DanTagGen-beta
AI图片标签生成器助力精准艺术创作
DanTagGen-beta是一款基于LLaMA架构的AI标签生成器，专为Danbooru风格的AI艺术创作设计。通过5.3M数据集训练，该工具能够根据基础标签智能推荐相关标签，有效提升生成图像的质量和细节。DanTagGen-beta支持多种部署方式，包括llama.cpp和量化模型，为AI艺术创作者提供了高效的标签辅助工具。
项目概述
DanTagGen-beta是一个基于人工智能的图像标签生成器，其灵感来源于p1atdev的dart项目。这个项目采用了不同的架构、数据集、格式和训练策略，专门用于生成Danbooru风格的图像标签。
核心特点
DanTagGen-beta相比于alpha版本有了显著提升。它使用了更大的数据集（530万条数据）和更大的批处理规模，在提供少量信息的情况下也能展现出更稳定和更优秀的生成能力。
技术实现
该项目采用了基于LLaMA架构的400M参数模型（也被称为NanoLLaMA）。模型支持在任何LLaMA推理接口中使用，并提供了FP16 gguf模型以及量化后的8位/6位gguf模型版本。建议使用llama.cpp或llama-cpp-python来运行模型，这样可以获得较高的运行效率。
数据处理与训练
项目使用HakuBooru从danbooru数据库中导出数据，通过收藏数量百分位数对不同评级的数据进行筛选。beta版本使用了约530万条数据进行训练，经过10轮迭代，累计处理了约6-12B个标记。
使用方式
模型接受标准化的输入格式，包含以下字段：
- 评级（rating）
- 艺术家（artist）
- 角色（characters）
- 版权（copyrights）
- 宽高比（aspect ratio）
- 目标（target）
- 通用标签（general）
实际效果
通过实际案例测试，DanTagGen-beta在角色特征捕捉、细节丰富度和场景构图方面都表现出色。比如在生成赛马娘角色Vivlos和Daring Tact的标签时，beta版本能够准确把握角色特征，并提供更丰富的细节描述和更好的场景构建。
未来展望
项目团队正在开发Gradio用户界面，方便其他开发者调用API构建不同的应用。同时，还计划开发StableDiffusion的WebUI插件，进一步扩展项目的应用范围。
使用价值
这个项目对于AI艺术 创作者和图像生成爱好者来说特别有价值，可以帮助他们更准确地生成符合预期的图像标签，提高AI作图的质量和效率。特别是在需要细致的角色特征和场景描述时，DanTagGen-beta能提供专业而全面的标签建议。
编辑推荐精选
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、 高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写 作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或 是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号