Penis Lora (+Blowjob, +Cumshot) [Taz] - WAN 2.2 14b / 5B / 1.3b T2V & I2V (Wan 2.1 & 2.2) + Qwen

关于此版本

我决定尝试新的Wan 2.2 5B模型。该模型使用了来自14B LoRA数据集的改进版本。有关如何提示该模型的建议，请参阅14B版本的描述。由于Civitai尚未提供5B选项，基础模型中显示为“Wan Video 14B i2v 480p”。顺便提一下，该模型对图像和文本均适用。

警告：
此LoRA远未“完成”，你大多数时候可能无法获得理想效果，但我也不确定是否值得投入更多资源去优化它。请试用一下，并告诉我你对5B模型的看法——我不明白为什么1.3B/14B模型训练起来如此容易，而这个5B模型却这么困难。

触发词： PENISLORA

此LoRA能做什么？

此LoRA可以在正面或侧面视角下为男性或女性添加勃起的阴茎。我曾尝试使用“一个有勃起阴茎的男性和一个没有阴茎的女性”这样的描述，以避免两者都出现阴茎。

理论上它还能做但实际效果不佳的其他事情：
阴茎侧面视图（效果极不稳定）

精液（我未大量测试，但肯定不如14B模型效果好，尽管数据集中有相关标注！）

口交（数据集中包含“口交”和“深喉”字样，但仍需明确描述动作，例如：“一名女性将阴茎含入口中并进行深喉口交”等）。

它不能做什么？

训练数据中没有插入行为。也没有第一人称视角（POV）图像，尽管训练数据中包含几张俯视图和1段POV视频。

推荐设置

截至本帖发布时，Wan 2.2仍非常新，因此请直接使用Kijai的封装工具及其为5B模型提供的示例工作流（你也可以使用我在本帖附件中提供的、带标注的示例工作流）。

数据集

84张分辨率为512x512的图像（比上一次增加了约13张）

43段分辨率为640x480的视频（比上一次增加了3段）

我彻底重写了所有标注，几乎全部重新编写。我还发现了2-3个错误的数据集并将其删除。此外，我手动在图像中去除了部分水印和纹身。理论上，现在的数据集干净了许多。我唯一犯的错误是：我保留了所有16fps的视频，而5B模型实际是按24fps训练的。不过，我没有观察到运动表现方面的明显负面问题，因此我认为这应该没问题。

我实在太累了，无法从头开始标注新数据，于是我先用BIRME裁剪图像，再用JoyCaption生成基础标注以描述图片中所有物体，然后请ChatGPT修正标注。接着我手动纠正所有错误信息，并为每个提示中的“主体”部分进行正确重写（因为JoyCaption 100%总是搞错主体）。由于数据集增量较小，我并未考虑使用本地LLM。

训练

5B的训练流程直接明了，与14B或1.3B完全一致——只需下载模型数据即可开始。我认为它的训练速度非常快。我将批量大小从1提升至4，重复次数从1提升至4。我还使用了float8精度进行训练，回头来看这其实并不必要。使用上述设置，我的3090显卡消耗了约21GB显存。

我首次尝试使用Automagic优化器。它很有趣，能自动动态调整学习率。你可以看到学习率随时间上升，当损失趋于平稳时，它又自动下降。我决定以后都使用这个优化器。

[optimizer]

type = 'automagic'

lr = 2e-5

weight_decay = 0.01

eps = 1e-8

大约在第38轮时，我更改了批量大小，不知为何导致张量图出现异常，但在第150轮（约6000步）之前，损失曲线一直保持稳定下降趋势。期间偶尔会出现几次快速的损失下降，但紧接着又回升（这是因为我添加了新数据）。总体上，此时损失曲线开始趋于平稳，我也开始对训练过程感到些许沮丧——1.3B和14B模型的训练效果要好得多。当损失趋于平稳时，阴茎主体形状已经相当良好。

结果

没有此LoRA时，你通常只会得到变形的肉柱，而用此LoRA生成的阴茎则效果参差不齐。阴茎主体通常没问题，但睾丸形状有时不准。这一次我更频繁地标注了这些部位，这可能反而产生了负面影响。除非是正面视角，阴茎头部通常缺乏细节。相比之下，1.3B和14B模型生成良好阴茎的成功率非常高，而此处成功率大概只有50%。离阴茎越远，失败的概率越高，特写效果更好。