Super Cockskin PLUS - the official intact cock Lora - v0.8
详情
下载文件
模型描述
这是我原始的Super Cockskin LoRA的改进版 - /model/1106422
此模型旨在生成裸体未割阴茎男性的图像。
该模型相较于原始版本有许多改进，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 或其他比例的等效尺寸 强度：1+（可略高一些，但不宜过度）。有时略微提高至1.1能更好地呈现概念。
提示：请同时使用你的 clip-l 和 t5xxl。你可以引用我发布的一张图片，点击节点以在 comfyUI 中粘贴，作为我所使用节点和 clip-l 提示方式的示例。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理解。提示方式对结果影响极大：
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”被理解得最清楚，但提示效果不佳。勃起状态在配合其他动作时更容易显现。
具体解剖结构——包皮、龟头、阴茎干、阴囊、尿道：可尝试“彩色编码解剖照片”、“蓝色包皮”等表达方式，以测试模型理解程度。模型对这些概念的理解普遍较弱。
口交——使用了“fellatio”、“blowjob”、“oral sex”等触发词，但“阴茎在口中”被理解得最清晰。“舌头伸入包皮”、“咬包皮”等表达也尝试过，但模型通常缺乏足够细节分辨。必须精确描述姿势，仅使用触发词无法获得稳定结果。站立和跪姿的男性给我带来了最一致的效果。
肛交——已训练，但目前尚无成功案例。
自慰——使用了“masturbating erect penis”、“penis in hand”。“一个裸体男性正在自慰他的勃起阴茎，阴茎在手中。”——“揉搓阴茎”未作为训练词，但似乎也有效。
使用 Fleshlight 自慰
手指插入肛门——模型对肛门或“屁股眼”理解不佳，但可能偶尔运气好能生成。
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”等词，但效果不自然，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，可尝试“docking penises”。
插入包皮——模型训练过“finger in foreskin”、“touching foreskin”、“penis in hand”等短语，但效果不稳定。“一张裸体男性用食指触碰其包皮尖端的照片”这种描述更稳定，通常能略微推动插入。
拉扯包皮——本意是模拟拉扯或牵拉动作，但常失败。因其他术语混淆过多，此描述似乎最有效。“弹性包皮”未用于训练，但似乎有助于 flux 理解。
多毛/非常多毛。也可尝试无毛。
动漫与漫画风格——训练过程中，随着照片风格渗入其他概念，动漫图像质量持续下降。我加入了一些动漫与漫画风格的正则化图像，试图恢复这些风格。我个人认为，其动漫风格比原始 flux 的稍好。
该模型训练已完成，后期略微过拟合。我仍在持续优化中。
若有人希望尝试复现类似模型，请参考我的建议：
本模型使用了 4 网络秩（network rank）、4 网络 alpha（network alpha）。数值过高似乎会让模型学得更快但灵活性降低，且容易迅速过拟合，生成看起来糟糕的照片。
正确标注是学习概念的关键。主要原则是：如果你希望某特征成为默认且内化至概念中，请不要在标注中提及。例如，若你希望所有裸体男性的阴茎均为疲软状态，那么在仅展示站立疲软裸体男性的基础图像中，完全不要标注阴茎；仅在非默认图像（如勃起阴茎）中标注。
此照片主要基于老旧或低质量图片训练。若你的图像质量差，请在标注中注明“模糊”、“老旧”或“低质量”。当你实际提示生成图像时，不要使用“模糊”一词，这样图像更可能保持清晰。但模糊图像仍可能渗入概念。标注是否为特写也非常重要，否则模型默认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，可为图像添加一个透明图层，用蓝色标记某部位，再合并图层，导出为 PNG 存入你的图像文件夹（我为彩色编码解剖结构设置了独立文件夹）。这种方式虽略有“固化”效应，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：
- “一张彩色编码解剖照片，展示裸体男性，阴茎为蓝色。”
- “彩色编码解剖照片。勃起阴茎的特写。包皮为红色，尿道为白色，阴囊为绿色。”
- “肛门（又称屁股眼）为蓝色”（不确定在 flux 中如何最佳表达别名）。
虽然会随时间“固化”，但能保留各部位的大致位置。否则，我在训练十几轮后仍用“肛门”提示时，模型仍会生成小狗图片；但仅用一两轮彩色编码的肛门图像，模型就基本学会了。
我了解到这些 AI 模型中可能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“技巧”，类似遮罩，但不会遮挡图像区域。
当你进行提示时，除非你明确使用“彩色编码解剖照片”，否则生成图像中不会显示身体部位的颜色，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）。
此模型采用批量训练。我最初使用了一个包含650张图像的巨大数据集，覆盖所有概念。训练过程中我会保存状态，每隔一段时间暂停，删减不再需要的图像，然后继续训练。
某些图像阻碍了训练。例如，我希望包皮开口清晰可见，但大量图像因拍摄角度遮挡了开口，导致模型在正面视角时仍常遮挡开口。
我未在正则化文件夹中使用正则化图像，但我在各风格文件夹中添加了少量图像以保留风格，如动漫文件夹、漫画文件夹等。否则，模型会越来越偏向照片风格。
综上所述，我正在开发另一个模型，数据集稍小，但这次我将采用分阶段训练：从基础到复杂（单身裸体男性 → 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，请通过此平台或 Discord 私信我。我不是专家，但很乐意与你交流。