Amorous Lesbian Kisses

热情的女同接吻
更新：各位，Wan版本真的非常棒，我很满意！现在我要尝试为Hunyuan复现这些效果！

Wan版本的接吻效果：虽然等待已久，但我终于成功创建了这个模型的Wan版本！它在文本到视频（T2V）和图像到视频（I2V）任务中表现都很出色。一个关键点是使用了Wan原生的16fps帧率，因此如果你训练Wan，我强烈推荐使用这个帧率！顺便说一句，我的示例视频是使用 https://github.com/GSeanCDAT/GIMM-VFI 插值到32fps的，效果非常出色。总之，我使用Musubi Tuner以480x272分辨率、每段视频69帧（16fps）、共30个视频、2400步、学习率2e-5、LoRA Plus倍数为4进行训练。我移除了开头的“amorous kissing”，但其他提示格式保持不变：

“两位年轻女性舌吻的特写。左侧女性红发，佩戴黑色蕾丝项圈；右侧女性是印度裔，皮肤白皙，长发直黑。”

“舌吻”、“深吻”、“接吻”、“全景”、“中景”、“特写”都应作为关键词！Wan尤其能很好地识别“making out”这个关键词，加入它后，你会获得大量亲昵的抚摸和触碰。它在舌部互动的表现上也优于Hunyuan。我的示例视频均使用Musubi Tuner在约20分钟内生成！我使用Musubi配合计划CFG：前10步和最后3步正常运行，其余步骤跳过。这样显著提升了速度，同时几乎不牺牲质量！我也在尝试跳层引导（skip layer guidance），效果奇特且明显提升了质量。另外，我使用了fp8 scaled，这带来巨大优势。Musubi的实现是在线的，意味着你需要从完整模型开始（而非预缩放版本）。它保留了部分较小但极为重要的参数为全精度，仅将权重量化为fp8，量化误差仅为2.5%（而朴素地转换到e4m3fn则为12.5%）。我进行了多次相同种子的对比实验，结果不仅在数值上优秀，而且始终是最接近未量化完整模型的方案。Comfy也有fp8 scaled，但实现方式不同（权重保存时已缩放，直接加载），但我听说效果也很棒。为普及访问权限欢呼！

原始版/Hunyuan：

这一直是个难题，可能因为涉及复杂的手部与舌部动作。基础版Hunyuan仅能生成简单的友情式亲吻，难以更进一步。这个LoRA专注于创造女性之间充满情欲的接吻与深吻。我在RTX 4070 Ti SUPER 16GB上使用Musubi Tuner训练了12小时。这是首个值得分享的版本，虽不完美，但确实能生成相当不错的效果！敬请期待后续更新。提示格式如下：

“热情的接吻，中景：两位裸体年轻女性在客厅中舌吻、深吻。左侧女性为深棕色头发，绑着两条马尾辫，手臂有纹身；右侧女性深棕发，扎着马尾。”

“热情的接吻，全景：两名女性躺在灰色沙发上，彼此相拥，激情舌吻。两人均为深棕发，一人穿着彩色露肩上衣和短裤，另一人穿着白色连衣裙。”

“热情的接吻，特写：两名女性在明亮窗前性感接吻。左侧女性红发，身穿黑色夹克；右侧女性戴毛线帽和厚黑框眼镜，两人均涂了睫毛膏。”

小提示：“making out”用于表示接吻时伴随大量抚摸和偶尔的性触碰，但这一术语在第一版中似乎效果不佳！“tongue kissing”用于描述明显可见、超出口腔的舌头动作；“kissing”用于舌部动作较少或仅在口腔内进行的情况。“wide shot”用于展现全身，“medium shot”用于腰部以上，“close up”用于面部特写。“passionately”作为修饰词，用于表示比数据集中平均更热烈的吻。

推荐设置：
权重：0.8–1.0
Flow shift：~9.0 @ 544p
引导强度：≤7.0（过高会导致手部问题）
步数：50
帧数：61–129（更长帧数可能有效，但未经过训练）
*据报告与我的实验，Teacache可能会干扰LoRA效果，建议尽可能关闭它。

数据集包含26个高质量视频，记录了不同年龄、种族的女性从不同距离、不同程度裸露状态下进行各种类型热情接吻与深吻的场景。原始数据通过ffmpeg预处理为训练片段，每段长144帧、24fps，仅保留感兴趣动作，无场景切换或剧烈运镜。此外，所有片段均裁剪至仅显示女性，以引入一定的宽高比变化——原始素材中95%为16:9。

训练配置：

网络维度：36
网络Alpha：1
学习率：2.4e-4
优化器：came_pytorch.CAME
优化器参数：weight_decay=0.01, eps=(1e-30,1e-16), betas=(0.9,0.999,0.9999)
步数：2400
预热步数：100
调度器：带预热的Constant
discrete_flow_shift：7.0
timestep_sampling：shift
显存优化：--blocks_to_swap 31, --split_attn, --flash_attn

为了支持不同帧长度和分辨率，数据集在toml中被列出了四次：

[general]
caption_extension = ".txt"
enable_bucket = true
bucket_no_upscale = false

[[datasets]]
video_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses"
cache_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses/cache0"
resolution = [480, 272]
target_frames = [129]
frame_extraction = "head"
batch_size = 1

[[datasets]]
video_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses"
cache_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses/cache1"
resolution = [640, 360]
target_frames = [69]
frame_extraction = "uniform"
frame_sample = 2
batch_size = 1

[[datasets]]
video_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses"
cache_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses/cache2"
resolution = [848, 480]
target_frames = [41]
frame_extraction = "uniform"
frame_sample = 2
batch_size = 1

[[datasets]]
video_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses"
cache_directory = "/home/blyss/projects/art/extra/dataset/AmorousLesbianKisses/cache3"
resolution = [1280, 720]
target_frames = [1]
frame_extraction = "uniform"
frame_sample = 2
batch_size = 2