捏ta发布了一个高质量的开源二次元风格图象生成模型
《Neta-Lumina：高质量二次元风格图像生成模型 · Hugging Face》
🧐Neta-Lumina 基于 Lumina-Image-2.0 训练，并融合 Gemma 文本编码器和多语标签体系，在二次元图像生成、构图理解和美学细节上均具领先表现，尤其适用于高质量插画、国风、兽耳等小众风格创作，是一款兼顾专业性与可用性的 Diffusion Transformer 模型。
➡️链接：http://t.cn/A6DfxJvB
✨重点

●🎨 专为“高美学 + 多语理解”的动漫风图像生成而生：
可精准响应中文、英文、日文提示；
支持复杂 prompt 组合，生成场景、构图、人物更细腻；
保留 danbooru tag 兼容性，对动漫语境理解精准。
●🧠 基础模型源自 Lumina-Image-2.0，微调聚焦二次元细节表达：
使用 Gemma-2B 作为文本编码器，提升多语文本理解力；
训练集超 1300 万张动漫图像，辅以手工精选图优化美感与结构。
●🐉 支持多种小众创意场景：兽人、国风、宠物题材等：覆盖广泛角色与风格，生成内容更具文化深度与多样性，适合个性化故事板与角色设计。
●🧰 ComfyUI 专用模型，支持两种部署模式：
组件解耦版：需分别加载 UNet、VAE、Text Encoder；
一体打包版（All-in-One）：简化部署，适合新手用户。
●⚙️ 推荐参数设置与工作流清晰可复现：
分辨率推荐：1024×1024、768×1532 等；
CFG scale：建议设置在 4～5.5；
支持 res_multistep 采样器和 linear_quadratic 调度器。
●📕 提供 Prompt Book 教程和中文说明文档：指导用户如何通过复杂 tag 提升构图效果，还开放 Discord 和 QQ 群交流社区。
●📦 持续 roadmap：强化推理力、解剖结构美、背景构图：
正在研发 LoRA 微调组件；
即将引入 OminiControl 实现风格一致性；
鼓励社区参与模型训练和场景开发。
●🪪 开源协议强调继承性开放：遵循 Fair AI Public License 1.0-SD，要求衍生模型同样开源，维护社区共享精神。
🧩总结：Neta-Lumina 是目前 Hugging Face 上最值得关注的动漫风 AI 绘图模型之一，其在跨语种、复杂结构和小众创意方面展现出出色的细节控制与审美调性，特别适合内容创作人、插画师、二次元开发者等高标准应用人群。

#AI白日梦想家[超话]# #ai创造营# #你好人工智能时代# #ai生活指南# #微博兴趣创作计划#