Diverse Male Nudity

TDLR 在顶部

下方提供更详细（或许过于详细）的提示、细节和讨论

• 主要触发词是 "penis"。此主触发词经过训练，针对平均尺寸、已割礼、松弛的阴茎，通常能生成此类图像——但并非总是如此。若要引导模型走向其他方向，可添加以下一个或多个附加触发词，建议按此顺序：big/small、未割礼、勃起（例如：“small uncut erect penis” 或仅 “big penis”）。

• 在我的经验中，LoRA 权重 0.75–0.85 是最佳范围，但我从 0.6 到 1.0 的权重均获得了可用结果。

• 此 LoRA 能够在几乎任何 Flux 兼容的采样器/调度器组合下正常运作并保持其写实风格。

• Flux 在较低引导值（2.1 至 2.8）时通常表现更佳以实现写实效果；然而，由于此模型完全基于照片训练，它仍能在高达 3.5 的引导值下保持良好的写实效果，并在约 4.2 时仍可获得尚可的结果。

• 如果你在种族、体型或其他特征上未能获得良好的提示遵循效果，请尝试提高引导值和/或步数，并在提示中添加重复或同义描述词。

• 此模型可用于局部重绘以改善阴茎细节，但与纯 Flux Dev 搭配效果远优于 Flux 局部重绘模型。进行局部重绘时，扩大遮罩以提供更多上下文信息会有所帮助。

其他模型限制、建议与技术说明：

我为何制作它

在众多针对 Flux 的阴茎 LoRA 不断涌现的背景下，我决定创建这个 LoRA，既为了亲自尝试，也为了拓展可生成的男性与阴茎多样性。目前已有不少优秀的阴茎 LoRA，但我发现它们往往偏向健美男性、白人男性以及形状相似的已割礼阴茎。

追求多样性使输出结果比其他阴茎 LoRA 更不可预测，但在我看来，也实现了更丰富的多样性。我在训练数据中尝试纳入了多种族、年龄和体型。我认为模型的最终能力确实反映了这一点——尽管在此方面的提示遵循并不完美。我承认自己有偏见，但与其他类似 LoRA 相比，此 LoRA 似乎更能胜任非运动员体型、或许也更擅长非白人男性。

限制与不足

实际上，模型似乎略微偏向体型较大和非白人男性，这反而令人耳目一新。要让模型生成非常瘦弱的男性尤其困难。如果你偏好这类体型，请使用更高的 CFG，并尝试使用如 thin、slight build、skinny、skinny arms and legs 等相关短语。若你希望生成金发男性，但结果偏黑，可明确指定 blonde 和/或北欧国家身份。

阴茎及身体的解剖问题与视觉瑕疵仍时有发生。降低或提高 LoRA 权重，或更改整体提示，有时能有所帮助。提示越复杂，问题越易出现。对于复杂提示，建议将触发词置于开头。模型有时难以处理阴茎孔，部分原因是它并非从所有角度可见，且割礼/未割礼形态差异较大。除重新生成外，可通过局部重绘或放大处理解决——有时我也会在后期手动绘制一个，或借用肚脐或鼻孔进行改造。

模型对臀部或肛门区域处理不佳。有时能生成侧面视角的男性，但若尝试背面视角，请做好面对“屁股阴茎”（penis butt?）的心理准备。模型基本不了解自慰、性行为或性姿势。

标注选择

尽管模型在割礼/未割礼、松弛/勃起、大/小方面具备生成多样性能力，但在这些方面对提示的响应并不稳定。为简化标注/触发机制，避免每次必须完整指定所有特征（即必须使用完整触发短语），我让单独的触发词 "penis" 默认代表松弛、已割礼、中等尺寸的阴茎；并未专门训练 "cut" 或 "flaccid"。

或许我本应为每个特征创建完全独立的关键词以提升遵循性与输出质量。但另一挑战在于，未割礼阴茎有时会露出龟头或包皮后缩，即使勃起状态也可能呈现不同形态，因此标注本身便很困难。我或许会尝试重新训练并重新标注。

不过，使用附加触发词 big/small、uncut 和/或 erect 仍可提高生成具备这些特征图像的概率。重复关键词似乎也能增强模型对提示的响应（例如：“large large uncut uncut penis”）。提高 CFG 值（正如你所预期）同样能改善这些方面的提示遵循性。

训练设置

该 LoRA 使用 140 张男性裸体及腹股沟/阴茎特写图像进行训练，目前已训练 35,000 步，学习率较低。这或许看似过度，但即便在 35k 步时我仍观察到持续改进。值得注意的是，我使用的仅是触发词作为标注——训练图像内容没有任何其他描述被纳入标注中。这充分证明了 Flux 的可训练性及其“理解”训练图像与概念的强大能力。

其他杂项

除非你明确提示穿着衣物（即便如此有时仍无效），模型仍倾向于生成裸体图像。但模型具备生成安全内容（SFW）的能力。你对衣物描述越详细，模型越可能将其包含在内。请注意，有时衣物会出现阴茎形状的凸起，这对某些人而言或许是个加分项。