MIKU (Darling in the FranXX)

• 此模型包含两个文件，必须同时使用！！！
• 关联的触发词仅作参考，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，建议降低至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 miku_darlinginthefranxx.pt 和 miku_darlinginthefranxx.safetensors 两个文件，然后将 miku_darlinginthefranxx.pt 用作纹理反转嵌入，同时将 miku_darlinginthefranxx.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、miku_darlinginthefranxx.ptとmiku_darlinginthefranxx.safetensorsの両方をダウンロード する必要があります。miku_darlinginthefranxx.ptをテクスチャ反転埋め込みとして使用し、同時にmiku_darlinginthefranxx.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miku_darlinginthefranxx.pt和miku_darlinginthefranxx.safetensors这两个文件，然后将miku_darlinginthefranxx.pt用作纹理反转嵌入， 同时使用miku_darlinginthefranxx.safetensors作为LoRA。

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

触发词为 miku_darlinginthefranxx，推荐标签为：best quality, masterpiece, highres, solo, {miku_darlinginthefranxx:1.15}, twintails, ahoge, brown_hair, blue_eyes, red_hair, long_hair, green_eyes。

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。

为何部分预览图不像 Miku Darlinginthefranxx

所有预览图中使用的提示文本（可通过点击图片查看）均是基于从训练数据集中提取的特征信息，使用聚类算法自动生成的。图像生成时使用的种子也是随机生成的，且这些图像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通常优于预览图。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？

我们的模型已发布于 HuggingFace 仓库 - CyberHarem/miku_darlinginthefranxx，其中保存了所有训练步骤的模型。此外，我们也在 HuggingFace 数据集 - CyberHarem/miku_darlinginthefranxx 上发布了训练数据集，这对您可能有所帮助。

为何不直接使用更精选的图片？

本模型从数据爬取、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，因为它们对我们极为宝贵。

为何无法准确生成角色的期望服装？

我们当前的训练数据来源于多个图片网站，对于全自动流水线而言，难以精准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中标签的聚类，以尽可能还原最佳效果。我们将持续改进此问题并尝试优化，但这一挑战无法完全解决。服装还原的准确性也难以达到人工训练模型的水平。

事实上，本模型最大的优势在于能准确还原角色本身的固有特征，并因其更大的数据集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、改变角色姿态，当然，也适用于生成角色的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细微偏差的用户；
2. 对角色服装还原精度要求极高的应用场景用户；
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. 认为生成内容违背自身价值观的用户。