Super Cockskin PLUS - the official intact cock Lora - v0.7
详情
下载文件
关于此版本
模型描述
这是对我原始的Super Cockskin LoRA的改进版 - /model/1106422
本模型旨在生成裸体未割包皮男性的图像。
该模型相比原版有许多改进，我仍致力于持续优化。
设置建议：
采样器：我通常使用 Euler A + normal
步数：对我而言30步效果最佳，降低步数有时会丢失整体概念
图像尺寸：1024x1024 或其他等效比例尺寸
强度：1+（可略高于1，但不宜过高）。有时将强度调至1.1左右，概念表现更清晰。
提示：请同时使用你的 clip-l 和 t5xxl。你可以打开我发布过的某张图片，点击节点将其粘贴到 ComfyUI 中，参考我使用的节点和 clip-l 的提示方式。据我所知，对于 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。
训练概念说明：请注意，并非所有概念都已100%被模型完全理解，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”理解最准确，但提示效果不佳；勃起效果在配合其他动作时更明显。
特定解剖结构——包皮、龟头、阴茎干、阴囊、尿道：可尝试“彩色解剖学照片”、“蓝色包皮”等描述，以测试模型认知。目前模型对这些结构的理解较弱。
口交——使用了“fellatio”、“blowjob”、“oral sex”等触发词，但“阴茎在口中”最易被识别。“舌头伸入包皮”、“咬包皮”等描述模型通常无法呈现足够细节。必须精确描述姿势，仅用触发词无法获得稳定结果。站立和跪姿男性最易获得一致效果。
肛交——模型经过训练，但我尚未获得成功结果。
自慰——使用了“masturbating erect penis”、“penis in hand”；“一个裸体男性正在自慰他勃起的阴茎，阴茎在手中”效果最佳。“摩擦阴茎”未用于训练，但似乎也有效。
使用 Fleshlight 自慰
手指插入肛门——模型对肛门或肛孔理解很差，但有时可能侥幸成功。
自口交（口含阴茎）——使用了“autofellatio”、“selfsuck”、“penis in mouth”，但动作表现不自然。
射精——使用了“cumming”、“cumshot”、“semen”、“ejaculating cum”，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。
阴茎交锁——这是一个复杂概念，尝试提示“docking penises”。
插入包皮——模型训练时使用了“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包皮尖端的照片”提示更稳定，通常能略微推动插入。
拉扯包皮——本意为拉扯或牵拉，但模型常忽略。其他术语混淆过多，因此该描述最有效。“弹性包皮”未用于训练，但似乎有助于 Flux 理解。
多毛/非常浓密毛发，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，试图恢复该风格。我个人认为，其动漫风格略优于原始 Flux。
本模型训练已完成。后期略有过拟合。我仍在继续优化。
如你希望复现类似模型，请参考以下建议：
本模型使用了4个网络秩（rank）和4个网络阿尔法（alpha）。值过高会使模型学习过快但灵活性下降，且极易过拟合，导致输出像劣质照片。
正确的标注对概念学习至关重要。基本原则：若你希望某元素成为默认特征，不要标注它。例如，若希望所有裸体男性默认为疲软阴茎，则在基础图像（仅站立裸体男性，疲软状态）中完全不要标注阴茎；仅在非默认图像（如勃起阴茎）中添加标注。
本模型主要使用老旧或低质量图片进行训练。如果你的图片质量差，务必在标注中注明“模糊”、“老旧”或“低质量”。如此，当你实际生成图像时，若不使用“模糊”等词，模型更可能生成清晰对焦的图像。但模糊图像仍可能污染概念。标注是否为特写同样重要，否则默认输出多为特写图。
可尝试对解剖结构进行“色彩编码”以增强识别。在 GIMP 中，为图像添加一个透明图层，在该图层上用蓝色标记目标部位，然后合并图层，导出为 PNG 格式存入图片文件夹（我为彩色解剖图设置了一个独立文件夹）。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标准标注。
示例提示：
- “一张彩色解剖学照片，裸体男性，阴茎为蓝色。”
- “彩色解剖学照片，勃起阴茎特写。包皮为红色，尿道为白色，阴囊为绿色。”
- “肛门（又称肛孔）为蓝色”（我不确定 Flux 中如何最好地表达别名）。
此方法会随训练逐步固化，但仍保留各部位大致位置。此前我仅用“肛门”提示（训练十多个轮次后），模型仍返回小狗图像；但仅用一到两个轮次的彩色标注肛门图像后，模型基本学会了识别。
据我所知，AI 模型内部可能存在热力图机制，未来或许能实现更高精度控制。目前这算一种“技巧性”方法，虽类似遮罩，但不会遮挡图像区域。
在实际提示时，除非明确使用“彩色解剖学照片”，否则模型不会在生成图像中显示体表颜色，且不会污染默认生成结果（除非你拥有过多彩色解剖图）。
本模型采用分批训练。我最初使用包含所有概念的650张图片大集合训练前几轮，训练中定期保存状态，随后暂停并删除不再需要的图片，继续训练。
某些图像限制了模型能力。例如，我期望包皮开口清晰可见，但大量训练图因拍摄角度导致开口被遮挡，因此模型如今仍常在正面视角下隐藏开口。
我未使用正则化文件夹中的正则化图像，但我在各风格文件夹（如动漫、漫画）中添加了少量图像，以保留这些风格，否则模型会越来越趋向照片风格。
以上所有建议之外，我正在开发一个新模型，数据集稍小，但这次将采用分阶段训练策略：从基础到复杂逐步推进（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，欢迎通过此平台或 Discord 私信我。我虽非专家，但很乐意交流探讨。