V4.5画师
▾
>

renta (deja-vu)

181 Danbooru 投稿 · 最高分 27 · V4.5 / ILLUST

Same seed · seed 1234点击图片放大
NovelAI V4.5 使用「renta (deja-vu)」标签的 AI 生成示例图
V4.5NAI Diffusion Anime V4.5
NovelAI ILLUST 使用「renta (deja-vu)」标签的 AI 生成示例图
ILLUSTWAI illustrious SDXL v17
Promptrenta (deja-vu), 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「ko kita」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「ukyo rst」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「shintani tsushiya」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「guumin」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「ponta (velmar)」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「fruit punch」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「cang se ye hua」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「miyama-zero」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「nga (ray ray)」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「komota (kanyou shoujo)」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「doiparuni」标签的 AI 生成示例图♥0
NovelAI V4.5 使用「k+」标签的 AI 生成示例图♥0

关于“renta (deja-vu)”标签

renta (deja-vu) 是 NovelAI Diffusion 可以使用的画师标签。Danbooru 上有 181 篇投稿,静态图的最高分数为 27。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 renta (deja-vu)

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。

renta (deja-vu) 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renta (deja-vu), 1girl, solo, best quality, masterpiece
角色renta (deja-vu), hatsune miku, 1girl
混合renta (deja-vu), ko kita, 1girl

混合示例使用本站画风最接近的 ko kita。 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

Artist, illustrator, online novel writer.

Japanese name: れんた (Renta) The other name: derenta Site names: 既視感 (DEja-vu) and "DEVOCA"

来源:Danbooru wiki · renta_(deja-vu) ↗

常见问题

NovelAI 能识别 renta (deja-vu) 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 renta (deja-vu)。

renta (deja-vu) 在提示词中怎么写?

把“renta (deja-vu)”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 renta (deja-vu) 相近?

根据本站 V4.5 示例比较,ko kita、ukyo rst、shintani tsushiya 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。