक्ट करें।
- Latent: लेटेंट स्पेस को बेस मॉडल से रिफाइनर मॉडल तक पहुँचाएँ।
सेट करने के लिए पैरामीटर:
- Add Noise: Disable
- Start at Step: 20
- End at Step: 30
- Control After Generate: Fixed
चरण 3: वर्कफ़्लो अनुकूलित करना
प्रक्रिया को सुव्यवस्थित करने के लिए, प्रिमिटिव नोड का उपयोग करके बेस और रिफाइनर मॉडल के बीच प्रॉम्प्ट पास करें। इससे प्रॉम्प्ट को मैन्युअल रूप से दोहराने से बचा जाता है और निरंतरता सुनिश्चित होती है।
- Primitive Node का उपयोग करके सकारात्मक और नकारात्मक प्रॉम्प्ट को दोनों मॉडलों तक रूट करें।
- प्रॉम्प्ट को Clip Text Encode Conditioning Nodes से कनेक्ट करें, प्रत्येक मॉडल के लिए।
चरण 4: आउटपुट सहेजना और तुलना करना
छवि को परिष्कृत करने के बाद, Save Image Extended Node का उपयोग करके अंतिम आउटपुट सहेजें। इस नोड में मेटाडेटा अपडेट करें ताकि यह सुनिश्चित हो सके कि रिफाइनर मॉडल से सही डेटा कैप्चर किया गया है।
मेटाडेटा अपडेट:
- Save Image Extended Node में प्लेसहोल्डर (जैसे, हैश चिह्न) को इस ID से बदलें।
सहेजने के बाद, आउटपुट की तुलना करें:
- बेस मॉडल आउटपुट: इसमें शोर है और कम विस्तृत दिखता है।
- बेस + रिफाइनर मॉडल आउटपुट: शोर हटा दिया जाता है, जिसके परिणामस्वरूप उन्नत जलरंग प्रभावों और बेहतर विवरणों वाली पॉलिश की गई छवि बनती है।
संदर्भ के लिए उदाहरण प्रॉम्प्ट
सर्वोत्तम परिणाम प्राप्त करने के लिए, अच्छी तरह से तैयार किए गए प्रॉम्प्ट से शुरू करें। नीचे सकारात्मक और नकारात्मक प्रॉम्प्ट के उदाहरण दिए गए हैं जिनका आप उपयोग कर सकते हैं:
सकारात्मक प्रॉम्प्ट:
A fantasy castle surrounded by lush greenery, intricate architectural details, vibrant colors, and a glowing sunrise in the background, watercolor style, ultra-realistic, 4K resolution
नकारात्मक प्रॉम्प्ट:
Blurry, low-quality, distorted, overexposed, grainy, unrealistic proportions, poorly lit, low resolution
इन प्रॉम्प्ट को आपकी रचनात्मक दृष्टि के अनुरूप अनुकूलित किया जा सकता है।
K Sampler Advanced Node में प्रमुख पैरामीटर
नीचे दोनों मॉडलों के लिए K Sampler Advanced Node में उपयोग किए जाने वाले प्रमुख पैरामीटर का सारांश दिया गया है:
| पैरामीटर | बेस मॉडल | रिफाइनर मॉडल |
|---|---|---|
| Add Noise | Enabled | Disabled |
| End at Step | 20 | 30 |
| Return with Leftover Noise | Enabled | N/A |
| Control After Generate | N/A | Fixed |
SDXL बेस और रिफाइनर मॉडल का उपयोग करने के लाभ
अपने वर्कफ़्लो में बेस और रिफाइनर मॉडल को मिलाकर, आप प्राप्त कर सकते हैं:
- उच्च छवि गुणवत्ता: रिफाइनर मॉडल अवशिष्ट शोर को हटाता है, जिससे विवरण बढ़ते हैं।
- बेहतर कलात्मक प्रभाव: रचनात्मक आउटपुट के लिए बेहतर बनावट और रंग सम्मिश्रण।
- वर्कफ़्लो दक्षता: प्रिमिटिव नोड का उपयोग करने और प्रॉम्प्ट रूट करने से मैन्युअल इनपुट त्रुटियाँ कम होती हैं।