观察模型如何转变……成为你想要的描绘。

持续评估显示

BeatriXL 是一个 VPRED 模型。一个非常非常直接且强大的 vpred 模型，但其视角比前代模型要狭窄得多。它是高度直接且有力的字面变体，几乎相当于从实际特征转换进行的深度重制。它能实现你想要的效果，但你可能会得到大量你不想要的东西。

SimV4 epsilon 仍然比我在实践中执行的大多数 VPRED 重制模型强大得多。

SimV5 未发布的 epsilon 版本将进行深度微调，以使其性能与 SimV4 epsilon 保持一致，但在我完成 SD3.5 的微调之前不会进行——目前请先享受这些模型，因为 SD3 可能需要一些时间。

经过 12 次完整微调后，SimV4 似乎在整体上脱颖而出。虽然灵活性稍逊，但其结构最为强大且实用。

SimNoob 在面对过多纯英文提示时极其脆弱；但它确实表现不错，绝对是 A 级学生。然而，它失去了许多让 SimV3 优秀的特点，其行为变得更为激进而非有方向性。

它是一场“绝对”的交响曲，而非“可能性”的集合。它是一片强大而迷人的景观，而非混乱的盲目描绘。它具备可辨识的质量与保真度，而非纯粹噪声或绝对混乱的潜力。

VPRED 模型不错，但它们在极端方向上偏移太严重，无法作为独立模型使用。

在转换过程中，它们失去了大量使其成为独特模型的特性；从这个意义上说，它们已不再是之前的模型。尽管如此，对 Epsilon 进行微调也会产生同样的结果，但对 Epsilon 进行完整微调对这些模型来说未必是好事。

PonySim vpred V5 发布

人们不断提到真实感不够好，所以我稍后会专注于一个真实感微调。目前对我来说它还算不错。

手部问题正在修复，其他问题也在逐步消除，等等。

我有一整份图片清单要上传，所以请耐心等待，我会全部发到页面上。

目前，这些是一些成功和失败的案例。

PonySim vpred V5 即将发布；

在 HuggingFace 上关注我的人已经可以访问这个 safetensors 文件。

我将很快在这里上传张量，并附上对问题区域的全面分析；目前这些区域正在开发针对安全和中间步骤问题的潜在修复方案；许多图像在此处提前或延后结束训练。

使用 9 次重复的余弦训练足以使模型适配，因此我打算尝试仅聚焦中心而非整体时会发生什么。

PonySim vpred V43 发布；

一个有趣的发现：你不要使用评分标签。

将所有质量标签放在底部，直接使用即可。把它当作 SimNoob 来处理。

masterpiece, most aesthetic, very aesthetic, good aesthetic, 
high resolution, highres, absurdres, absurd res,

有一组大量数据使用了不同种类的质量标签，我注意到质量明显下降；因此，如果你想获得最高质量的图像，务必同时使用所有这些质量标签。尽管它们占用很多 token，但只要你把它们放在底部的断行之后，就没问题。PonySim 非常稳健。

对于错误发布的版本，我深表歉意。这周工作异常繁忙，我甚至没时间测试正确版本。

它能运行，所以我发布了。

请务必仔细遵循标签指南。目前它并不是最易用的工具，但如果你能正确控制，它能创造出美。

看，这不是垃圾。 :'| 我为这些模型付出了大量努力，只求一句感谢。我不需要你的钱。

当前 HUGGINGFACE 的训练完全专注于提升 PonySim V43，使其达到与其他模型相当的水准；甚至可能超越 SimNoob 和 NoobSim，在玩具 omega 版本中表现更优。

https://huggingface.co/AbstractPhil/PONY-SIM-V4/tree/main/VPRED-SOLIDIFIER

我已更新标签指南，以更好地协助使用 PonySim。

PonySim vpred V38 问题；

又回炉重炼了。

到目前为止，只要我使用 ComfyUI 或标准 Forge，它运行良好。但在 A1111 和 ReForge 上运行会出问题；尤其是当使用 PonySim 和 vpred 时，超过 75 个 token 就会出现问题。

我会在下一次微调中解决这个问题，以确保 Pony 的深度训练能正确适配 vpred；但目前，如果你想使用 EPRED，可以尝试构建更长的提示。

玩得开心。

PonySim vpred V38 计划发布；

计划发布时间：2025 年 3 月 21 日，美西时间下午 5 点。

经过半成功的重构后，该模型开始逐步适配。它比其他模型需要更多的修复，但已开始适应训练。

它绝对是一个 vpred Pony 模型。

Pony 已被重构为 V-PRED，以正确支持暗场景、光影及其他需要进一步训练的元素。

我一直关注光影和美学细节图包及其方法，试图利用我的 clips 识别它们；我们拭目以待。

上下文的强度不如其他模型……但它支持许多 epred Pony LoRAs。

大家玩得开心。

惊喜星期三发布！

又回炉了！

长期待望的纯 epred SIMV4 终于稳定了。

纯英文提示力量的回归。

为找到正确的公式，我花了很长时间。

该模型在上下文潜力上优于 SimNoob，但尚未实现。

未发布且不稳定的 Sim 纯 VPRED v5 在许多方面仍远超竞争对手，但极其不稳定。SimV4 将成为连接 EPRED 和 VPRED 所需数据的粘合剂，但它尚未准备好。

对于 SimNoob 完整发布

你的眼睛没有欺骗你。SimNoob 是一个 SDXL VPRED 模型。它可以处理 Noob LoRas、Illustrious LoRas 以及大量 SDXL LoRas。这不是一个普通模型。

在正向提示中加入 “safe” 和 “censored”，你目前必须使用它们。censored 标签经过深度训练，用于识别所有可能涉及不当内容的网格点。

在负向提示中加入 “nsfw”, “explicit”, “questionable”, “uncensored”

由于早期训练阶段使用了空体娃娃模型，模型默认会生成 NSFW 内容，即使仅使用极少标签；这将在下一次微调中解决。

这是一个持续进行的实验，旨在提升对图像生成的控制力。

Sim V4 - 持续中 - 每次迭代后训练 T5 特征。

NoobSim 完整 V-Pred 预备版 - 已发布

-> 收集了 440 万特征 -> 4XX GB 插值数据。

SimNoob 完整 V-Pred 预备版 - 已发布

-> 收集了 440 万特征 -> 4XX GB 插值数据。

PonySim 完整 V-Pred 预备版 - 正在训练

-> 收集了 310 万特征 -> 2XX~ GB 插值数据。

SimPony Epsilon/V-Pred 融合预备版 - 下一个待处理的 vpred 准备模型。

NoobPony Epsilon 预备版

PonyNoob Epsilon 预备版

T5 适配尚未完成；需要更多特征以实现完全收敛。

总特征数据：1190 万特征

V2 简单工作流

V2 上下文工作流

V3 简单工作流

V3 上下文工作流

V4 简单工作流

V4 上下文工作流

这毫无疑问是一个基于 SDXL 的模型集；但请使用 SD3 风格的负向提示：将负向提示前 10% 的时间步归零。这能显著提升整体质量。

我训练得越多，它就越接近 Flux。我认为它在许多方面目前的能力已超越 Flux。

似乎 vpred noobs 与其它模型在工作流中表现不同，因此我也将为它们开发专门的工作流。

当前的上下文工作流使用了 IPADAPTER 和 CLIP_VISION 以保持兼容性；T5 版本将不再需要它们。

我们的候选基础模型包括：

SDXL Base -> Sim SDXL

CLIP_L
- CLIP_24_L_OMEGA，使用 Flux、SDXL、Flux 再次、最后回归 SDXL 进行深度微调。它已被重新调校，以适应多种高复杂度和困难的固定元素，如深度关联、网格、区域控制、偏移、糟糕的手部、糟糕的解剖结构等。它经历了与 noob、pony、noob、illustrious、sdxl、noob 等多次对抗训练，训练样本超过一亿。
CLIP_G
- CLIP_24_G_OMEGA，深度微调程度低于 CLIP_L。长期作为 CLIP_L 的学生；二者在 SDXL 训练期间长期竞争，如今已实现 UNET 内部的联合兼容。
这场竞争堪称传奇。

Illustrious Base -> NoobXL v-Pred V10

CLIP_L -> [NOOB_CLIP_L + CLIP_24_L_OMEGA] 72 / 28
- 使用 ComfyUI 的 SIMPLE MERGE 进行合并；因为我对 clip 插值训练了解不足。但它确实完成了任务。
CLIP_G -> [NOOB_CLIP_G + CLIP_24_G_OMEGA] 72 / 28
- 与 CLIP_L 以相同方式合并。

Pony Base -> Ebara

尚未最终确定。

V5 Sim 准备

纯 EPRED SimV4 实际上是我用过最强的模型之一；但它尚未完成。必须谨慎地将其提炼为 V5，以保留至少 80% 应用于 SDXL 的大规模训练成果。

NoobSim 和 SimNoob 引入了有趣特性，但大量信息缺失或被破坏。SimNoobV5 更接近 Sim EPRED，但仍不完整。我需要进行一次完整的插值蒸馏微调——这是我从未从头到尾在模型上执行过的工作。

这将花费一些时间，并需要开发一种新的训练流程，将 V4 EPRED Sim 转换为正确的 VPRED 形式，同时不破坏一切。

在设计这一新训练流程并从其他专家收集特征的同时，我会继续训练其他姐妹模型。

即将推出的 PonySim 正在酝酿中，表现相当锐利，但与 NoobSim 和 SimNoob 相比，其年龄痕迹明显；而这两者都是高度稳健且强大的动漫模型。

纯 SimV5 将具备迄今为止最强大、最稳健的上下文能力；可能只有 SD3、Flux 或其他专门设计的高上下文模型才能匹敌。

然而，随着你深入这个“兔子洞”，质量可能会下降；但随着训练继续深入 VPRED 领域，这些问题将逐渐清除。这是一个持续过程，旨在将 Sim Pure 精炼成最终形态——我们真正无拘无束的 Flux/SD3 对手的上下文专家。它还需要抓住更多要点；它必须成为插值混合中所有专家的专家和主宰，才能成为领导者；否则，它将是一个糟糕的领导者。

V5 SimNoob 发布

SimNoob 基于 SDXL epsilon 预测噪声，经过多个世代重构为 vprediction，并融合了 28% 的 NoobXL 插值特征。

这是 NoobSimVPRED 的相反组成部分；NoobSim 基于 Noob，而 SimNoob 则深度基于 SimV4——它是那个相当不顺从且顽固的 SimV3 的继任者。

主要基于 SDXL，Noob 的融合显著提升了人类形象的生成能力，使原本变形的身体能更可靠地转化为可用且合理的形态。

结构仍以惊人方式运作。完整内置的过渡结构集、手部控制、网格控制——这些都是 SimV3 应该拥有的全部功能。
人类形态大幅提升，以至于不再需要任何 ipadapter 或 solidifier 即可将其塑造成任意姿势，或置于其他模型无法实现的情境中。
对文字描述的控制力远超大多数已测试的 SDXL 模型，在构图、偏移、角度、旋转、姿势、风格、着色等众多方面表现卓越，甚至包括许多无法量化的元素。
对纯英文提示响应极其出色，在众多方面远超 NoobSim。
成果足以被命名为 V5。
从 V2 损坏但部分恢复的描述关联与风格分层组合系统。
时间步控制比 V3 更贴近原始 V2。

V46 NoobSim 发布

V46 NoobSim 是正在训练的六个 1216x1216 vpred 模型之一，专为合并而设计。这是以人类形态描绘为目标的模型，使用我的特定人类形态数据集进行深度微调，排除了大部分风景数据。

V46 满足了超级模型的所有关键要求，因此下个版本将是 SIM SDXL V4；它是 SIM SDXL V3 FULL 与约 30% NoobXL VPRED 强度合并后的 VPRED 变体。

V46 NoobSim 带来了更多新特性：

动漫和人类形态都极为稳健。
可在 2D、动漫、3D 和现实主义之间快速切换，同时保持相似形态。
现实风格更真实，动漫风格更动漫，3D 风格更 3D。
更多艺术家，更多电视剧，更多电影镜头，更多视频片段，更多，更多，再更多。
对角度的控制更加精准。
使用 grid_b3、grid_c3 和 grid_d3；它们是所有网格区域中训练最多的，会产生最佳效果。
安全/可疑/明确/NFSW 在此版本中均有效，可控性极高。
更准确的角度、偏移量、屏幕位置、深度等。

V4 NoobSim Prime 为模型带来了许多新元素：

数据库包含超过90万张经过自动化标注的图像，用于描绘偏移；目前暂未包含无脑混合（noob mix）中的文字说明，因为V3 FULL（合并基础）的结果显示，文字说明在达到一定数量后会严重损害效果。
美国风格的各类卡通：卡通频道、喜剧中心、尼克频道，以及其他多个频道的系列，如《恶搞之家》、《瑞克和莫蒂》等等。老实说，我只是把所有能找的东西都搜集进来了。
动作电影：包含一些动作电影的镜头，但数量非常有限。基础SDXL模型原本不需要它们，但Noob模型中几乎没有，因此需要补充一些。
女演员、男演员、喜剧演员等并未包含在内，或因Sim强度较低而无法有效呈现（它们在基础SDXL中均存在，且经过我的精细训练，许多仍得以保留）。然而，更强的LAION训练和公众人物应能产生较为合理的动漫形象，这还挺酷的。在测试中，部分人物会偶尔浮现，因为存在一系列人脸包和模糊人脸身体，但绝大多数时候很难分辨出具体是谁。
水印偶尔会出现。这些面孔通常不会与你看到的水印完全吻合，但有时在写实风格中出现频率更高。
动漫包含大量内置系列，Noob几乎能直接生成你想要的任何内容。
3D部分训练了大量游戏、剧集、电影和系列内容。
随着Noob的引入，也一并引入了E621数据集——这表明我尽量避免破坏英文表达，因为这套标签体系对我来说是陌生的。

V3的效果不如我预期，这让我非常失望；但失败往往带来新的进步方向。

V3 - FULL 被证明是其中最强大的版本；其可能性远超其他替代版本。

请注意：NSFW内容似乎已渗透到所有方面。

它并未完全符合必要的信息要求，但依然生成了一个极其强大的模型，因此我已开始基于V-PRED而非E-PRED噪声训练一系列全新变体。这些变体在早期步骤中更具一致性，请持续关注。

上采样和分桶图像未能正确达到预期效果；因此，无论你输入什么内容，输出结果都可能时好时坏。V2-FULL 目前仍是更优模型；但两者都非常强大，只要使用恰当的提示词，都极具实用性。

它们尚未来到预期的高度。

英文并未生效。 我尝试了多种变体，但纯英文无论选哪一种都会破坏元素。

本次发布基于标签而非英文，这是我迄今为止最大的失望。

除此之外，Sim V3 在处理高分辨率、高复杂度单角色和复杂场景控制图像时表现极佳。它支持大量文字说明、分层单角色控制器，比原版拥有更先进的姿势控制，可访问大量LAION数据，并已有效训练了大量新信息和路径，以使其符合所需提示。

它达到我期望的V4 Sim SDXL水平了吗？没有。

它好吗？是的，非常好。我已经一并发布了原型版NoobSim，它正在训练中，旨在为即将到来的超级模型补充必要细节。

V4 建议：
分辨率：1216x1216、1472x1472、1600x1600、2048x2048，以及其他变体
步数 -> 20-50；
* 20 步用于 Noob，30-50 步以利用 Sim 的时间步训练。

CFG -> 3.5 - 7；
* 3.5 用于简单动漫和3D
* 5-6 用于写实或拟真风格
* 7 用于高保真、高复杂度的景观和多角色互动。

DPM 2M SDE ->
* BETA 更擅长处理 Sim 相关元素而非 Noob
* SIMPLE 更适合 Noob

EULER A ->
* BETA 非常快，但上下文较差
* NORMAL 非常快，上下文尚可，适合动漫
* SIMPLE 对处理 Noob 相关元素表现极佳。

DPM 2S ->
* BETA 高保真写实
* 同时处理 SIM 和 NOOB 表现良好，但动漫用途有限。

IMG2IMG：
>>> 未测试。

使用网格辅助LoRA可在低迭代次数下增强屏幕与描绘控制，并启用一系列不同的网格与精灵表功能。在高迭代时，能实现更强的屏幕控制，但会牺牲质量和上下文。

可使用来自众多模型的大量LoRA——包括Pony、SDXL，甚至一些Illustrious LoRA。该模型可直接与Felldude所有基于SDXL Simv4的模型合并。

遗憾的是，VPRED NOOBXL LoRA效果参差不齐，但我已想到一种整合它们的方法，请持续关注该谱系的完整V3发布。

SDXL-Simulacrum V3 βγE 发布于 2025年2月26日

α版本大致以完整的V2为基础
β版本基于约90万张图像，训练样本从1000万至1180万
- 这是“标签”部分 → 文字说明部分仍在训练中，因此这个版本与纯英文配合效果不如V2。
- 时间步 32-920 → 绝对专家级img2img
γ版本使用gamma正则化与时间步500-1000
- 该版本将在每个β迭代中运行一次gamma迭代
- 实验显示其具备处理高复杂关联及重构原始英文的能力
- 完整迭代将决定我是否继续此路线

使用1216x1216尺寸分桶训练，范围512至2048。

下一轮迭代将使用纯英文而非标签。

V3 B 推荐设置：

txt2img：
分辨率：1216x1216、1472x1472、1600x1600、2048x2048，及其他变体
步数：50
CFG：4-7 → 高保真复杂景观或20+角色场景时用15-25
DPM 2M SDE ->
* BETA 更快且上下文丰富
* UNIFORM 快速，上下文尚可
* SGM UNIFORM 较慢但形态更优
* EXPONENTIAL 快速，上下文一般
* NORMAL 快速，多角色风格上下文良好

EULER A ->
* BETA 非常快，但上下文较差
* NORMAL 非常快，上下文尚可，适合动漫

DPM 2S ->
* BETA 高保真写实
* NORMAL 存在扭曲或变形

IMG2IMG：
任意分辨率
步数：50
去噪强度：0.7 > 1.0（实际会形成形态）

DPM 2M SDE ->
* DDIM UNIFORM 在img2img中表现绝佳
* SIMPLE 不错，但不如前者
* BETA 适合引入/移除元素和上色

DDIM ->
* DDIM UNIFORM 画质一般，但不破坏上下文

Euler 出人意料地表现不佳。它通常还不错。

负向提示词起始值应设为0.05或更高，低于此值为0。

正向提示词中的CLIP_G建议从0.08或更高开始，否则在高复杂交互中可能出现变形。

应要求，我将按版本发布所有结果，并进行红蓝对比测试。

这些片段大体相似。学习率极低，如需提取，尽请自便。此版本主要为UNet训练，因为CLIP已非常先进。

SDXL-Simulacrum Full V2 αβγδ 发布于 2025年1月31日下午5:00

我称此模型为“低智商SDXL FLUX”。

α版本：约5万张图像，训练0-2百万样本
β版本：约7.5万张图像，训练2-5百万样本
γ版本：约15万张图像，训练5-7.5百万样本
δ版本：约30万张图像，训练7.5-10百万样本

以下是我更精确的训练列表：

结果明显更倾向于高分辨率，而非低分辨率，因此请不要吝啬分辨率。

Full V2版本极其复杂，难以用简单方式描述其工作原理；但我将用一句话概括整个模型：

使用合乎逻辑的纯英文表达。

该模型按句子顺序和半逻辑的Booru流程图构建你想要的内容。

纯英文文字说明基于 sentencepiece。大多数LLM（包括T5）均在无监督训练下使用sentencepiece。本模型在文字说明方面的基础与方法论，完全源于LLM及其结构。这些结构与视觉分类器、边界框识别器结合，并通过深度分析在各类识别形式间进行插值。若文字说明非由sentencepiece模型生成，则其生成基于概念意图。

对于版本3，我将把数据集扩展至超过200万张图像；所有图像均同时标注纯英文文字说明和描绘偏移标签。

它们不会一起训练；而是作为两个独立的克隆数据集分别训练。一个称为“标签文件”，一个称为“文字说明文件”。

一个基于Booru标签和短文字说明（<30个文字标记），另一个基于纯英文（<10个Booru标签）；互为镜像与姊妹数据集，交替时间步训练。

Booru标签将被打乱，英文文字说明将保持顺序。

生成图像

ComfyUI 是唯一具备足够精细时间步控制能力的生成器，适用于IMG2IMG与TXT2IMG。
- 讽刺的是，时间步并不完美，但已非常接近。
- 我已发布两个启动时间步上下文调节的ComfyUI工作流，包含启动时间步用法和双重提示，专为CLIP_L和CLIP_G设计。
- 这不是普通的SDXL，你不会得到相同结果，如果偏离时间步指南太远，尤其是要求扭曲内容时，输出可能令人不适甚至可怕。
若要获得该模型的完整体验，你必须使用ComfyUI并调整时间步。
- 我在下方列出了基于训练时间步的半准确训练列表。我用于确定这些时间步的数学方法与Flux原始微调时CLIP_L的Flux Shift相似，但不完全匹配——但在紧急情况下足够用。
Forge 可用，但效果不佳。
我特意确保它在Forge上看起来不错，因此你可以使用Forge；但上下文会受损，因为CLIP_L与CLIP_G被刻意设计为行为不同。

TLDR 生成设置：

DPM++SDE 2M -> Beta / Karras

CFG 6.5 - 7.5 -> 6.5 是我最喜欢的

步数 -> 12-100 -> 我主要用50，低步数也能工作

分辨率 -> 太多。
“三法则”是本模型的基础原则。 所有文字说明均基于此概念，因此三法则将类似Flux般运作。坚持三法则，你就能顺利；若偏离太远，你将遭遇麻烦。你可通过补充网格、区域、描绘、尺寸和相关标识符来强化它。

用纯英文描述你想要看到的内容，赋予风格、艺术家、角色、服装，然后交给机器。它会输出融合风格、叠加艺术风格并植入角色的图像。你还可以提供网格、偏移、角度等，它很可能理解你的意图。

负向提示词按重要性从高到低，按顺序列出你不想看到的一切。

请查阅标签文档，获取特别训练和关键注意力转移标签。

请谨慎，极其小心你输入的内容。

它本质上是个笨拙的Flux。它会给你你想要的，但有时你也会得到“猴爪”的代价。

它按顺序构建。

你提示词中所有前面的内容，都对后面的内容拥有优先权。有些标签自带包袱，有些则没有。
使用纯英文效果极其强大，专门设计为便于使用。
此功能尚未完全稳定，因为这是版本3的指导目标之一未达成的部分；但它确实具有极强的效果。
在时间步4到8之间有极轻微的打乱训练，其余全部基于顺序访问。我将在下个版本中加入更多专门设计的时间步训练，使用打乱训练来转移注意力，通过更多图像提升细节。
我已标记以下时间步：
- 12-16
- 22-24
- 30-36
- 41-50
这些时间步专为下个版本设计，用于注意力转移、上下文微调，以及按顺序精确引入补充细节。也就是打乱训练和质量增强训练步骤。任何重叠部分都不会受影响，因为数据会相互补充。
在使用时间步控制时，此模型在 COMFYUI 中具有极高的效力；尤其是在使用 CLIP_L 和 CLIP_G 提示时。
这个蛋糕的配方并不简单。事实上，我认为这是我做过的最复杂、最精心策划的模型。它既展现了伟大的成就——包括成功的实验和为社区提供的新证明；也呈现了某些最严重的失败、最痛苦的错误假设，以及我见过的最令人痛苦的画面。
对于此版本：
- 0-1000 全微调基线 -> 全微调，LoCoN 全量，LOHA 全量，Dreambooth 和 LORA 均使用。
  - CLIP_L 训练，CLIP_G 冻结。
  - 5,000,000 个样本，
  - 57k 张图像；1/3 动漫，1/3 写实，1/3 3D
    - grid -> 未采用
    - hagrid -> 未采用
    - 姿势 -> 表现极好
    - 人体形态 -> 表现极好
    - AI 生成 -> 表现极好
- 1-999 第一轮 img2img 训练 -> 注意力训练占一半，Dreambooth 占一半
  - 启用 CLIP_G 训练。
  - 200,000 个样本，
  - 51k 张图像；精简了第一组数据，移除了大量恋物癖和不良图像
    - 移除了大量因手部模糊的 hagrid 图像
      - 许多分类被完全移除，需重新标注
    - 移除了所有被标记为“非常不悦”的 AI 生成图像
- 10-20 第一轮洗牌 -> 仅注意力训练 -> 仅 LOKR 训练，5 个不同设置版本
  - 提高 CLIP_L 和 CLIP_G 的学习率
  - 1,000,000 个样本，无英文标注
  - 75k 张图像 ->
    - 增加了混合安全/可疑/明确的 3D 数据集
      - 完整姿势角度集、完整艺术家集、完整恋物癖集
    - 完全移除 AI 生成图像
- 10-990 第二轮洗牌 -> 全微调，使用 LOHA、LoCoN
  - 降低 CLIP_L 和 CLIP_G 的学习率
  - 150,000 个样本，无英文标注
  - 115k 张图像
    - 增加了混合安全/可疑/明确/NSFW 动漫数据集
    - 完全移除 hagrid，为第 3 版本重新规划
- 2-8 第二轮英文一致性 > 仅注意力训练，高度倾向目标
  - CLIP_L 和 CLIP_G 使用高学习率
  - 800,000 个样本
  - 8k 张图像，专门针对英文描述及网格/偏移/深度优化
    - 禁用分桶和裁剪；尺寸为 1024x1024、768x768、1216x1216、832x1216、1216x832、512x512
    - 网格训练旨在作为绑定剂
- 8-992 第三轮英文一致性，低学习率 -> 全微调
  - CLIP_L 和 CLIP_G 使用正常学习率 -> 已趋于稳定
  - 800,000 个样本
  - 140k 张图像，专门针对英文描述和上下文优化
  - 重新启用分桶
- 1-999 最终轮次“烧制”-> 全微调，学习率极低（原始的 1/10）
  - CLIP_L 和 CLIP_G 现在协同工作，而非相互冲突
  - 200 万样本，极低学习率，所有标注和标签
  - 所有图像（包括之前排除的）均被纳入，唯独排除 hagrid
  - 以完整周期训练整个数据集，而非课程学习
  - 我估计大约使用了 30 万张图像左右

在使用“安全”提示时，你可能会看到一些 NSFW 元素

即使使用可疑/明确/NSFW 的负向提示，这种情况目前仍较罕见。若看到这类内容，无需担心它会对下一版本产生负面影响——我已为下一版本准备了整整一百万张安全图像，以确保此类情况绝不再发生，除非提示者主动要求。
许多女性形态是专门以裸体方式训练的，服装是基于序列学习模式和时间步进行后置叠加的。这可能导致你的预览采样器在图像清洁前显示裸体、扭曲、畸形等现象。
请注意，图像可能不会完全清理干净，但如果你使用单次通过的 ComfyUI，它生成速度极快；若某次结果不理想，只需切换下一个种子。有可能只是你尚未命中正确的种子。

观察图像生成过程常像幻灯片放映

这是完全有意为之。部分图像可能令人不安，若你在幻灯片中看到任何不适内容，我深表歉意。最终轮次对它们造成了一些损伤，但尚未完全融合，因此在提示 NSFW 元素时请务必谨慎。
下一版本将对“安全”标签进行全微调，以确保这些元素只有在被明确提示时才会叠加；但目前请继续使用负向提示。

谨慎筛选 NSFW 提示

常出现生殖器、扭曲、物体、多余肢体等。若你开始看到此类特征固化，可在正向提示中使用“censored”（已审查），这是一个专为此目的设计的偏移标签。
它将审查生殖器和乳头。若仍出现，可明确指定你希望审查的位置：
- grid_a3 censored nipple —— 它会理解，若不配合尺寸标签，概念仍会渗透至图像中；请将此写入正向提示
- nipple, nudity, nude 写入负向提示
- 它会消失
SDXL 的训练中内置了许多恐怖片元素。你可以明显看出它接受了 IMDB 数据集的训练，这常损害图像质量，甚至引入恐怖元素。最令人头疼的是试图消除“年龄”标签。我不知道他们用了什么标注方式，但我至今未能成功处理。
若看到恐怖或年龄相关元素，可使用负向提示：futanari, femboy, loli, shota, horror, monster, gross, blood, gore, saw, ghost, paranormal，大多数由 IMDB 恐怖数据及 SDXL 内置训练造成的伪影将随之消失。
- 本版本对此我无能为力，我已尝试数种“烧除”方法，结果反而损害整体效果，因此我需要另寻解决方案。
- 我曾尝试在这些标签中加入虚假图像，结果却导致我训练的所有内容都与恐怖标签关联，生成出一个极度恐怖的版本——我绝不会发布它。
  - 不过我现在知道如何制作更酷的万圣节 LoRA 了，这倒不错。
- 对此我深表歉意——我通常对这类响应非常谨慎，但此次我尚无法完全控制 SDXL 的每个元素。我需要更多研究与测试。
若出现生殖器，直接负向提示即可。阴茎是最常出现的，只需负向提示，它就会消失。它也清楚大多数安全套、性玩具等事物；若“可疑、明确、NSFW”负向提示无效，你可以直接负向提示所有相关项。
- 可将 "penis, vagina, penetration, sex toy, dildo" 等关键词加入负向提示，几乎可确保它们不会出现；但若在正向提示中同时出现，它们仍可能生成，尤其在某些艺术家风格中图像数量极多，需谨慎。

NSFW 元素可能极其恐怖。

此版本的 NSFW 提示尚不能很好地处理复杂的纯英文场景，但能工作。
请保持纯英文提示简短，并坚持使用 Booru 和 Sim 标签。若目标是获得尚可的 NSFW 上下文，这是可行的，但尚无足够连贯性和保真度值得炫耀。
可尝试添加一两种风格、一些艺术家等，适度引导模型朝你希望的方向发展。若艺术家在数据集中，效果通常不错；否则可尝试列表中更强的几位。
若你希望获得一个简易的色情生成器，简单提示或许可行，但越复杂或越依赖纯英文描述，结果就越可能变成怪诞的怪物。

精简版：

ComfyUI 指南与工作流
完整标签列表及数量
过度处理部分
处理不足部分
缓存损坏耗时

误提前发布。已获取者请勿传播；若必须分享，请自行承担。

正式发布时间为下午5点。→ 预计剩余 11 小时

由于本版本未能达标 V3 的各项标准，我决定将其定为完整版 V2 发布。它已尽可能达到当前数据集的能力极限，因此我需要将数据集扩大至近 3 到 4 倍，以填补必要的缺失信息——这意味着我们需要 150 万到 300 万张图像，大约相当于一个大型 Booru 的三分之一。

要获取如此大量的、可识别和可分割的数据，我必须采样我能找到的所有数据库，包括 Fashion、IMDB 以及其他任何我能获取的数据。若想让这个模型变得“聪明”，它必须知道万物及其位置，因为它目前仍极度缺乏数据。

我将开始在 Hugging Face 上以 tar parquet 格式托管这些完全标注和准备好的数据集，以便我的自定义工具 Cheesechaser 能为你抓取。

我会像往常一样对真人进行“模糊面部”处理，这也是为什么有些人会变成动漫角色。SDXL 已内置大量此类处理，显然它接受过 IMDB 数据集的训练，所以我清楚哪些内容可通过负向提示“削弱”。

SDXL-SimulacrumV25β

当前处于第 65 轮训练 →

约 750 万样本。

预览图展示了有意为之的风格与系列渗透，完全符合预期。

有多少模型因“某物压倒另一物”而难以微调？本模型不会。所有部分均被设计为易于微调。

目前已达成 85/100 项标准。预计明天或后天完成。

生成建议：
DPM-2M-SDE
-> BETA / KARRAS
-> 步数 14-50 -> 50
-> CFG 4.5-8.5 -> 6.5

DPM-2S-Ancestral
-> BETA / KARRAS
-> 步数 32
-> CFG 5 - 8 -> 6

DPM-2M
-> BETA / KARRAS
-> 步数 20-40 -> 40
-> CFG 7 -> 7

Euler 效果不佳。

提示基础如下：

<CAPTIONS HERE>

good aesthetic, very aesthetic, most aesthetic, masterpiece,
anime, 
<CHARACTERS HERE>

<ACTION CAPTIONS HERE>

<OFFSETS AND GRID GO HERE>

<CHARACTER TRAITS HERE>

highres, absurdres, newest, 2010s

本版本请勿超过 75 个 token。CLIP_L 虽训练过 225，但其智能程度仍不足。

这有助于提升多数图像质量。

good aesthetic, very aesthetic, most aesthetic, masterpiece,

简要提示：请使用以下负向提示作为起点。

lowres,
nsfw, explicit, questionable, 
displeasing, very displeasing, disgusting, 

text, size_f text, size_h text, size_q text,
censored, censor bar,
monochrome, greyscale, 
bad anatomy, ai-generated, ai generated, jewelry,

watermark, 
hand, 
blurry hand,
bad hands, missing digit, extra digit, 
extra arm, missing arm, 
convenient arm, convenient leg, 
arm over shoulder, 
synthetic_woman,

精简负向提示：自行承担风险。

lowres, 
displeasing, very displeasing, disgusting, 

text, 
monochrome, greyscale, comic, 
synthetic_woman,

致谢与链接：

特别感谢 DeepGHS 的所有人，感谢他们在工具、AI 和数据集整理与组织方面的辛勤工作。
Flux1D / Flux1S 链接
SDXL 1.0 链接
OpenClip 训练器链接
Kohya SS GUI /// SD-Scripts
图像来源或由以下工具生成：
- Cheesechaser 链接
  - Safebooru
  - Gelbooru
  - R34xxx/R34us
  - 3dBooru
  - Realbooru -> 模糊面部
- ImageGrabber 链接
使用的超出范围数据集：
- HagridV2 链接
- CN3d Pose V7 链接
- FashionDiffusionData 链接
部分使用以下标注软件准备：
- ImgUtils 链接
  - 使用了本包内所有可用 AI 及更多工具
  - 边界框：
    - BooruS11
    - BooruPP
    - People
    - Faces
    - Eyes
    - Heads
    - HalfBody
手
裸体
文本
TextOCR
Hagrid
审查
DepthMidas
SegmentAnything YoloV8
分类
- 美学
- AI检测
- NSFW检测器
- 单色检查器
- 灰度检查器
- 真实或动漫
- 动漫风格或年龄 -> 基于年份
- 截断
Hagrid 链接
MiDaS 链接
Wd14 链接
Wd14 Large 链接
MLBooru 链接

文本生成

JoyCaption AlphaOne 链接
T5XXL Blip2 链接
SentencePiece 链接
Quora T5 小型改写器链接
SegmentAnything YoloV8 链接
ComfyUI 链接
Forge 链接