dark_cinematic_cute v2.2 - Illustrious Redux

简要说明：

正向前缀： "2.5D，半写实，电影感，细节，BREAK"

负向前缀： "文字，标志，水印，手部错误，脚部错误"

步数：32-40

CFG：7-8

采样器：euler a（最快），dpmpp_2m（较好），gradient estimation（最佳）

调度器：normal，karras（较好），beta（最佳）

分辨率：SDXL 分辨率，1280x1280

目的

该模型专为半写实、电影风格渲染的成人内容设计，侧重于女性角色。此合并版本基于 DCCv2.0，但风格不同，更注重真实感的光影效果，同时保留更具艺术感的背景。相较 DCCv2.0，本模型能更好地处理更复杂的场景（及性爱）描述，但在处理兽迷/拟人化内容方面表现较差。若你的目标是兽迷/拟人化，请继续使用 v2.0 或 v2.1，如需尝试超高分辨率。

dark_cinematic_cute v2.1 - Illustrious HD

简要说明：

正向前缀： "2.5D，半写实，电影感，BREAK"

负向前缀： "文字，标志，水印，手部错误，脚部错误"

步数：32-40

CFG：4-6

采样器：euler a（最快），dpmpp_2m（较好），deis（最佳）

调度器：normal，karras（较好），beta（最佳）

分辨率：1536x1536，1824x1248，1248x1824

目的

这是 DCCv2.0 的实验性版本，与使用 DreamBooth 训练以提升 2.5D 表现的 Illustrious v1.0 版本合并而成。结果模型在整体质量上几乎与 DCCv2.0 相当，主要区别在于背景细节较少，但优势在于可稳定支持最高达 1536x1536 的分辨率。该模型在非写实成人内容方面表现优异，但设计目标极为专注：专为带有强烈电影光影风格的 2.5D 半写实成人内容优化。该模型亦针对半拟人化（如猫耳）设计，对以女性为角色的兽迷内容处理效果良好。

dark_cinematic_cute v2.0 - Illustrious

简要说明：

正向前缀： "2.5D，半写实，电影感，BREAK"

负向前缀： "文字，标志，水印，手部错误，脚部错误"

步数：32-40

CFG：4-6

采样器：euler a（最快），dpmpp_2m（较好），deis（最佳且最慢）

调度器：normal，karras（较好），beta（最佳）

分辨率：SDXL 分辨率，1280x1280

目的

我长期为个人用途进行模型合并，这是第四个专为公众发布的模型。该模型在非写实成人内容方面表现非常出色，但设计目标极为专注：专为带有强烈电影光影风格的 2.5D 半写实成人内容优化。该模型亦针对半拟人化（如猫耳）设计，对以女性为角色的兽迷内容处理效果良好。

dark_cinematic_cute v1.0 - PDXL

简要说明：

正向前缀： "score_9, score_8_up, score_7_up, BREAK, 2.5D, 半写实, 电影感, BREAK"

负向前缀： "score_4, score_5, score_6, BREAK, 文字, 标志, 水印, 手部错误, 脚部错误"

步数：28-42

CFG：7-9

采样器：euler a（最快），dpmpp_2m（首选），heun（最佳且最慢）

调度器：normal，karras（首选），sgm uniform，beta

分辨率：1024x1024，1216x832，832x1216

注意：当步数超过 80 时，CFG 值可达 10 以上，但画质提升的边际效益极低。

目的

我长期为个人用途进行模型合并，这是第二个专为公众发布的模型。该模型在非写实成人内容方面表现尚可，但设计目标极为专注：专为带有强烈电影光影风格的 2.5D 半写实成人内容优化。由于其高度聚焦，该模型在其他风格的生成质量上远逊于其他 PonyXL 模型。因此，使用诸如“写实”、“照片”或“动漫”等标签会显著降低画质。本模型是多个模型的合并版本，并整合了我为个人使用所开发的基于 LoRA 的改进流程，详细说明如下。

合并说明

本模型合并了 waiCUTE v6.0、SEMImergeij v5.0、Hs UltraHD CG Pony Ver.**、CuteCandyMix Pony Ver，以及两个我自行训练的 LoRA 模型。如果有人感兴趣，我愿意上传这两个 LoRA，但本质上它们只是用于调整风格并强化我本人偏好的一些设计元素的工具。

LoRA 处理流程

本模型的主要特点是内置了由其早期版本生成图像训练出的 LoRA。这极大地限制了模型的泛用性，但使其能更严格地遵循风格规范，并强化我偏好的一些特征。流程如下：首先，使用自定义的 ComfyUI 插件生成约一千张图像，随机生成提示词，并将简化版提示词保存至同名 txt 文件。接着，剔除质量差或不符合风格规范的图像。然后，挑选数百张最佳图像训练一个 LoRA。重复此过程数次。接着，创建一组组图像，包含控制组和若干 LoRA 及其权重变化。最后，进行盲测比较，为符合风格的图像打分。最终合并模型与 LoRA 组合，为持续胜出的方案。是否有更好的方法？更快、更轻松的方式？几乎肯定有，但这个过程更有趣，而且我是免费做的。我为该任务编写的提示词生成器名为 PromptByMood，地址：https://github.com/RLW-Chars/comfyui-promptbymood