Zakaz używania tego modelu do celów komercyjnych oraz nielegalnych działań, zakaz swobodnego rozpowszechniania, służy tylko do dzielenia się wynikami, za naruszenia ponosisz odpowiedzialność!

（Moja grupa QQ：235392155, Lora trening, dostosowanie fuzji ckpt, dodaj mnie na qq：2402799912）

Model jest też dostępny na krajowych platformach tusi.art oraz liblibai.com, różne platformy oferują różne zachęty twórcze, proszę o wsparcie i śledzenie! (Niektóre przykładowe obrazy modelu są dostępne w tym opisie)

【Xianyu】https://m.tb.cn/h.5V7ITvv?tk=eY01dB4UcnH

To moje wsparcie finansowe, dopłata do rachunków za prąd QAQ，dziękuję za wsparcie~

https://afdian.net/a/_Qing_

1. Przegląd cech modelu

V3：

Aktualizacje:

1. Użycie wtyczki MBW, poprzez metodę wyczerpującą połączono niektóre warstwy wejściowe i środkowe z basil mix

2. Użycie wtyczki MBW, poprzez metodę wyczerpującą z niską wagą połączono niektóre warstwy wyjściowe modelu

Efekty aktualizacji:

1. Zwiększono dokładność tagów

2. Zwiększono nasycenie, wzmocniono realistyczną fakturę obrazu

3. Poprawiono efekty świetlne i cieniowanie

4. Zwiększono dokładność renderowania kończyn

5. Zwiększono wierne odwzorowanie postaci lora

Uwagi:

1. Zalecane użycie VAE: animevae, aby uniknąć nadmiernego nasycenia (przykładowe obrazy w galerii pokazują użycie tego VAE oraz 84000)

2. Dokładniejsze tagi oznaczają wyższe wymagania co do ich pisania, jeśli V3 jest trudny w obsłudze, wypróbuj wersje V2 lub V1

V2：

(Jeśli preferujesz dojrzałych, muskularnych mężczyzn lub szukasz prostszego modelu, wypróbuj wersję V1)

Aktualizacje:

1. Wymieniono oryginalny VAE NovelAI na ten w modelu

2. Metodą wyczerpującą zmieniono model clip w ckpt

3. Połączono z wersją bez lora z V1

Efekty aktualizacji:

1. Poprawiono dokładność tagów

2. Poprawiono jakość kompozycji

3. Zmniejszono efekt utrwalenia wizerunku spowodowany fuzją lora

4. Zmniejszono nadmierną wagę niektórych tagów

V1:

1. Model fuzji ogólnej, potrafi generować różne style na podstawie tagów, z wysokim potencjałem i dokładnością tagów, a także zauważalnymi zdolnościami na zwrotach obrazów ^v^

2. Silne zdolności odwzorowania postaci, kończyny nie wykazują destrukcji, niewielkie ryzyko uszkodzeń rąk i stóp

3. Fuzja została zaprojektowana tak, by nie wpływać na twarz, więc twarze nie są utrwalone, idealne do współpracy z lora postaci

4. Brak problemów z przesunięciem clip

5. Niektóre tagi niezbyt działają z powodu przeuczenia unet

2. Zalecenia do generowania obrazów

(Szczegóły w parametrach na okładce, różne VAE dają inne efekty, lubię też wtyczkę Face Editor)

1. Model zawiera dużo realnych wzorców, parametry generowania można dostosować podobnie jak dla realistycznych obrazów, ale zdecydowanie odradzam naprawę twarzy

2. Dodaj tagi jakościowe, są użyteczne. Jeśli chcesz bardziej realistycznych, przestrzennych obrazów, używaj tagów związanych z realizmem i cieniowaniem

3. Eksperymentuj, sprawdzając generacje przy pominięciu warstw clip na poziomach 1 i 2 dla tego samego taga

4. Obrazy kwadratowe, pionowe i poziome dobrze się sprawdzają, dowolnie zmieniaj rozmiar płótna

5. Wypróbuj naprawę w wysokiej rozdzielczości, unikaj naprawy twarzy

6. Proszę o dużo lajków, zwrotów obrazów, komentarzy i ocen 5 gwiazdek~

3. Modele użyte do fuzji

(Nie jestem pewien, traktuj jako odniesienie)

VAE:orangemixa3.vae.pt

LORA: (łączna waga 0.3)

• Husbando LoRA - v3 | Stable Diffusion LoRA | Civitai

• Animale LoRa - Animale LoRa v1 | Stable Diffusion LoRA | Civitai

• AIroticArt's Penis Model (LoRA) - v1.0 LoRA | Stable Diffusion LoRA | Civitai

CKPT:

• AbyssOrangeMix2 - NSFW - AbyssOrangeMix2_nsfw | Stable Diffusion Checkpoint | Civitai

• a7b3 - v1.0 | Stable Diffusion Checkpoint | Civitai

• maturemalemix - v1.2 | Stable Diffusion Checkpoint | Civitai

• ALLBoyMix - v1.0 | Stable Diffusion Checkpoint | Civitai

• YaoiGen - YaoiGen v0.4.4 | Stable Diffusion Checkpoint | Civitai

• Homoerotic - v2 | Stable Diffusion Checkpoint | Civitai

• Plazm Men - Plazm v1.0 | Stable Diffusion Checkpoint | Civitai

• HomoDiffusion (gay) - Homo Diffusion v1.0 FP32 | Stable Diffusion Checkpoint | Civitai

4. Sugestie i odpowiedzi dotyczące użytkowania modelu przez odwiedzających

（English translation below）

(Jako osoba nieposiadająca formalnego wykształcenia artystycznego ani AI, mimo to nieustannie się uczę, eksploruję i wymieniam doświadczenia z ekspertami. Mam wysokie wymagania co do precyzji, dlatego chcę przekazać poprawną wiedzę o AI w swoim zakresie. Szczegóły poniżej, udzielam odpowiedzi na napotkane problemy.)

1. LORA

• Dla lora postaci anime optymalna waga to 1. Choć można poprawić dopasowanie poprzez zmianę wagi, niesie to za sobą negatywne skutki. Na przykład wiele lora postaci anime jest przeuczonych na platformach artystycznych. Aby to poprawić, zaleca się obniżenie wagi do 0.6/0.8, jednak może to skutkować utratą niektórych cech oryginalnych postaci.

• Proste wyjaśnienie przeuczenia: nadmierne trenowanie powoduje sztywność lora, postacie ignorują tagi lub generują obrazy zupełnie niepowiązane z materiałem.

2. CKP

• Przesunięcie clip i przeuczenie unet powodują, że modele nie respektują tagów.

• Przesunięcie clip prowadzi do problemów z rozpoznawaniem tagów. Wiele modeli na platformach ma ten problem nieświadomie. Jeśli jesteś zainteresowany, w sekcji "Inne" podam metody sprawdzania i naprawy.

• Przeuczenie unet powoduje sztywność, ignorowanie tagów lub generowanie estetycznych obrazów bez tagów, co oznacza powielanie oryginalnego materiału przez przeuczenie.

• Modele fuzji ckpt poprawiają minimalną jakość generowanych obrazów, ale wagi tagów są chaotyczne, powodując różnorodne "charakterystyki". LORA trenowane na takich modelach ciężko stosować z innymi modelami.

• Jeśli chcesz, by większe modele lepiej współpracowały z lora i innymi modelami, unikaj fuzji lora przy scalaniu modeli ckp, lub podobnie jak ja, używaj niskich wag do korekcji niedoskonałości.

3. VAE

• CKP ma wbudowany VAE. Zewnętrzne VAE służą do zastąpienia, a nie dodania.

• Najbardziej widoczny efekt VAE to zmiana nasycenia, ale wpływa też na kompozycję, detale itd.

4. Inne

• Modele zużywające dużo pamięci nie zawsze są lepsze, często zawierają dużo niepotrzebnych danych, co marnuje transfer i pamięć.

• Przykładowe obrazy nie dają pewności co do jakości modelu; poza gustem autora nie wiadomo ile modeli, wtyczek i iteracji użyto. Liczby pobrań i lajków też nie są miarodajne, bo zależą od popularności autora, obrazów w okładce, popularności postaci, stylu artystycznego i odbiorców.

• Nowe wersje modelu nie zawsze są lepsze. Często poprawki są różne kierunki w jednej wersji. Niektórzy autorzy nadużywają aktualizacji, by zdobyć więcej pobrań, ale faktyczna jakość modelu nie rośnie.

• Po więcej specjalistycznej wiedzy zobacz wprowadzenie do 万象熔炉 | Anything V5/Ink. Linki do kontroli i naprawy przesunięcia clip są na początku tego dokumentu.

  Link do modelu:万象熔炉 | Anything V5/Ink - V3.2++[ink] | Stable Diffusion Checkpoint | Civitai

  

4. Suggestions and Answers for Model Usage by Visitors:

(Jako osoba nieposiadająca formalnego wykształcenia artystycznego ani AI, mimo to nieustannie się uczę, eksploruję i wymieniam doświadczenia z ekspertami. Mam wysokie wymagania co do precyzji, dlatego chcę przekazać poprawną wiedzę o AI w swoim zakresie. Szczegóły poniżej, udzielam odpowiedzi na napotkane problemy.)

1. LORA:

Dla lora postaci anime optymalna waga to 1. Choć można poprawić dopasowanie poprzez zmianę wag, niesie to za sobą negatywne skutki. Na przykład: na niektórych serwisach wiele lora postaci anime jest przeuczonych. Aby to poprawić, zaleca się obniżenie wagi do 0.6/0.8, jednak może to skutkować utratą niektórych cech oryginalnych postaci.

Proste wyjaśnienie przeuczenia: nadmierne trenowanie powoduje sztywność lora, postacie ignorują tagi lub generują obrazy zupełnie niepowiązane z materiałem.

2. CKP:

Przesunięcie clip i przeuczenie unet powodują, że modele nie respektują tagów.

Przesunięcie clip prowadzi do problemów z rozpoznawaniem tagów. Wiele modeli na niektórych platformach ma ten problem nieświadomie. Jeśli jesteś zainteresowany, w sekcji "Inne" podam metody sprawdzania i naprawy.

Przeuczenie unet powoduje sztywność, ignorowanie tagów lub generowanie estetycznych obrazów bez tagów, co oznacza powielanie oryginalnego materiału przez przeuczenie.

Modele fuzji ckpt poprawiają minimalną jakość generowanych obrazów, ale wagi tagów są chaotyczne, powodując różnorodne "charakterystyki". LORA trenowane na takich modelach ciężko stosować z innymi modelami.

Jeśli chcesz, by większe modele lepiej współpracowały z lora i innymi modelami, unikaj fuzji lora przy scalaniu modeli ckp, lub podobnie jak ja, używaj niskich wag do korekcji niedoskonałości.

3. VAE:

CKP ma wbudowany VAE. Zewnętrzne VAE służą do zastąpienia, a nie dodania.

Najbardziej widoczny efekt VAE to zmiana nasycenia, ale wpływa też na kompozycję, detale itd.

4. Inne:

Modele zużywające dużo pamięci nie zawsze są lepsze, często zawierają dużo niepotrzebnych danych, co marnuje transfer i pamięć.

Przykładowe obrazy nie dają pewności co do jakości modelu; poza gustem autora nie wiadomo ile modeli, wtyczek i iteracji użyto. Liczby pobrań i lajków też nie są miarodajne, bo zależą od popularności autora, obrazów w okładce, popularności postaci, stylu artystycznego i odbiorców.

Nowe wersje modelu nie zawsze są lepsze. Często poprawki są różne kierunki w jednej wersji. Niektórzy autorzy nadużywają aktualizacji, by zdobyć więcej pobrań, ale faktyczna jakość modelu nie rośnie.

Więcej profesjonalnej wiedzy znajdziesz w sekcji wprowadzającej do 万象熔炉 | Anything V5/Ink. Linki do kontroli i naprawy przesunięcia clip znajdują się w początkowej części tego dokumentu.