「liquid lemons」🍋 📷

~ 下方为推荐设置与训练参数！ ~

这是一个基于20世纪90年代中后期至2000年代中期库存照片训练的Qwen-Image风格LoRA，这类照片常见于当年的CD光盘和广告中。无需触发词，但使用摄影关键词（如：“一张照片中的……，浅景深，自然光……”）有助于强化风格。该模型全部使用真实数据（无合成数据）训练，且未包含任何人物主体，以最大程度提升与角色类或其他LoRA的兼容性。此效果较为强烈，若你正在使用角色LoRA，建议将强度降低至1.00以下（约为0.40至0.50为佳）。如你使用后有任何反馈，欢迎告诉我。 :)

推荐设置

强度 ... 0.40 - 1.20

步数 ... 20 - 50（或更高）

CFG ... 3.0 - 5.0

采样器/调度器 ... 任意均可，但 res_2s/bong_tangent (RES4LYF) 效果良好。

该模型及Qwen整体在使用详细描述和高分辨率、高步数时表现最佳（若使用res_2s则可降低步数）。请参考展示案例和ComfyUI工作流。Qwen整体对提示词、关键词及其在提示中的顺序极为敏感。若风格未能立即显现，可尝试调整提示词顺序，削弱或移除可能将Qwen拉回默认风格的关键词，或适当提高强度。

我在工作流中使用的自定义节点：

• RES4LYF (https://github.com/ClownsharkBatwing/RES4LYF)

• Rgthree (https://github.com/rgthree/rgthree-comfy)

• 可选：后处理节点 (https://github.com/EllangoK/ComfyUI-post-processing-nodes)

训练参数

由于我厌恶知识垄断，秉承开源精神，以下是我的训练参数：

工具 ... Diffusion-pipe

学习率 ... 0.0003

维度（或“Rank”） ... 8

步数 ... 2640

轮次 ... 80

调度器 ... AdamW8Bit

总计134张图像，重复1次

训练分辨率 ... 1024