V4.5画师
▾
>

omar dogan

345 Danbooru 投稿 · 最高分 210 · V5 / V4.5 / ILLUST

Same seed · seed 1234点击图片放大
NovelAI V5 使用「omar dogan」标签的 AI 生成示例图
V5NAI Diffusion Anime V5
NovelAI V4.5 使用「omar dogan」标签的 AI 生成示例图
V4.5NAI Diffusion Anime V4.5
NovelAI ILLUST 使用「omar dogan」标签的 AI 生成示例图
ILLUSTWAI illustrious SDXL v17
Promptomar dogan, 1girl, solo, best quality, masterpiece, cowboy shot, sfw, fully clothed, looking at viewer

画风相近的画师

按本站 V4.5 示例比较的顺序,不是比较画师本人的作品。
NovelAI V4.5 使用「tabe koji」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「john doe (jdart)」标签的 AI 生成示例图♥2
NovelAI V4.5 使用「take (draghignazzo)」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「ronindude」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「boro」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「iury padilha」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「linda」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「po-ju」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「ryu (ryu's form site)」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「inoue takehiko」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「yuuki nobuteru」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「yui toshiki」标签的 AI 生成示例图♥0

关于“omar dogan”标签

omar dogan 是 NovelAI Diffusion 可以使用的画师标签。Danbooru 上有 345 篇投稿,静态图的最高分数为 210。上方示例把这个标签放在固定基准提示词的开头,并以 seed 1234 生成,因此与其他标签的差异都来自这个标签。

各模型画出的 omar dogan

V5

忠实遵循姿势和表情的指定,适合端正的立绘。

V4.5

更强烈地体现脸型、线条和配色,适合想突出画风的时候。

ILLUST

本地模型 WAI illustrious SDXL v17。可以看到同一标签在 NovelAI 以外的表现。

omar dogan 在提示词中的写法

把画师标签放在前部,后面接主体和质量标签。

基本omar dogan, 1girl, solo, best quality, masterpiece
角色omar dogan, hatsune miku, 1girl
混合omar dogan, tabe koji, 1girl

混合示例使用本站画风最接近的 tabe koji。 负面提示词和完整设置请见 使用条款。

示例的生成条件

所有图片都以 832×1216、seed 1234、23 step、k_euler_ancestral 生成。基准提示词和负面提示词对所有标签相同,只替换要测试的标签。被 NSFW 检查判定的图片会换 seed 重新生成或隐藏。

Danbooru wiki 摘录

One of deviantART's more legendary artists, member of the manga group UDON Entertainment and premier Street Fighter fan artist.

来源:Danbooru wiki · omar_dogan ↗

常见问题

NovelAI 能识别 omar dogan 吗?

请对照本页的示例。本站所有标签都使用相同的 seed 和基准提示词,画面上的差异都来自 omar dogan。

omar dogan 在提示词中怎么写?

把“omar dogan”写在提示词前部,并用逗号与其他标签分开。

哪些画师的画风和 omar dogan 相近?

根据本站 V4.5 示例比较,tabe koji、john doe (jdart)、take (draghignazzo) 最接近。

V5 和 V4.5 该用哪个?

V4.5 更能体现标签的特色,V5 的姿势更稳定、瑕疵更少。