zuikaku/瑞鶴/瑞鹤 (Azur Lane)

• 此模型包含两个文件，必须同时使用！！！
• 相关的触发词仅作参考，有时可能需要调整。
• 嵌入模型的推荐权重为1，可提供更高保真度；如需更强的泛化能力，可降低至0.5。
• LoRA模型的推荐权重为0.85；若出现污染迹象，建议降至0.5。

如何使用此模型

此模型包含两个文件，必须同时使用！！！。在此情况下，您需要下载 zuikaku_azurlane.pt 和 zuikaku_azurlane.safetensors 两个文件，然后将 zuikaku_azurlane.pt 用作纹理反转嵌入，同时将 zuikaku_azurlane.safetensors 用作 LoRA。

このモデルには2つのファイルがあります。一緒に使う必要があります！！！。 この場合、zuikaku_azurlane.ptとzuikaku_azurlane.safetensorsの両方をダウンロード する必要があります。zuikaku_azurlane.ptをテクスチャ反転埋め込みとして使用し、同時にzuikaku_azurlane.safetensorsをLoRAとして使用してください。

这个模型有两个文件。你需要同时使用它们！！！。 在这种情况下，您需要下载zuikaku_azurlane.pt和zuikaku_azurlane.safetensors这两个文件，然后将zuikaku_azurlane.pt用作纹理反转嵌入， 同时使用zuikaku_azurlane.safetensors作为LoRA。

이 모델은 두 개의 파일이 있습니다. 두 파일을 함께 사용해야 합니다!!!. 이 경우에는 zuikaku_azurlane.pt와 zuikaku_azurlane.safetensors 두 파일을 모두 다운로드하신 다음에 zuikaku_azurlane.pt을 텍스처 반전 임베딩으로 사용하고, 동시에 zuikaku_azurlane.safetensors을 LoRA로 사용하셔야 합니다。

触发词为 zuikaku_azurlane，推荐标签为：best quality, masterpiece, highres, solo, {zuikaku_azurlane:1.15}, long_hair, brown_hair, breasts, large_breasts, bangs, yellow_eyes, blush, cleavage, very_long_hair, hair_ornament, smile, collarbone, brown_eyes, ponytail。

模型训练方式

本模型使用 HCP-Diffusion 训练，自动训练框架由 DeepGHS 团队 维护。

为何部分预览图与“瑞鹤”外观不符

用于预览图的所有提示文本（可通过点击图像查看）均通过聚类算法自动生成，基于从训练数据集中提取的特征信息。图像生成所用的种子也是随机生成的，且图片未经任何筛选或修改。因此，可能出现上述问题。

在实际使用中，根据我们的内部测试，大多数出现此类问题的模型在真实应用中的表现往往优于预览图所示效果。您唯一需要做的，可能是调整所使用的标签。

我觉得此模型可能过拟合或欠拟合，该怎么办？

我们的模型已发布在 huggingface 仓库 - CyberHarem/zuikaku_azurlane_，其中保存了所有训练步骤的模型。同时，我们也发布了训练数据集于 huggingface 数据集 - CyberHarem/zuikakuazurlane，可能对您有所帮助。

为何不直接使用筛选更好的图片？

本模型从数据采集、训练、生成预览图到发布，整个过程100%自动化，无人工干预。这是我们团队进行的一项有趣实验，为此我们开发了一整套软件基础设施，包括数据过滤、自动训练和自动化发布。因此，若您能提供反馈或建议，我们将非常感激，因为这些对我们的工作至关重要。

为何无法准确生成目标角色的服装？

当前训练数据来源于多个图片网站，由于全自动流程的限制，我们难以准确预测某个角色拥有哪些官方图像。因此，服装生成依赖于基于训练数据集标签的聚类分析，力求实现最佳还原效果。我们将持续改进这一问题，但仍难以完全解决。服装还原的准确性也难以媲美人工训练模型的水平。

事实上，本模型的最大优势在于还原角色本身的固有特征，以及因其更大数据集带来的较强泛化能力。因此，本模型非常适合用于更换服装、调整角色姿势，当然还包括生成角色的NSFW图像！😉。

以下用户群体不建议使用本模型，我们深表遗憾：

1. 无法容忍任何角色原设计微小偏差的用户；
2. 对角色服装还原精度要求极高的应用场景使用者；
3. 无法接受基于Stable Diffusion算法生成图像潜在随机性的用户；
4. 不适应使用LoRA全自动训练角色模型的过程，或认为必须纯手动操作才能避免对角色不敬的用户；
5. 认为生成内容违背其价值观的用户。