TenStrip XLPony

完整的舒适工作流，配合 HyperLora：

https://huggingface.co/TenStrip/Workflows/tree/main

10Love 版本：

源自 bigLove 模型的 “Love”，但绝非简单的 A + B 合并，只是旨在以类似它们及其他 Lust 模型的方式运行，但外观不同。XL 模型的 Meth 合并，几乎把水槽底下所有东西都用上了：XLP、Lust、Illustrious、Pony、3dcdg_pony、cunetta 等。合并时使用了干净的指数曲线，没有随机的 0.5 破坏性中间块切割。没有脏乱的 Lora 合并。唯一重要的是平均输出外观（我的审美，与其它 XLP 版本一致）：皮肤不过度雀斑、输出构图成功率 50%+、能配合 Il 阴茎尺寸滑块、futa/otoko 图像不会把睾丸变成阴道。这是由一位经验丰富的用户进行的个人用途合并，如果你不使用内补或超分辨率，就无法充分发挥其潜力。不要在网站上直接使用。在我的显卡上速度极快，只需几秒。专为输入 Wan Video img2vid 或快速生成 1girl 想法而设计。

单人角色大师。+ femboys 和 tgirls。如果你喜欢，也可能是男性。包含 DMD，请使用 LCM。

• 如需非 LCM 版本，请尝试此链接。

LCM 可能表现不佳，通常非常同质化，但上方有 5 个先前版本试图绕过 LCM，使用 eulerA 加速，但最终都失败了，因为可用性太小众。步数越多，细节和精细度越高。4-8 步适合低分辨率的业余/真实风格；超过 10-12 步则进入精致的 Illustrious/真实 Pony 风格。保存为 WebP 格式，质量设为 50%，以获得压缩图像效果。使用 HyperLora 实现面部多样性通配符。Pony、XL、Loras，以及_部分_ IL Loras 可用_*._

超分辨率放大 1.3-1.4 倍。3 步，去噪值 0.3，配合优质超分辨率器。或 6-12 步，去噪值 0.59-0.7，用于高分辨率潜在覆盖步骤。

10L 使用方法：

这类模型的两个常见问题：

过度裸露乳房，面部多样性不足。

关于乳房

不要使用 “large breasts” 或提及乳头，除非你希望它们被突出。大胸、深乳沟、束胸、微压、胸罩、大胸部，以及 + 胸部尺寸滑块或控制，都是让胸部饱满且着装的正确方式。

关于面部

HyperLora。使用来自 flux、Loras、电子游戏、Instagram 或你其它输出的面部图像，随意。通配符模式使用 0.1-0.3 低强度，Lora 效果模式使用 0.8-1.4。模型合并时已确保与 XL fidelity Lora 兼容。该 Lora 会因从输入中提取光线数据而影响构图，因此可利用它控制 ControlNet 的光照和眼睛；若 Lora 过度偏离提示，则可将工作流设置为遮罩并内补面部。需要 ComfyUI，从明显使用它的图像中获取工作流，它本身非常简洁基础。你还可以通过 +/- 0.01 微调 HyperLora 强度，在锁定种子上进行细微调整。我认为没有比这更快、更可控的 NSFW 工作流了。每个面部图像都是一个 Lora。当然，这样使用可能引发严重问题，务必保持品味。

XLove_V2：

回归 Pony。score_9, score_8_up 在剔除无意义输出方面非常有效，更适合提示探索。若需负面提示，CFG 设为 1.5。构图有时与 lustify 类似。添加 IL Loras 和 Pony Loras 会进入未知领域，因此该合并版本独立成立，值得一试。Loras 会 开始扭曲面部和手部，因此需要手动编辑。

XLove_V1：

不稳定版本。Score 标签似乎无效。Masterpiece 也无效。为 Illustrious 版本，许多 Loras/滑块可用，但缺点是使用 IL 时无负面提示。不友好。最佳方法是取 lustify/bigLove 提示进行混搭。过度创意会导致怪物生成。仅限色情 POV 角度。LustXL/love/asp 模型与 Illustrious 存在重叠标签，对 1boy/1girl 角度概念的理解不同，标记之间互相冲突。甚至不确定如何正确提示，但有时结果出奇地好——除了 2girls = 3girls，1girl 1boy = 1girl 被 dp。手部和肢体也存在问题。此版本在多角色场景中几乎无法使用，除非精确提示。如需友好版本，请跳至 V2。

X1-X4：

略微 Turbo 加速的模型，以 Pony 为主。请参考用户图像/我的图像。所有实验性 Turbo Lora 项目（非 DMD2 - LCM），可能并非最优合并，因为我当时还在学习中。

X5：

只是 Love 系列中更差的非 DMD 版本。

如果你认为你的模型被用于合并，那很可能确实如此。到目前为止，这条谱系中已合并了 20-30 个模型，并训练消除了差异，欢迎自荐。我只保留优秀的模块权重曲线。