august_von_parseval/アウグスト・フォン・パーセヴァル/奥古斯特·冯·帕塞瓦尔 (Azur Lane)

• 此模型包含两个文件，必须同时使用！！！
• 关联的触发词仅供参考，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；若需更强的泛化能力，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。
• 预览图使用若干固定测试提示词及从聚类数据集特征衍生的提示词生成，采用随机种子，排除了人为挑选。所见即所得。
• 服装未经过专门训练。您可参考我们提供的预览帖，获取对应服装的提示词。

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 august_von_parseval_azurlane.pt 和 august_von_parseval_azurlane.safetensors 两个文件，然后将 august_von_parseval_azurlane.pt 作为纹理反转嵌入使用，同时将 august_von_parseval_azurlane.safetensors 作为LoRA使用。

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、august_von_parseval_azurlane.ptとaugust_von_parseval_azurlane.safetensorsの両方をダウンロード する必要があります。august_von_parseval_azurlane.ptをテクスチャ反転埋め込みとして使用し、同時にaugust_von_parseval_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august_von_parseval_azurlane.pt和august_von_parseval_azurlane.safetensors这两个文件，然后将august_von_parseval_azurlane.pt用作纹理反转嵌入， 同时使用august_von_parseval_azurlane.safetensors作为LoRA。

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

(Translated with ChatGPT)

触发词为 august_von_parseval_azurlane，推荐标签为：best quality, masterpiece, highres, solo, {august_von_parseval_azurlane:1.15}, long_hair, hair_over_one_eye, horns, mechanical_horns, purple_eyes, breasts, large_breasts, curled_horns, purple_hair, very_long_hair, one_eye_covered。

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。

为何部分预览图看起来不像 August Von Parseval Azurlane

所有用于预览图的提示词文本（点击图片即可查看）均通过基于训练数据集提取的特征信息，利用聚类算法自动生成。图像生成时使用的种子也是随机生成的，且图像未经过任何筛选或修改。因此，出现上述问题的可能性是存在的。

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展示的效果。您唯一可能需要做的，就是调整您所使用的标签。

我觉得这个模型可能存在过拟合或欠拟合，该怎么办？

我们的模型已发布在 huggingface 仓库 - CyberHarem/august_von_parseval_azurlane_，其中保存了所有训练步骤的模型。此外，我们还发布了训练数据集于 huggingface 数据集 - CyberHarem/augustvon_parseval_azurlane，可能对您有所帮助。

为何不直接使用更精选的图像？

本模型从数据爬取、训练、生成预览图到发布，整个流程完全自动化，无人工干预。这是我们的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、自动训练和自动发布。因此，若您能提供更多的反馈或建议，我们将非常感激，因为这对我们的工作至关重要。

为何无法准确生成期望的角色服装？

我们当前的训练数据来源于多个图像网站，由于采用全自动化流程，很难准确预测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，以尽可能还原效果。我们将持续优化此问题，但目前仍属难以彻底解决的挑战，其准确度也难以达到人工训练模型的水平。

实际上，本模型的最大优势在于能够还原角色本身的固有特征，并因其数据集规模较大而具备较强的泛化能力。因此，本模型非常适合用于更换服装、调整角色姿态，当然也包括生成角色的NSFW图像！😉

以下群体不建议使用本模型，我们深表遗憾：

1. 对角色原设计有任何细微偏差都无法容忍者。
2. 对角色服装还原精度要求极高者。
3. 无法接受基于Stable Diffusion算法生成图像潜在随机性者。
4. 不适应使用LoRA全自动训练角色模型流程者，或认为角色模型训练必须纯手工操作以示尊重者。
5. 认为生成图像内容冒犯其价值观者。