写在前面

      这次测试的模型是cetusMix模型（以下简称cetusMix），文件名为cetusMix_cetusVersion3，这个模型在文末附上网盘链接分享。

      测评将从vae，clip跳过层，采样方法等几个重要参数出发，通过控制变量法进行模型测试，测评结果仅作参考，不代表实际结果。

测试参数

在之后测试中，除测试变量外，其余变量都为默认测试参数，正面tag从测试用图中通过tag反推提取，并经过适当修改（图片中由于篇幅原因tag未显示全）。

1，vae测试

vae对于cetusmix的影响还是相当明显的，与anything立绘不同，cetusmix是一个色彩相当鲜艳的模型，不加vae带来的画面发灰在cetusmix上的表现尤为明显，而诸如klf8，autoencader之类能提升画面饱和度的vae却和cetusmix相得益彰，过饱和的缺点被cetusmix水彩式的色块涂抹掩盖了，反而更加突出了画面的张力，建议使用。

2，clip跳过层测试

又到了玄学的clip跳过层时间

这次使画面产生较大变化的clip值有点随机，例一为1，4，8，9，11，例二为，4，6，11，例三为4，9。虽然失去了一定意义上的普遍规律。不过在大致结论上不变，clip依旧与tag对着干，三个例子在clip较高时又都出现了多人的情况。

要是有大佬能在评论区科普一下clip跳过层的原理和对图像的影响就好了。

没什么好说的，放几张图片欣赏一下。

3，迭代步数测试

结论不变，7步出图。但是相比与anything立绘，可以看到的是cetusmix的画面结构从7步出图的时候就不会有大的变动了，剩下的都是细节的优化，而anything立绘仍然会有较大变动，直到20步时才渐渐稳定，这里放上例二7步，20步，100步时的图片，可以自己寻找一下差别。

4，采样方法测试

结论不变，依旧是分a系，sde系，啥都没有以及两个特殊的（具体可以去看我上期专栏）。这里着重说一下Eular a。

Eular a在这次测试中展现出了一个神奇的特质：它直接改变了模型的画风。

除Eular a外，其他所有的采样方法都如上图后者DPM adaptive一样，是一种厚重的，油画式的画风，而Eular a则是一种清淡的，水彩式的画风。由于测试时用的是后者，所以大部分测试用例都是油画式的，但Eular a的水彩式画风同样是我认为这个模型不可或缺的一个特点。

5，提示词相关性测试

上次测试anything立绘时，相关度设为1时会出一种奇特的画风，现在想来倒与cutesmix有几分相似，而这次cetusmix相关度拉高了后，出的图又向anything立绘靠拢了，双向奔赴了属于是。

相关度1时的出图比不写tag时的出图还要古神（这个道理告诉我们，宁可不写tag也不要把相关度拉低）。

相关度3—10时正常出图。

相关度10之后，虽然没有anything立绘过曝的这么明显，但明显已经失去了cetusmix自己的画风特色，转而向anything立绘靠拢了，可见这俩关系定不一般。

相关性25以后，约等于anything立绘的相关性15吧，也有过曝现象出现了，以及一些噪点。

6，尺寸测试

cetusmix不但继承了anything立绘的缺点，在长宽比过大时生成图像不行，在小尺寸时生成图像也不尽如人意。

这是anything立绘的256*640

这是相同尺寸的cetusmix……（前方高能）

建议使用cetusmix至少用512*512以上的尺寸，以免对心脏造成不可逆转的损害。

7，tag数量测试

tag测试上，cutesmix展现出的规律和anything立绘不能说一模一样吧，至少也可以说是完全相同。同样是从第四个例子起产生了根本性的画面变化，原因未知。另外，tag框右上角的数字似乎既不是tag数，也不是字母数，看来对于tag要单独出一期测试。

8，模型对比测试

这个更没话讲了，萝卜青菜，各有所爱。

9，重绘幅度测试

这次把例二的仅质量tag换成了无tag，最后直接不成人形了，建议用cutesmix时起码加上质量tag。另外不同于anything立绘的包罗万象，cutesmix在重绘与自己画风不一致的图片时，中间过程还是蛮抽象的。

10，模型图例

后话

cutesmix是一个相当优秀的模型，它有着油画的质感，使用Eular a时还具有水彩的特性，出图质量相当高，且不吃tag，即使是小白也能生成出好看的图，没有特别明显的缺点，出尺寸小图时质量不佳（一般也不会生成这种尺寸的图），另外就是对tag敏感不高，有些tag似乎死活画不出来，如果画面细节过于密集，cutesmix也会使画面看起来十分杂乱。

测试表，测试图包，以及一些不能说的链接：

链接：https://pan.baidu.com/s/1KxVBsDzAzxlQlPQWfX1ObQ?pwd=8ggo 

提取码：8ggo

模型链接：

链接：https://pan.baidu.com/s/1vPF2JhXDKEk_LS_FRNqkIA?pwd=bgon 

提取码：bgon

如果有想测试的模型可以提供模型私聊哦（不测试真人模型哦）

up微社恐所以不怎么回私信和评论

下一期模型预告：orientalpunkmix（不知道啥时候会写出来，有可能咕咕咕）

Q&A(第二期)

Q:为什么tag里有风笛，画出来的都不像风笛？

A:主要还是看模型训练的图库里想画的人物多不多，比如甘雨，即使只写一个ganyu词条，也能准确画出甘雨，因为训练库中甘雨的图片多；而像风笛这种冷门角色，即使写了风笛，再加上一系列人物tag，也无法画出准确的风笛。

Q：那我要怎样画出风笛等其他角色呢

A：加lora，之后有时间可能会出Lora测试推荐的专栏

Q：为啥图包质量这么低？

A：图包包括测试图包（测试表里的图，文件名为：模型名+测试），测试废料图包（因为一些原因未能进入测试表的图，文件名为：测试），不能说的图包（文件名为：nsfw测试），这三个图包均为测试中生成，没有经过筛选，仅供学习使用，如果只是想要优秀的图包请自己跑或去p站

A（plus）：这次我又新增了一个图包文件夹（和一个放大2倍的图包文件夹，更清晰，但细节比如眼睛处不大行，实际观感不如未放大的，这个模型不适合直接用放大算法，建议高清重绘），里面是经过筛选过的，起码人体结构稍微合理一点的图，避免又有人吐槽正在兴头上时被下面这样的图活生生吓掉san的

有空出一期AI掉san图大赏好了。

Q：图片尺寸为什么这么小/参数为什么这么低？

A：显卡带不动/(ㄒoㄒ)/~~

      实际上出一张768*1024不带高清修复的图，迭代步数选50，大概就需要5分钟一张，这种情况下，一小时就只能出10来张图，一天可能就只能完成一个项目的测试。

      最近正在研究云端部署，看看能不能提高效率和质量什么的。

觉得有帮到你的话请给up点个赞吧！！你的支持是up持续更新的动力！！

上一期链接：