模型简介（Introduction）
Neta Lumina 是由捏Ta实验室（Neta.art）训练的高品质二次元风格图像生成模型。我们基于上海人工智能实验室 Alpha-VLLM 团队开源的 Lumina-Image-2.0，利用海量、高质量的二次元风格图像及多语种标签数据，使模型具备强大的需求理解与诠释能力，非常适合插画、海报、分镜、角色设计等场景。

主要特色
针对多样化创作场景进行优化，如 Furry、国风、宠物等
支持众多角色与风格，包括热门和冷门设定
准确理解自然语言，具备优秀的复杂提示词遵循能力
原生支持多语言，推荐优先使用中文、英文和日文
模型版本
基础模型（Base Model）
数据集：约 1300 万张二次元风格图像
主要目标：通用知识学习、二次元风格优化
美学微调模型（Aesthetic Model）
基于基础模型进一步微调
数据集：精选数十万张高质量动漫风格图像
主要目标：提升美学表现、肢体结构精准度与画面细节

使用指南（How to Use）
该模型采用基于 Diffusion Transformer 的 Lumina2 框架，与 Stable Diffusion 模型不同，请务必按本文档进行配置。

ComfyUI
环境要求（Environment）
目前 Neta Lumina 仅支持在 ComfyUI 平台使用：

安装最新版 ComfyUI
至少 8 GB 显存
模型下载与安装（Downloads）
原版
Neta Lumina-Beta

下载链接：https://huggingface.co/neta-art/Neta-Lumina/blob/main/Unet/neta-lumina-beta-aes-experimental-0624.safetensors
文件格式：.safetensor
存放路径：ComfyUI/models/unet/
文本编码器（Gemma-2B）

下载链接：https://huggingface.co/neta-art/Neta-Lumina/blob/main/Text%20Encoder/gemma_2_2b_fp16.safetensors
文件格式：.safetensors（约 5.23 GB）
存放路径：ComfyUI/models/text_encoders/
VAE 模型（16 通道 FLUX VAE）

下载链接：https://huggingface.co/neta-art/Neta-Lumina/blob/main/VAE/ae.safetensors
文件格式：ae.safetensors（约 300 MB）
存放路径：ComfyUI/models/vae/
对应工作流：lumina_workflow.json（在 ComfyUI 中加载该 JSON 文件即可）

image/png

UNETLoader：加载模型文件
VAELoader：加载 ae.safetensors
CLIPLoader：加载 gemma_2_2b_fp16.safetensors
Text Encoder：输出分别连接采样器的正向/负向条件
简易合并版
下载 neta-lumina-beta-ase-experimental-all-in-on-0624

使用 ComfyUI 默认工作流即可

推荐参数（Recommended Settings）
采样器：res_multistep
调度器：linear_quadratic
采样步数：30
CFG（提示词引导强度）：4～5.5
EmptySD3LatentImage：推荐分辨率为 1024×1024、768×1532 或 968×1322
提示词指南（Prompt Book）
Neta Anime Lumina绘图模型提示词指南



社区（Community）
Discord 社群：https://discord.gg/ugRSCY3v
QQ 交流群：785779037

路线图（Roadmap）
我们主要在以下方面进行模型本身的开发

持续训练基础模型，提升智能水平。
迭代美学数据集，优化肢体表现、背景丰富度及画面整体美观度。
开发更智能、多样化的打标工具，降低用户创作门槛。
关于模型生态，我们会准备

LoRA 训练教程和相应组件
虽然当前 Neta Lumina-Beta 尚未完全成熟，但有经验的用户可以尝试基于 Lumina-Image-2.0 的开源训练代码自行微调。
精细化控制、形象/风格一致化等能力（如 Omini Control）的开发，欢迎发起或者参与。

模型许可证与使用声明（License & Disclaimer）
Neta Lumina 采用 Fair AI Public License 1.0-SD 协议
您后续如果修改、合并、再次开发该模型，需要将后续的衍生模型开源。

参与者与贡献者（Participants & Contributors）
特别鸣谢：感谢上海AI实验室 Alpha-VLLM 课题组开源了 Lumina-Image-2.0 。该模型的推出为社区提供了强大的视觉生成框架，我们基于此进行了二次元领域的定向训练。在此特别感谢 Lumina 项目的作者们为开源做出的贡献。
模型开发团队：捏Ta 实验室 Neta.art Lab Civitai 主页
合作伙伴
nebulae: Civitai | Huggingface
Narugo1992： 感谢 narugo1992 和 deepghs 团队开源了各种训练集、图像处理工具和模型。
Mikubill：感谢 Mikubill 的 Naifu 训练师。
开源社区贡献者
评测和开发：二小姐，spawner，奇葩菌2333
其他贡献者：沉迷摸鱼，poi氵，ashan，十分无奈，GHOSTLXH，wenaka，iiiiii，niangao233，恩匹希，奶冻美宣集，Rnglg2，mumu，yizyin，smile

附录与扩展资源（Appendix & Resources）
TeaCache：https://github.com/spawner1145/CUI-Lumina2-TeaCache
进阶采样器和 TeaCache 使用方法（由spawner编写）：https://docs.qq.com/doc/DZEFKb1ZrZVZiUmxw?nlc=1
Neta Lumina ComfyUI 使用手册（内测版） ：https://docs.qq.com/doc/DZEVQZFdtaERPdXVh