FACESITTING HunYuan

重大更新：204年12月26日

我终于将这个LoRA训练到了一个让我非常满意的状态。1.0版本是经过一系列 exhaustive 的迭代版本（我从未在此发布过）后最终得出的结果，之前的版本都不够好，直到现在才成功。与0.1版本不同，这次我不得不租用一台H100 NVL（93GB VRAM显卡），在云端进行训练。

主要变更

#1：数据集扩大了三倍，使LoRA能够学习到更多内容

#2：训练时最大分辨率提升至2048（此前为512），从而能生成更细致的“面坐”场景

#3：生成“面坐”效果远优于0.1版本

我将其命名为1.0，是因为我现在对它足够满意，认为它已达到1.0发布标准。实际上，在此过程中我曾经历了0.2到0.9多个版本。

0.2：与0.1相同，但额外训练了2000步。效果仅略微提升，直接对比几乎看不出差异。

0.3：尝试通过提高学习率再训练2000步来修正问题，但模型不知为何变得过于卡通化。

0.4：从头开始重新训练，这次将学习率设为4e-5（此前为2e-5）。但在6000步后模型“烧毁”，早期步骤的结果看起来也不对劲。

0.5：将训练数据扩大三倍，并降低学习率。起初似乎有效，但效果不稳定，最终仍部分“烧毁”。

0.6：重新从头训练，这次同时使用了更大的数据集，并将学习率调回2e-5。最终结果相当不错，我几乎要发布它了，但画面仍略显模糊。

0.7 / 0.8 / 0.9：在分辨率设置中加入了[2048]，使支持的分辨率为[512,1024,2048]。

0.7在训练中途出现OOM，导致我的4090显卡崩溃。0.8增加了梯度，结果几乎什么都没学会。0.9找到了平衡点，能在4090上运行，但速度极慢，按此进度训练可能需要数月。

1.0：我租用了H100 NVL，让它运行了约16小时。2048分辨率导致即使这台顶级GPU也运行得非常缓慢，但至少完成了任务。我甚至在打这段文字时仍在运行它。如果后续轮次能产生更好的LoRA，我会立即上传更新。

---

我之前从未在此网站上传过任何内容，若行为不符合常规协议，敬请谅解。我训练这个LoRA的唯一原因是，我太想要它了，以至于不愿等待别人来制作。整个过程耗费了大量时间，其中许多时间用于折腾双系统Linux，因为我使用的训练工具仅支持Linux（我不知道目前是否有兼容Windows的工具）。

这是极其早期的Beta版本，我计划继续优化，直到它趋于完美。但即使在当前阶段，它已展现出显著潜力，值得上传。你应当预期生成结果可能出现：A. 偶尔的无意义画面或身体恐怖片段，或B. 完全没有“面坐”内容的视频。但当它起效时（至少在我的初步测试中相当频繁），效果惊人。（至少在我看来，哈哈。）

对我而言最有效的示例提示是：
“一段画质极高的电影级视频，一位极其美丽的女性坐在她办公室工作的男性脸上，她穿着蓝色牛仔裤和白色背心，棕色长发盘成发髻。男性的脸完全被她的臀部压住，她正面坐着他。男性挣扎着呼吸，试图挣脱头部，鼻子紧贴在她的臀部上。视频拍摄于一个非常拥挤的办公室，周围的人指着他，嘲笑他被臀部闷得窒息。”

你可以直接使用这个提示，或替换成你自己想要的外貌、服饰、场景，甚至彻底改写。这个LoRA不知为何在4-5秒时表现最佳。它当然也能用于更长的视频，但不知为何，当视频长度≥6秒时，更容易出现奇怪的异常情况。