Super Cockskin PLUS - the official intact cock Lora - v0.5
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。
该模型相比原版有诸多改进，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。有时减少步数会丢失概念。
图像尺寸：1024x1024 或其他比例的等效尺寸
强度：1+（可稍高一点，但不要过度）。有时提升至 1.1 能更清晰地展现概念。
技巧：同时使用你的 clip-l 和 t5xxl。你可以调出我发布的一张图片，点击节点将其粘贴到 comfyUI 中，以了解我使用的节点和如何提示 clip-l。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100%理解，提示方式对效果影响极大：
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”最易被理解，但提示效果不佳。勃起状态在配合其他动作时更容易显现。
特定解剖结构——包皮、龟头、阴茎干、阴囊、尿道：可尝试“彩色解剖照片”、“蓝色包皮”等表达，以测试模型的理解程度。模型对大部分这些结构的理解较弱。
口交——使用了“fellatio”、“blowjob”、“oral sex”作为触发词，但“阴茎在口中”最易被理解。“舌头伸入包皮”、“咬包皮”等描述模型通常缺乏足够细节区分。你必须明确指定姿势，仅使用触发词无法获得一致结果。站立和跪姿男性最能提供稳定效果。
肛交——虽经训练，但我至今未成功生成相关图像。
自慰——使用了“masturbating erect penis”、“penis in hand”。提示语如“A nude male masturbating his erect penis. Penis in hand.”效果良好。“rubbing penis”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“butt hole”理解较差，但或许偶尔能碰巧生成。
自口交（自吮阴茎）——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”，但效果不自然，常被忽略。
排尿——使用了“piss”、“pee”、“urinating”，但看起来不自然，常被忽略或颜色错误。
阴茎对接（docking）——这是一个难点，可尝试“docking penises”。
插入包皮——模型训练时使用了“finger in foreskin”、“touching foreskin”、“penis in hand”，但效果不稳定。“一张裸体男性用食指触碰包皮尖端的照片”这一提示更稳定，通常能轻微推入。
握住包皮——本意是拉扯或牵拉，但模型常遗漏。其他术语混淆太多，此术语似乎最有效。“Stretchy foreskin”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，随着照片风格渗透，动漫图像质量不断下降。为此我添加了动漫与漫画风格的正则化图像，以恢复这些概念。我个人认为，它比原版 flux 的动漫风格稍好。
本模型训练已完成。后期略微过训。我仍在持续优化。
如有人希望尝试复现类似模型，请参考我的建议：
本模型使用 4 网络秩、4 网络阿尔法训练。数值过高似乎会让模型学得更快但更僵化，我认为会迅速过训，产生劣质照片效果。
正确标注是学习概念的关键。主要原则是：如你希望某特征为默认属性并内化进概念，不要标注它。例如，若希望所有裸体男性默认为疲软阴茎，则对仅站立的裸体男性基础图像，不要标注阴茎。仅在非默认图像（如勃起阴茎）中标注。
本模型主要基于老旧或低质量图像训练。如果你的图像质量差，请确保标注为“模糊”、“老旧”或“低质量照片”。这样当你实际提示时，不使用“模糊”一词，模型更可能生成清晰图像。但模糊图像仍可能渗入概念。同样重要的是标注是否为特写。若不标注，模型默认会生成大量特写图像。
可尝试对解剖结构进行“色彩编码”以增强定义。在 GIMP 中，添加一个透明图层，在其上用蓝色标记某部位，然后合并图层，导出为 PNG 存入图像文件夹（我为彩色解剖结构设置了独立概念文件夹）。这种做法会略微“固化”效果，但有助于模型关联结构。仍保留原始图像及其常规标注。
例如：“一张彩色解剖照片，展示裸体男性，阴茎为蓝色。”或“彩色解剖照片。勃起阴茎特写。包皮为红色，尿道为白色，阴囊为绿色。”或“肛门（又称 butt hole）为蓝色”（尚不确定 flux 中如何最佳表达别名）。
这种方式会随时间逐渐固化，但能保留各部位的相对位置。此前我提示“anus”（训练超过十数轮后），模型仍返回小狗图片；但仅需一两轮彩色标注的肛门图像，模型便基本学会。
我了解到 AI 模型中可能存在某种热图机制，未来或许能实现更多控制，但目前这是种可行的“技巧”。它类似遮罩，但不会遮挡图像区域。
提示时，除非明确标注“彩色解剖照片”，否则身体部位不会显示颜色，也不会渗入默认生成图像（除非你拥有过多这类彩色解剖图像）。
本模型采用分批训练。我最初使用包含所有概念的 650 张图像大型数据集进行前几轮训练，训练中会保存状态。每隔一段时间，我会停止训练，剔除不再需要的图像，然后继续。
某些图像阻碍了训练。例如，我期望包皮开口可见，但许多图片拍摄角度遮挡了开口。因此，模型现在仍常在不当角度（如正面）下隐藏开口。
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（如动漫、漫画艺术等）中加入了少量图像，以保留这些风格。否则这些风格会逐渐向照片风格偏移。
总而言之，我正在开发另一个模型，数据集稍小，但这次不一次性训练所有概念，而是分阶段从简单到复杂推进（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，请通过本平台或 Discord 私信我。我不是专家，但很乐意与你探讨。