Super Cockskin PLUS - the official intact cock Lora - v1.0 (official version)
详情
下载文件
关于此版本
模型描述
这是对我的原始Super Cockskin LoRA的改进 - /model/1106422
该模型旨在生成裸体未割包皮男性的图像。
此模型相较于原始模型有许多改进，我仍致力于持续优化。
设置：
采样器：我通常使用 Euler A + normal
步数：对我而言30步效果最佳。有时降低步数会丢失概念
图像尺寸：1024x1024 或其他等效比例尺寸
强度：1+（可以略高一点，但不要过度）。有时略微提高到 1.1 能更清晰地呈现概念。
提示：请同时使用你的 clip-l 和 t5xxl。你可以打开我发布的一张图片，点击节点将其粘贴到 comfyUI 中，以了解我使用的节点和如何提示 clip-l。据我所知，关于 flux，你可以在 clip-l 中使用标签提示，在 t5 中使用自然语言提示。
训练概念。请注意，并非所有概念都已完全掌握。提示方式将极大影响结果：
裸体男性 — 无需特别提示阴茎。默认情况下，裸体男性应包含阴茎。
阴茎勃起 — 使用了“erection”、“boner”、“erect penis”等词。其中“erect penis”最易被理解，但提示效果不佳。勃起状态在配合其他动作时更易显现。
具体解剖结构 — 包皮、龟头、阴茎干、阴囊、尿道：尝试“彩色编码解剖照片”、“蓝色包皮”等表述，以测试模型的理解程度。模型对这些结构的理解普遍较弱。
口交 — 使用了“fellatio”、“blowjob”、“oral sex”作为触发词，但“阴茎在口中”最易被理解。“舌头伸入包皮”、“咬包皮”等表述也曾使用，但模型通常缺乏足够细节表现。你必须明确描述姿势。仅使用触发词无法获得稳定结果。站立和跪姿男性给了我最一致的结果。
肛交 — 模型经过训练，但我至今未获得成功结果。
自慰 — 使用了“masturbating erect penis”、“penis in hand”。提示语“一名裸体男性正在自慰勃起的阴茎，阴茎在手中”效果良好。“摩擦阴茎”未使用，但似乎也有效。
使用 Fleshlight 自慰
手指插入肛门 — 模型对肛门或“屁股洞”的理解很差，但或许会有意外效果。
自口交 — 使用了“autofellatio”、“selfsuck”、“penis in mouth”，但动作看起来不自然。
射精 — 使用了“cumming”、“cumshot”、“semen”、“ejaculating cum”，但效果不自然，且常被忽略。
排尿 — 使用了“piss”、“pee”、“urinating”，但效果不自然，常被忽略或颜色错误。
阴茎对接 — 这是一个复杂概念，尝试使用“docking penises”。
插入包皮 — 模型曾训练于“手指伸入包皮”、“触摸包皮”、“阴茎在手中”等表述，但结果不稳定。“一张裸体男性照片，其食指正触碰包皮顶端”，这种提示更可靠，通常能促使模型略微推入。
握住包皮 — 本意是模拟拉扯或牵拉，但效果常不理想。其他术语混淆太多，因此这个表述似乎最有效。“弹性包皮”未在训练中使用，但似乎有助于 flux 理解。
多毛/极多毛。也尝试无毛。
动漫与漫画风格 — 训练过程中，由于照片风格渗透，动漫图像质量越来越差。我为此添加了动漫与漫画风格的正则化图像以尝试恢复该风格。我个人认为其动漫风格优于原始 flux 的版本。
该模型已完成训练。后期训练略显过度。我仍在持续改进。
如有人希望尝试复现类似模型，请参考以下建议：
本模型使用 4 网络秩、4 网络阿尔法训练。过高的数值似乎会让模型学得更快但更不灵活，且容易快速过拟合，呈现粗糙的照片效果。
正确标注是掌握概念的关键。基本原则：若你希望某项特征成为默认且固化到概念中，就不要标注它。例如，若你希望所有裸体男性默认为疲软阴茎，则在仅展示站立裸体、疲软阴茎的基础图像中，完全不要标注阴茎。仅在非默认情况（如勃起阴茎）时标注。
本模型主要使用老旧或低质量照片训练。若你的图像质量差，请务必标注为“模糊”、“老旧”或“低质照片”。这样当你实际提示图像时，就不需再使用“模糊”，模型更可能生成清晰图像。但模糊图像仍可能渗入概念。此外，标注是否为特写也很重要。若不标注，模型默认会倾向于生成特写图像。
你可以通过颜色编码解剖结构来增强定义。在 GIMP 中，为图像添加一个透明图层，在其上用蓝色标注目标部位，然后合并图层。导出为 png 格式放入你的图像文件夹（我为彩色编码解剖结构设立了单独的文件夹）。这种方法虽略有“固化”效果，但有助于模型建立关联。请保留原始图像及其常规标注。
例如：“一张裸体男性的彩色编码解剖照片，阴茎为蓝色。” 或 “彩色编码解剖照片：勃起阴茎特写，包皮为红色，尿道为白色，阴囊为绿色。” 或 “肛门（又称屁股洞）为蓝色”（不确定在 flux 中如何最佳表达别名）。
这种方法随时间推移会逐步固化，但仍保留各部位的相对位置。否则，当我提示“肛门”（经过十几轮训练后），模型仍会返回小狗图片。但仅用一两轮彩色编码的肛门图像，模型就基本掌握了。
据我所知，这些 AI 模型内部存在某种热力图机制，未来或许能实现更精细控制。但目前这算是一种可行的“技巧”。它类似于遮罩，但不会遮挡图像部分。
当你提示时，除非明确使用“彩色编码解剖照片”，否则不会在身体部位显示颜色，也不会渗入默认生成图像（除非你拥有过多此类彩色编码图像）。
本模型采用批次训练。我最初使用包含所有概念的 650 张图像的大规模数据集进行前几轮训练。训练过程中保存状态，每隔一段时间暂停，剔除不再需要的图像，然后继续训练。
一些图像阻碍了模型学习。例如，我追求的是包皮开口可见的效果，但许多图像因拍摄角度遮挡了开口。因此，模型现在仍常在正面视角下隐藏开口。
我未在正则化文件夹中使用正则化图像，但我在其他文件夹（如动漫、漫画等）中添加了少量图像以保留特定风格，否则模型会越来越趋向写实照片风格。
综上所述，我正在开发另一个模型，数据集稍小，但这次不再一次性训练所有概念，而是分阶段从简单到复杂（单人裸体 → 勃起 → 体液与接触 → 双人/性行为）。
如需在 Flux 上构建类似模型的帮助，请私信我或在 Discord 上联系我。我不是专家，但很乐意与你交流讨论。