Wajib Coba, Dua Rekomendasi Model AI Art Anime Edisi Januari!

21 Jan 2023, 15:00 WIB

Begitu banyak model, rasanya begitu memusingkan! Nah, daripada bingung, penulis di Januari ini akan merekomendasikan dua model AI Art anime yang wajib kalian coba!

Sejak Oktober 2022 yang lalu, sudah ada begitu banyak model anime untuk AI art. Kita bisa melihat model seperti Waifu Diffusion yang sudah mencapai versi 1.4, ada juga seri model A Certain yang hadir sebagai alternatif Anything V3.0.

Namun di Januari ini, penulis ingin menawarkan dua model AI Art anime yang belum lama ini dirilis. Kira-kira, dua model apa ya yang populer baru-baru ini?

OrangeMix, gabungan model dengan visual yang menarik.

Mencari sebuah merge unik? Malas untuk menciptakan merge sendiri karena pengaturan yang terkesan ribet? Tenang, OrangeMix hadir untuk kalian para prompter! OrangeMix sendiri hadir dalam berbagai macam varian dengan kombinasi yang berbeda.

Penulis sendiri menyarankan untuk mengambil AbyssOrangeMix2. Namun, kalian juga bisa mencoba varian lainnya mengingat style dan visual bersifat subyektif.

Berbicara mengenai Abyss2, model ini menawarkan detail yang menarik pada background, terutama untuk kerumunan yang terlihat seperti manusia sungguhan.

Anything V4.5, sebuah evolusi yang konsisten.

Dengan Anything V3.0 yang begitu populer, tentunya akan ada versi terbaru, bukan? Well, Andite yang kali ini mengambil alih menciptakan dua versi terbaru dari Anything, yaitu versi 4.0 dan 4.5.

Keduanya menampilkan peningkatan dibanding versi 3.0 yang fenomenal, namun penulis merasa versi 4.5 menghadirkan visual yang lebih matang. Seperti yang disebutkan pada OrangeMix, visual bersifat subyektif, bisa saja kalian akan lebih menyukai V4.0.

Sempat ada dugaan bahwa versi terbaru ini merupakan upaya troll dari Andite. Melalui thread yang ada pada huggingface, terdapat sedikit perdebatan mengenai Anything V4.0 yang bukan didasari dari versi 3.0.

Terlepas dari isu tersebut, Anything versi terbaru ini menawarkan kualitas visual yang tinggi. Dan berita baiknya, embedding masih dapat digunakan tanpa adanya pengurangan kualitas.