Hayden's YiffMix Realism
详情
下载文件
模型描述
V3.0：
两个月的辛勤工作，我认为3.0终于可以正式亮相了：
这是一个完全重新设计的版本，采用了全新的思路，基于纯人类模型，并通过“打补丁”的方式实现类似兽设转换的效果，从而大幅提升细节表现。
下方提示依然适用，某些标签可能会生成人类形象——此时我的建议是尝试用同义词替换，例如使用该主题的booru/e621标签。
或者尝试使用“兽化滑块”LoRA，但最适合用于单一主体。
注意：大版本模型在毛发和背景细节方面表现更好，如果可能，建议优先使用它，而不是较小的float16转换版本。
在过去的两到三个月里，我制作了大量Excel表格、Visio文档，测试图像累计达6GB，测试模型可能超过300GB。
是的，它仍然被标记为“Pony模型”，尽管我确信它已经被稀释到几乎无法再像以前那样强烈响应 pony 相关提示。但没关系，还是试试看吧。
如果你发现生成了太多人类，请检查你的负面提示长度，或检查其他非booru标签——这些标签如果被底层基础模型过度响应，可能会引发问题。建议保持简洁。
或者，如果你不追求“最高质量”，也可以试试v2.2，或许更适合你 :P
所用模型：
兽化增强组件：Furry Enhancer 6.1 + OneForAll Pony Reality + Lucid Citrus Pony Kiwi + Porn Master BDSM（一个rule34数据集，已从CivitAI移除）+ Quintillus + RealDream 14
负面提示模型：Natural Vision 2.7
截至目前的效果：
更好的光影表现
背景细节和物品更丰富，例如办公室场景中会出现完整的电脑设备
句子和标签式提示的可用性提升，比如我们经典的“龙娘”不再呈棕色，表情也更准确
此外还有更多改进。一些特性仍在调试中，以确定需要微调的具体方向。
特别感谢 @freek22 提供的 Furry Enhancer 6.1
别忘了加入 Furry Diffusion Discord 社区，参与讨论和分享大家的作品： --> https://discord.gg/furrydiffusion （我主要在那边活跃）
V2.X: SDXL，兼容Pony
是否遇到到处都是人类的问题？尝试添加 source_furry 和/或 'furry art'。
提示：
有人问起该从哪里开始写提示，可以这样作为起点：
source_furry, source_9, score_8_up, score_7_up, furry art,
你的其他提示内容写在这里
可选添加：photorealism, realistic；负面提示建议：
low quality, bad composition, blurry, bad anatomy, bad proportions, ugly, lacking, mediocre, mutation, conjoined, fused, clone, mirrored, disjointed, incomplete, watermark, signature, artist name, camera, extra anus, skin, human feet, ((human, humans)), score_4,
这应是一个不错的起点。我注意到，过去很长一段时间里，根据你要生成的主题，过多的质量标签反而可能适得其反，因此建议采用KISS原则（Keep It Simple, Stupid）。
旧笔记：
8个月后推出新版本v1.9！
Fluffyrock 标签
总计在5个以上模型上进行了数百次测试
应是一款出色的全能型模型
现在回到旧内容：
这个模型组合是大约一两个月前偶然发现的，由于在Furry Diffusion社区中需求量较大，因此现在正式发布。它既能生成安全内容，也能生成成熟内容。
该混合模型旨在处理传统艺术风格和经典的“卡通式”兽设风格，但鉴于所用的基础模型似乎正在远离这些风格，如果你无法让某个特定效果正常工作，建议尝试所有版本。
因此：1.2是一个不错的起点；1.4可能会产生不同的姿势与场景。
但需要说明的是，模型的问题显而易见，我几乎每天都在努力改进，寻找更好的调优方式，厘清模型的优缺点。
例如：
即使不使用LoRA，背景细节也极为丰富，尤其在启用高分辨率修复（hires fix）时，能构建出极为精致的背景，完全契合你作为“导演”想要营造的场景。
较新的模型可能在眼睛表现上存在问题，因为训练数据中的艺术家风格变得有些“混乱”。因此建议明确指定你希望的眼睛颜色，如有必要，也说明瞳孔特征。添加或移除艺术家标签在此类情况下也会有很大帮助。
极其小众的癖好/情色题材可能需要使用旧版本模型（如1.2），这是一个已知问题，我正在努力解决。
除此之外，新模型的表现依赖于其他模型——因为这是一个经过多次调优后的混合体，目标是实现最大程度的细节和通用性，至少这是初衷。